ChatGPT能解決部分就業問題，平臺化服務迅速涌現 | CCF C3@滴滴

白交 2023-05-26 16:53:56 來源：量子位

楊凈 整理自 凹非寺

量子位 | 公眾號 QbitAI

我對城市大腦的前景高度懷疑。

城市道路交通就像安卓平臺，生態參與方很多。

ChatGPT時代平臺化服務會迅速涌現，某種程度上解決了一部分就業問題。

……

在最新CCF C3活動現場，30余位學者專家來到滴滴出行，圍繞著「智能技術與交通治理」的主題展開激辯。

與我們日常息息相關的出行，背后需要怎樣的協同和治理？ChatGPT時代又將給出行帶來什么樣的可能？城市大腦又該如何去推進？

帶著這些問題，在不改變原意基礎上，量子位做了如下整理：

出行生態治理中的多方協同

來自北京交通大學計算機與信息技術學院副院長李浥東，清華大學經濟學研究所長聘正教授、副所長王勇，北方工業大學智能交通控制（北京市）重點實驗室研究員張福生和滴滴出行智能平臺事業群總經理楊毅，就《出行生態治理中的多方協同》展開了探討。

主持人由滴滴AIoT平臺產品負責人孫偉力擔任。

交通治理分為三個階段

孫偉力：第一個問題想問王勇老師，從經濟學角度如何去看多方協同治理。

王勇：首先，多方包含平臺企業和政府這兩個非常重要的主體，當然還有公眾、媒體以及社會的參與監督等等。

平臺治理和監管可以分為三個階段：事先、事中、事后。

從協同角度來講，過去政府監管重點主要放在事先（比如司機資質認證）和事后（比如處罰）。現在有了平臺企業，不管是出行、電商、生活服務多種平臺努力下，填補了事中監管的缺位。

更關鍵還在實現了多方協同治理。比如，如果事中能做到很好監管，那么事先的資質監管就可以放松一些；事后監管上能與政府做個分工，平臺能借助更靈活的市場化手段來參與治理。

李浥東：首先從交通這個概念，以前交大是做軌道交通為主，現在拓展到了道路、水運、空運等這樣大交通概念。

再從出行角度看，有兩個層次去談，一個是同種交通模式下不同方，比如平臺、乘客、監管方等；另一種是同一方不同交通模式，比如一次長途出行，包含坐船、火車、汽車等。

我們考慮更多的是綜合模式下的治理，目標是提出一種多模式大交互數據，這里面包含軌道交通、道路交通，甚至包括市政部門等方面數據打通，以此首先建立起管理者之間的大協同，進而誕生一些面向出行治理的各種應用。

孫偉力：從個人角度看，司機乘客是如何參與到這個規則里面中去？

楊毅：平臺在制定相應規則的時候我們會做用戶調研，從司機乘客的角度去考慮這件事。比如以往有個模式叫做公眾評議會，讓公眾參與進來討論，一定程度上體現了多方參與的治理方式。

孫偉力：像司乘對規則不理解，有個經典話題就是繞路，這里面不光是兩個人的事，還與整個城市交通管理有關，張老師對其中交互協同、規則治理有什么見解？

張福生：整個交通管理系統是個龐大的人機交互系統。之前有個說法就是，一說就會一干就錯一討論就吵架。司乘雙方矛盾就是個縮影。

但前提是要守法，我們有道路交通安全的各種實施條例和細則，在設置交通控制設施時也要遵從一些基本規范，即看得見、聽得懂、憑著常識就能理解的東西。

現實情況下大多數產生矛盾的原因在于規范性不強或標準化程度不高。

道路交通就像安卓平臺，生態參與方很多

孫偉力：幾位老師談到的交通治理這個概念，已經并非我們想象中司機和乘客這種簡單場景，而是不斷去做外延的，李老師怎么去看不同交通之間的協同？

李浥東：差別還是挺大的，就從基礎設施和系統來看道路公共交通更像安卓平臺，生態參與方非常多，有各種服務模式；而軌道交通實際上更像蘋果封閉系統。這導致兩者治理方式，從數據、系統復雜性以及客戶需求復雜程度都有不同。

王勇：公共交通與軌道交通，包括網約車、出租車、公共汽車，應該是個互補的關系。我在想是不是可以在資費方面將各方拉開一定檔次，讓不同人選擇不同方式，從而減少公共資源的占用。

孫偉力：從交管角度看，如何實現更好的資源分配？

張福生：先往前推一句，普通社會層面上大家一提交通治理目標就是治堵，但個人認為堵是治不了的。經濟越發達，出行需求越旺盛，堵是必然的。

至于資源分配問題，我們核心方案主要有兩點：空間分配、時間分配。事實上在分配交通資源時，有更多的目標需要實現，比如安全、公平、綠色低碳、可持續發展等等。這也就意味著我們分配資源比例和分配方法側重點就有所不同，包括政策導向、輿情導向，不同時間不同地點也會不同。

城市大腦方案到底可不可行？

孫偉力：未來有哪些值得期待的治理方向？

楊毅：城市交通的效率問題最本質在于供需，即出行需求和有限資源的匹配。很多時候城市往往不會按照最高峰出行需求去建設資源，那么如何彈性地去應對這件事？

滴滴也在考慮解決這個問題，比如各種出行品類的擴充，包括單車、拼車，還有定制化大巴、公交等，去滿足大家各種多元化需求，這也是我們一直正在踐行的一站式出行平臺。

交通界有種比較流行的“訂閱式服務”，每月繳納一定費用，所有交通工具打通來運行，這背后對數據、調度能力，以及供需匹配、預測能力要求是非常高。

王勇：我一直對城市大腦的前景表示高度懷疑。剛才強調說打通所有數據很重要，交通行為像一個市場，每個個體都在做分散的決策。但城市大腦就是需要一個超級厲害的AI大腦，去統籌所有駕駛的車輛，從而替很多人做決策。這樣看城市大腦這個方案到底可不可行？

