李九喻 (Meghan Han,海外团队)撰文

沙特5000亿美元打造智能城市,我们专访了「AI造城」关键人物

2017 年 10 月 25 日,在沙特阿拉伯首都利雅举行的一场会议上,机器人索菲亚被授予沙特公民身份,一举成为史上首个拥有公民身份的机器人

今天,沙特王国技术产业和数字能力副部长 Ahmed Al Theneyan 又一次携手索菲亚,以首席赞助的身份在日内瓦联合国总部举办的「人工智能惠及人类」全球峰会上亮相。

不论把机器人索菲亚变成公民是否为推广噱头,沙特都在为自己的经济转型造势。

去年王储 Salman bin Abdulaziz Al Saud 在访问美国后,公开声称将把沙特打造成下一个「硅谷」。沙特阿拉伯财政部长 Mohammed al-Jadaan 也在国际货币基金组织、世界银行华盛顿春季会议期间表示,沙特作为一个盛产石油的国家正在努力实现并向技术创新「下血本」,先后出台沙特愿景 2030 国家转型计划目标。

在与机器之能的独家现场采访中,Ahmed Al Theneyan 部长表示:「沙特阿拉伯正在经历激动人心的变化,我们正在经历迄今为止规模最大、最雄心勃勃的经济改革,也叫做沙特愿景 2030。数字化和人工智能是驱动这个项目的关键。沙特王国正在积极研发创新的、负责的并且道德的人工智能。」

其中最为瞩目的项目是斥巨资 5000 亿美元,在红海沿岸计划打造的一座名为「NEOM」的智慧城市(NEOM 是阿拉伯语中「新未来」Non-Mustaqbal 的缩写)。该项目将占地 10,000 平方英里,跨越红海桥并拟连接至埃及和非洲其他地区。

沙特预计将在 2020 年开始筹建该项目,并于 5 年后向公众开放。

官方宣称届时机器人的数量将会超过城中居民的人数,并且全球百分之七十的人口都可以在八小时旅程内到达 NEOM。

新城市的一切都会与人工智能物联网有关,全面连接居民医疗档案、家居用品、交通工具等。截至目前,亚马逊,Airbus,阿里巴巴等科技巨头都已对该项目表现出兴趣,而其中沙特最亲密的两位合作伙伴当属中兴和华为。

在今年 4 月 22 日,沙特王国通讯和信息技术部和华为签署协议,发展人工智能物联网技术。从 2018 到 2010 年期间,华为将为沙特训练 1500 名本土工程师,目前华为在沙特首都利雅得培训了超过 4000 名工程师。沙特的企业家也将利用华为现有的客户解决方案集成和体验中心(CSIC)的设施开发侧重 AI 和互联网的应用。

部长向我们透露:「我们与中国伙伴合作也是基于丝绸之路的 『一带一路』 政策,我们称这部分为智能丝绸之路。智能改革不可能由政府独自完成,国际合作和私营企业家对这个系统来说非常重要。」沙特阿拉伯王国技术产业和数字能力副部长 Ahmed Al Theneyan 

在峰会现场,来自沙特乌姆·库拉大学的教授 Anas Basalamah 和 Saleh Basalamah 展示了旗下公司 Hazen.ai 的最新科研成果:使用深度学习赋能的计算机视觉测量朝觐人群密度。

2015 年,麦加发生严重踩踏事件。Hazen.ai 的人工智能项目在同一年由乌姆·库拉大学 7 名人工智能科研人员启动。在有 4591 人的画面里,神经网络可以识别 4718 个人,准确率达 97.2%。这么做可以帮助管理朝觐的官方工作人员实时追踪每平方米的人口密度。当人口密度超过每平方米 4-5 人时系统将呈橙红色预警,并且进一步分析每圈人流环绕天房的速度。

同样的人群密度检测系统也被使用在交通管制上。据悉,沙特阿拉伯每年的交通事故死亡率高达 27.4%,而计算机视觉赋能的道路优化、安全带监管等项目,目前已在城市治理上投入使用。

特乌姆·库拉大学的教授 Anas Basalamah 和 Saleh Basalamah 

中东石油国家的科技转型之路

沙特阿拉伯不是唯一一家大力投入人工智能,特别是智慧城市和物联网的中东国家。去年,沙特邻邦阿联酋的迪拜王储谢谢赫 · 哈姆丹于 3 月 24 日发布了「迪拜未来加速计划」(DFA)第 4 版,旨在促进整个阿拉伯联合酋长国的智能城市发展。

12 个政府和私营部门将组成小组,通过合作九周的合作时间量化解决公共挑战。例如,迪拜警方将使用统计人工智能来支持他们的决策过程,目标是到 2021 年将犯罪率降低 25%。迪拜市政府将利用人工智能区块链解决方案来改善害虫控制,食品安全等领域的公共基础设施和健康。迪拜的经济发展部门将利用人工智能优化控制和检验工作。

Etisalat 电信公司将采用 AR 和 AI 来简化运营和客户支持,到 2021 年服务自动化的目标是达到 90%。竞争对手杜(DU)电讯表示人工智能机器学习可以将其企业支持服务提升 30%。

其他政府部门,如迪拜电力和水务管理局,智能迪拜,居住和外国事务总局以及知识和人类发展部门将针对城市环境、教育、物联网运营、太阳能和各种探索智能方面的挑战系统。

去年,阿联酋任命 27 岁的 Emirati Omar bin Sultan Al-Olama 被为世界上第一位人工智能部长。Al-Olama 先前对其国家顶级战略的贡献包括阿联酋 2071 年百周年纪念和阿联酋第四次工业革命战略。在接受 CNBC 采访时,Al-Olama 说:「十年来,我们将成为 AI 在服务和政府方面的首都。我也认为我们将成为该地区人工智能的中心。

阿联酋还将在今年举办中东最大的 AI 博览会。「世界 AI 博览会」将于 4 月 11 日至 12 日在迪拜举行,然后前往新加坡,孟买和巴黎。预计到 2025 年,阿联酋的人工智能市场将达到 500 亿美元。

王储 Salman 在先前采访中表示:「沙特的转型将有助于加速周边地区例如迪拜,巴林,和科威特的发展。比如,科威特可以通过新路线,以更便宜的价格前往埃及,西奈北部以及欧洲。」

产业沙特智慧城市
相关数据
人工智能技术
Artificial Intelligence

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术
Neural Network

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

计算机视觉技术
Computer Vision

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

机器人学技术
Robotics

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

深度学习技术
Deep learning

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

物联网技术
Internet of Things

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

准确率技术
Accuracy

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

微胖
微胖

你知道我不知道

返回顶部