人工智能拴住了外卖骑手，或许也能帮他们破局( 三 ) 2020年9月

在这条生产线上——从生产的原料开始，数据的标注、加工；到核心算法开发人员，可以像工艺师一样，非常方便地去调试算法、参数，去把人工智能算法放到这个平台上；再到它全自动地对模型进行检测和评估，最后上线——其实是有非常多工序的。
但最后它也成为我们真正能够去解决，如此长链条过程的一个核心工具。
如果没有这样一个平台，我们也很难对那么多行业，生产出对应的模型来。
文章插图
有了人工智能的流水线平台后，我们便做出了很多的空间内的基础模型。这些基础模型帮助我们去把空间中的内容能够解构出来，从而能够发现其中的异常行为。
而在这个基础上，要把这些模型构形出来，装载出来，再赋能到行业，还需要有一套非常工程化的平台。有了工程化的平台之后，我们才能真正去解决一些行业关键性技术（Know-how）的问题。
每个行业的关键性技术问题各不相同，具体的赋能方式也不相同。
文章插图
像道路交通空间中，需要识别非机动车的违法、道路上的车辆的事故、拥堵等一系列事件；
像工作学习空间中，需要甄别一些触发安全危险的行为；
像生活娱乐空间中，例如外滩的大客流，人数超过多少的时候需要预警；
像互联网空间的涉黄涉暴、政治敏感的内容识别；
像城市环境中的扬尘治理、河道治理等。
在这个过程中，作为一家数据中台公司，人工智能所赋予我们的是一个洞察者的角色——从原来手动的被动的发现，到了人工智能之后实时的在线的洞察。
而人工智能的异常行为发现，或许也能帮助到更多的使用者，比如公路的运营方，在有了人工智能的异常行为发现之后，就可以更高效地运营公路，把公路的安全性、有序性，以及通行的效率都大大提高。
我们也希望就是在未来，通过异常行为的发现，能够去构造一个人跟城市之间更美好的关系，去打造一个真正有温度的城市。
（本文未经造就授权，禁止转载。）
编辑 | 柴朝宸