首页 科技正文

AI未满:堵在技术升级路上的谷歌地图

admin 科技 2020-10-04 11 0

今年2月8日,Google Map迎来15周岁生日。为这次周年纪念日,Google Map在iOS 和 Android 上进行了重大改版升级。同时,Alphabet 兼Google CEO桑德尔‧皮查伊为此专门发文表示,未来Google Map将是公司 AI First 战略的重要阵地。

作为一个地图控,回想起当时在Google卫星地图里找到了自己出生地后的惊奇和兴奋,至今依然感叹科技带给每个普通人的思想震撼——只需一台电脑就可以拥有「上帝视角」,轻轻滑动滑鼠就能游历世界各个角落。

Google Map是影响全球行动使用者的超级APP。Google Map拥有每月超过10亿的活跃使用者;使用它,人们每天通过行驶10亿公里,生产2000多万条评论和评分。

对于Alphabet而言,Google Map仍然是除搜寻、Android、Google Play以及YouTube之外最核心的产品。据分析师预测,2018年,Alphabet从Google Map上获得的广告收入很可能达到30亿至40亿美元,而未来三年仍可能以每年25%至30%的速度增长。

今年2月8日,Google Map迎来15周岁生日。为这次周年纪念日,Google Map在iOS 和 Android 上进行了重大改版升级。同时,Alphabet 兼Google CEO桑德尔‧皮查伊为此专门发布博文称,未来Google Map将是公司 AI First 战略的重要阵地。

桑德尔的表态似乎在传递这样两层讯息:第一层是在Google宣布投入「AI First」的五年时间里,Google Map并没有成为AI技术支援的重要阵地;第二层意思是未来的Google Map将重点发力AI技术的应用。

自从2016年Google宣布全面拥抱AI之后,Google全系列产品都透过机器学习及深度学习技术实现了AI化升级。相比备受瞩目的Waymo、Google Assistant、Gmail、Google翻译等明星产品,Google Map在AI技术的应用上确实显得略微平淡和缓慢。

缓慢并不等于无所作为。作为覆蓋全球10亿使用者的Google Map,其产品的AI化也早已在潜移默化地进行了。平淡也并不等于不值得被关注。Google产品AI化的思路就是在其产品中逐步渗透AI技术,用以提升使用者体验。

在科技领域,我们总是高估一两年短期内就能做到的事情,而总是低估五年或十年中能做到的事情。搜寻引擎如此,无人驾驶如此,而Google Map亦如此。在五年的长周期里,Google Map的一些技术纵深值得被我们再次关注。

Google Map,生来AI?

时间转回2016年。时任Google CEO桑达尔‧皮查伊在Google Event2016上,宣布Google整体策略从「Mobile First」转向「AI first」。众所周知,Google向AI战略转型是有着充足准备的。Google早在2010年就开始布局机器学习;2012年发布了「知识图谱」以及建成超大型的神经网路系统「Google大脑」;随后两年又将深度学习公司DNN Research和英国人工智慧的翘楚DeepMind纳入麾下;紧接着,GoogleAI成果如井喷一般,2015年Google开源深度学习框架TensorFlow,并陆续应用在超过50多个Google产品之上;2016年,DeepMind开发的AlphaGo横空出世,将AI一下子真正带进大众视野。

我们知道AI的发展需要演算法、算力和大资料的支援。其中地图本身就与AI有着天然契合度。

一方面地图产品是真实世界的映射,人们很多在线下的行动轨迹都会透过这一产品反映出来,累积成资料。在Google Map上也是一样,无论是每月数十亿次的使用者出行记录以及上传的地点标注资料,还是PB等级的卫星地图资料以及全球拍摄的街景图像资料,简直都称得上是大资料里的「富矿」。

另一方面地图本身的功能也可以被大量AI相关产业应用,像智慧城市离不开利用地图产品对车流人流进行热力追踪,自动驾驶也需要将高精地图与雷达感应器相结合。

因此对于广泛涉猎AI的Google来说,地图自然成了一个很好的技术试验场。

其中最为典型的就是对Google街景资料的利用。Google街景本来是Google Map的特色项目,是由专用街景车进行拍摄,然后把360度实景拍摄照片放在Google Map里供使用者使用。很快当Google开始接触AI,尤其当在imageNet上练过兵的李飞飞入职后,这些资料量巨大的来自真实世界的图像,就有了用武之地。