李浥東：這個問題特別好。現在很多一線城市基本都在做城市大腦。我們做軌道交通時，面向區域到區域之間、大容量大客流的交通模式，肯定中心調度是最高效的。

但要是滿足乘客點到點的個性化需求，這種集中式調度肯定是有問題，從算力、算法和數據三個層面都支撐不了。

因此針對不同交通模式，就需要采用不同數據使用方法。其實數據打通就是為了更高層面上去解決人們個性化需求這個問題。但這還只是第一步，數據能不能用？能不能解決核心難點？這些其實大家都在嘗試。

楊毅：工具本質上是為人服務，我們追求的不一定是城市大腦這種超級智能體，而是用好這些技術來解決交通場景下各種問題。

張福生：行業里有個經典的故事，你銀行里的錢不會因為使用更先進的支付手段而變得更多，技術能起的作用是讓你花錢的效率更高或者花錢的方式更科學。所以我完全同意王老師的觀點。

人工智能平臺化服務將會迅速涌現

孫偉力：現在的零工經濟對社會效率有一定提升。那剛提到了人工智能、大模型，對整個社會經濟形態有什么變化？

王勇：本地生活服務平臺對解決就業確實做出了很重要的貢獻。而隨著新技術出現對就業沖擊真的比較明顯，比如ChatGPT確實能提高科研效率，可能導致職場當中兩極分化，能力越強的人會獲得更多的資源。

但從平臺來看，黃仁勛稱ChatGPT是人工智能的領域的iPhone時刻。我的理解是iPhone手機就是將手機這個產品變成一個平臺，ChatGPT正是如此。人工智能的平臺服務模式將會迅速涌現。很多小型公司接入這個平臺能為大家提供不同服務，從這個角度來看，也解決了一部分人就業問題。

至于如何治理，我認為這個問題還有點早。先讓子彈飛一會兒，鼓勵這些企業先發展起來。

孫偉力：那么從交通治理角度看，未來哪些智能技術值得期待？

張福生：接著王老師說ChatGPT這件事。舉個例子，交通行業有個最基礎問題，即黃燈問題，當路口綠燈變成黃燈時走還是不走，結果用英文問ChatGPT，答案是正確的，但中文問一遍答案是錯誤的。人工智能領域有句話叫做垃圾輸入，垃圾輸出。所以與其期待AI未來能給我們帶來什么，不如先把眼前的事情做好。人自己把事情先做對，再讓機器學，我們才能利用。

王勇：未來無人駕駛時代來臨之時，人這個智能體如何與人工智能進行相互協同？相互關系是怎么樣的？
楊毅：滴滴一直在考慮自動駕駛來臨之時自己到底是怎樣的形態，此前我們做過嘗試。有個有意思的問題，就是無人車與有人車混行的過程，其實有很多技術難題，因為這些交通參與者的行為是不可控的；但真正到自動駕駛時代，反倒容易了。

李浥東：我希望未來出行真正能通過智能技術做到以人為本。目前國內交通服務提供商很大程度上在考慮想要干什么，能干什么。很少會真正考慮乘客需要什么，希望未來智能技術能在這方面帶來相應的轉變。

滴滴未來會朝著四個方向發力

除此之外，滴滴出行智能平臺事業群總經理楊毅、北京大學智能學院研究員袁曉如，還分別帶來了《出行生態智能化治理的現狀與展望》、《可視化看中國——從時空數據了解社會》的主題報告。

首先，楊毅分享了出行生態治理的重要性、面臨挑戰以及滴滴的智能化治理體系。過去幾年里，滴滴初步做到了在線化、數據化和智能化。隨后談到在安全（范圍廣、學科多、識別難）和服務（觸點多、糾紛投訴、取證難）方面的挑戰。

針對這些挑戰，滴滴做了三件事：積累了數據驅動的系統迭代和產品完善能力，沉淀了多套較為完善的安全、治理、AI等中臺系統，建立并完善了網約車安全和服務標準，并輸出到行業。

未來滴滴將朝著四個方向發力：首先是以人為本，整個智能化要為人類提供服務，然后引領行業發展；第二是開放共建，需要同產學研一起合作，探索智能化出行的前沿。與此同時，還需要承擔更多的社會責任，將中國經驗走向全球。最后就是無人駕駛。真正到自動駕駛時代來臨之時，這些服務治理安全都有全新的挑戰。

接著，袁曉如就《可視化看中國——從時空數據了解社會》的話題介紹了他在交通軌跡數據可視化方面的思考和探索。

多維軌跡數據有助于更立體地刻畫交通情況；交通的變化可以通過數據獲得更加生動的刻畫。

比如北大西南角一個復雜的路口，如果長時間積累車輛軌跡并可視化就會發現，有少數車會在這里走出一個半圓形，以這種方式來繞開紅燈。

此外，他介紹了包括可視化技術在道路層級探索、北京水患和歷史分析、中國古代名人遷居地圖、漢籍流傳等場景的應用，可以更形象地表征氣候、經濟、教育、文化、交通情況。

袁曉如談到，出行背后是一個社會的綜合治理，而可視化能為綜合治理提供更可靠的依據。而綜合治理就需要多個交叉學科合作，北大新組建的人文社科數智化研究基地就正朝著這個方向努力。數據可視化技術非常有趣，能夠幫助我們更好地研究過去、看到未來。