例如利用强化深层神经网路,扫瞄加利福尼亚州的数千个街景图像,然后将其转化为专业级的照片。又比如应用人脸辨识、OCR辨识功能,将街景图像中的车牌号、人脸打马赛码以实现隐私保护的目的。在同样的方法下,路边的街道编号、企业名称、交通限速标志等细节讯息也在被源源不断地从图片中提取出来,并且适当地在Google Map上自动创造和定位新的地址。同样该模型还可以应用到商户外墙上的名称辨识上。透过这一功能,还可以更精确地持续更新商户变化的情况。

也就是说,AI一直在优化著Google Map的底层技术。

无需真实地址的讯息,系统自动辨识出商户名为「Zelina Pneus」

另外,Google I/O 2018开发者大会上,Google Map首次展示了基于AR技术的步行导航系统(VPS)。该AR系统其实采用了基于图像辨识和OCR技术的Google Lens产品,可以透过手机镜头捕捉并辨识地标性建筑实现导航,只需点击「start AR」按钮,Google Map就会将前进箭头与镜头实拍相重叠的视讯画面显示给使用者。前端灵活简单的AR导航背后,需要后端大量街景资料的运算支援;如果无法透过GPS获取使用者确切位置,Live View还会使用机器学习比较使用者相机所捕捉到的场景,然后与数十亿的街景图像对比进行重新定位。

除了图像,Google也利用大资料推荐、预测的基础上,为Google MapAI化提供了直接面向使用者的服务体验。Google Map对通勤效率优化和混合出行模式进行了AI的个性化推荐。比如,可以根据对每一次即时路况、公车讯息的即时计算及预测,帮助通勤一族量身定制每一次的上下班的出行路线;对于非自驾的混合通勤模式,Google Map会根据需要步行的时间、骑行时间和公车到来的时间综合计算,给出通勤建议让使用者决策。

除了进行智慧推荐路线外,Google Map透过AI与卫星图像的结合,将更多的商户和新地址加入到地图中。还可以显示使用者所选目标商舖的开闭店时间、顾客在店内的停留的平均时长,以提醒使用者合适时间离开,避免找不到车位或遭遇附近的道路拥堵。这与Google Map长期采集的使用者和商家提供的多维资料息息相关。尽管这些新增AI功能,被很多行业人士认为是跟随了中国同类APP的脚步而缺乏新意。但在AI演算法推荐的细节之处就非常可圈可点。

比如,2018年,Google Map已在全球数百个城市推出基于机器学习的即时公车延误预测。除了依靠公车机构提供的出行时刻和公车车位置即时资料作为判断依据,Google Map创建的模型还会综合车速、时间、停靠站、道路拥挤情况等因素,来进行即时预测。同时结合出行资料和机器学习模型,他们还能预测全球200个城市的公共汽车或火车的拥挤程度。

这一细节就非常实用。当你距离公车站还有几百公尺,也许Google Map就会告诉你是否值得通过快走去追赶一辆延误几分钟才会进站的班车。当你得知紧随其后还有一辆还有座位的空车,你是否会放弃眼前这辆拥挤不堪的公车?

此外,该系统建立在机器学习基础上,通过比对使用者个人偏好的大量资料,可以为不同的使用者定制个性化讯息,比如告诉你居住地附近新开了什么店舖、向你推荐附近的美食等。使用者也可以与朋友快速分享地图上的美食,并且在地图上进行即时标注。

资料之上,「波澜不惊」的AI升级路

以上可见,图像资料、使用者行为资料等巨量资料结合在一起,成为了Google Map保持屹立不倒的强大护城河。背靠巨量资料,Google Map的AI升级呈现出更明显的一些特征。

首先是对Google图像技术的重度依赖。从以上Google Map的AI进化路径看出,Google率先将机器学习等技术应用于处理庞大的地图图像资料,包括对于道路交通标志、街道名称以及商舖名称等重要讯息的辨识。一方面源自Google自身在图像辨识技术上的领先优势,另一方面也是Google对于精准出行地图资料的优先级考虑。

其次是Google Map对使用者出行资料和本地服务资料的深度挖掘。利用AI演算法,隐藏在使用者本地搜寻之下的大量资料可以产生更好的出行服务推荐和更多的商业价值。Google发现,除了出行导航外,探索本地服务也成了使用者重度使用工具。当下,Google Map 「搜寻」工具,可以满足使用者预订酒店、订车订餐、查询旅游路线,甚至还可以满足像国内美团一样的几十种不同类型的服务

例如此次,Google Map新版本升级,主要是对首页五个选项卡:探索、通勤、保存位置、贡献和更新(Explore,Commute,Saved,Contribute和Updates)的更新。

从这些新增加的功能可以看出,Google Map将更加注重使用者的本地化服务和使用者对地理资料的主动贡献。完善的出行资料和AI演算法的推荐,让Google Map可以即时响应越来越多样化的使用者需要,给出更多的出行服务

另外,我们还可以看到Google Map融入全球城市管理的野心。尽管我们很少听到Google有参与所谓的「智慧城市」计画。但Google已经在深入布局这件浩大工程。比如,Google Map已经开始透过机器学习演算法和卫星图像来绘制全球范围内复杂建筑物等基础设施。据Google透露,在2018年上半年仅用演算法绘制,就增加了1.1亿座建筑。可以预见,未来Google给到的不再是一个平面的地理图式,而更可能是立体的3D地图世界。

透过以上观察,Google在AI技术上的布局更注重底层大资料的挖掘和处理,更注重服务细节体验的改进。这让Google Map在近几年的科技新闻中几乎「失声」。作为一款为GoogleAI提供了多年服务的产品,又恰逢十五周年这样的节点,却没有语音互动上的重点更新,也没有车联网、自动驾驶的相关消息发布。这样细节性的技术改进难免会让人感到有些意兴阑珊。仿佛Google Map的技术升级也行至拥堵路段,速度有些不尽如人意。

AI未满:Google Map的「变与不变」

Google Map在此次版本升级还有一个明显变化,就是更新了图标。新图标去掉了经典的地图样式,换成了Google色调的地图别针。Google内部对这一变化的解释是不仅帮助使用者实现出行导航,更要帮助使用者发现自己想去的地方。

其实虽然从商业角度,十五周年的技术更新可能不够性感。但换个角度看,Google Map依然在做着自己的老本行:帮助使用者实现更好的出行体验、提供更好的公众服务

比如说Google Map正在透过机器学习即时预测公车交通延误情况。通过提前预测公车的延误情况,哪怕只是几分钟的误差,也能给使用者带来很大帮助。再比如,增强对公共交通的资料联接,允许使用者提交更多关于公共交通的细节讯息,诸如车厢温度、轮椅可达性或者是否有女性专用车厢等,以期对使用者做出更加人性化和周到的出行推荐。

以及一些更复杂的公共服务。结合灾害天气、流行病等预测模型,预测和及时通知当地使用者一些意外情况,以避免飓风、海啸、地震、传染病等意外灾害。

最后值得提到的是,一位艺术家使用者用「骇客」方式表达了对Google Map15周年的纪念。

这位名叫Simon Wechkert的德国艺术家,在道路上拖行了一辆装了99 部开着导航模式的手机的小推车,结果他成功地让Google Map误认为是近百辆汽车在道路上行驶,然后造成整个道路线显示重度堵车。为此,他还特意选择了在周年庆祝前经过Google柏林总部大厦门前进行试验。Wechkert的执念是希望验证Google Map对于拥堵的判定方式仍然非常简单。

为此Google回应:非常鼓励这种有创意的行为,我们愿意接纳使用者意见,让Google Map变得更好。

这似乎就是Google版的「不忘初心,牢记使命」的官宣体。不知道在技术升级的拥堵路上,这一小问题将会在何时被解决。

  • 本文授权转载自脑极体
踢开追踪软体,Google 正式禁掉Play Store上的各种「抓奸神器」APP

你是否曾怀疑过为什么自己去到哪里,另一半都了若指掌?那么对方可能用了俗称「抓奸神器」的追踪软体(stalkerware)。而现在,Google正式决定将这些APP禁掉。 Google更新了其Play Store的规则,将正式禁止追踪APP。追踪软体(stalkerware)指的是追踪使用者活动、窥探电话和讯息以及记录其他应用活动的APP。 追踪软体因为他独特的用途,也被称为配偶软体(spouseware),因为通常被宣传为用来发现出轨伴侣、在孩子外出时跟踪他们以及监视工作中的员工的方法,在台湾也被称为抓奸神器。 所有追踪应用的主要特点是,无论它们是用于智慧型手机还是笔记型电脑,这些APP都可以在设备所有者不知情的情况下安装和运行,据悉,APP是在作业系统的后台运行。 在过去的十年里,Play Store已经上架了数百款适合追踪软体类别的APP。 虽然当安

版权声明

本文仅代表作者观点,
不代表本站Allbet的立场。
本文系作者授权发表,未经许可,不得转载。

评论