在下个十年依然重要吗？

得益于智能手机和车载定位传感器等设备的广泛使用所提供的机遇，基础设施管理和车辆设计正在不断发展，这些机遇可用于在用户和服务提供商之间处理，收集和交换信息，以及用于监视和检测信息。车辆的性能和人的行为。

这些共同创建了大量的数据(大数据)，这是在运输中使用AI的主要来源，从而使计算机能够执行人类的活动，例如驾驶。

自动化水平

当今交通领域比较先进和革命性的AI应用是车辆自动化。国际汽车工程师协会(SAE)的标准定义了最常用于描述自动化程度的分类。这提供了六个自动化级别(包括0级，这意味着没有自动化)，可以根据执行操作的人员(即人的驾驶员或系统)以及在什么时间识别。

当今的汽车通常配备SAE 1级和2级功能，通常称为高级驾驶员辅助系统(ADAS)，例如停车辅助，巡航控制，自适应前灯和车道保持辅助。这些设备在提供辅助，警告和帮助方面为驾驶员提供支持，而不是在驾驶活动中进行替换。

此外，一些汽车制造商可以提供配备了部分自动化功能的模型，例如在某些条件下的自动驾驶和自动代客泊车，但要求驾驶员始终控制汽车(SAE 3级)。

未来，领先的汽车制造商以及Google等汽车行业的新手，都有望将全自动汽车(AV)商业化，它将能够充当智能代理并使用从中收集的数据来适应其环境。从摄像机，光检测和测距(LiDAR)系统，定位传感器和数字地图实时获取。

适应基础设施

尽管有人可能会认为自动驾驶汽车将能够在任何外部环境下运行，但为了改善安全状况并实时控制交通状况，人工智能很可能也会影响交通基础设施的设计和管理方式。

未来的机动性将以广泛使用车辆为特征，这些车辆需要与系统的其他元素(车辆，行人，骑自行车的人和基础设施)进行持续对话，以使自己适应驾驶环境，即联网和自动驾驶汽车(CAV)，以及“智能道路具备足够的设施来容纳它们。智能交通信号灯是车辆与基础设施如何协作以通过使绿色/红色周期适应接近交叉路口的实际流量来改善整体交通状况的示例，以及通过对数据(例如救护车)的优先级处理，通过处理数据来识别紧急情况的示例，声音和图像。

车辆和基础设施方面的这种技术进步还将伴随着创新运输服务的发展，以促进无缝多式联运解决方案的使用。如果正确规划并与现有的大众快速运输相结合，CAV可以在环境，社会和经济可持续性方面带来巨大利益，从而促进对资源的更有效和认真的利用。

例如，无人驾驶汽车主要可以​用作“接驳服务”，以将生活在农村地区或低密度城市地区的人们连接到地铁和火车上，这些地区的交通线路由于需求水平低而无法正常运行车站，扩大其服务区域，增加公共交通的支持，并减少拥有汽车的需求。

它们还可以增强能力有限或没有驾驶执照的用户(例如，老年人或年轻人)的潜在移动性，并允许他们在乘车旅行时进行其他活动，例如阅读或通话。

预计自动化系统还将在货运领域中发挥重要作用，无论是通过自动驾驶轻型商用车辆或“公路无人机”在市区进行首英里还是最后一英里的运输。
 

建立知识策略

人工智能革命的未来将为企业带来新的现实，并将需要修订的业务战略。从数据到知识的转变将产生新颖的框架，合作伙伴关系和业务模型，其中包括为知识创造提供数据，信息，AI模型，存储和计算能力的不同参与者。由于传统数据护城河在未来十年将变得不那么可持续，并且知识将成为AI的真正价值驱动力，因此我们认为企业应该开始制定更侧重于知识的战略：

• 建立知识护城河而不是数据护城河是一项基本原则，应该成为未来业务战略的核心。公司和组织应该开始为以知识为中心的时代做准备，在这个时代，赢家将是那些提出正确问题，寻找最相关的预测并设计很具破坏性的基于AI的应用程序的人。
• 自上而下使用AI并围绕应用程序和产品层组织业务。模型应基于特定的垂直和假设进行开发和训练。例如，在成像，诊断，远程医疗，药理学和其他临床应用中开发特定的医疗保健应用;或在车队管理，公共交通及其他方面的流动性。这些解决方案的开发将基于特定领域的丰富知识和实践经验，结合上下文知识和适当且经过良好调整的模型。
• 数据获取计划应仅被视为短期的战术追求，而基于知识的交流与合作伙伴关系则应作为长期的业务战略加以培养。一个富有成效的例子是，去年，以色列创新局启动了一项试点计划，以实现医院与技术初创企业之间基于知识的合作。这种合作在初创企业的医院之间产生了数十项计划[12] ，并促进了医院之间以及医院之间的原始(和几乎未使用的)数据交换，以及初创企业产生的新颖而有价值的知识。
• 最后，向知识的转变也应该影响组织的人力资源战略。公司应为AI的未来制定相关且明智的人力资源战略。尽管一些初创企业仍需要聘用大量稀有和昂贵的数据工程师和科学家，但应将精明的公司的AI团队设计为一个管理团队，旨在追求和促进AI知识合作伙伴关系，发明基于AI的应用程序和产品并创造性地探索AI革命的美好前景-从以数据为中心到以知识为中心进行了重新构想。此外，AI团队应该让人们了解他们所操作领域的上下文。这些上下文团队成员应该包含一种整体方法，这种方法源于他们对AI和特定领域的理解，而不仅仅是一般AI专家。

总体而言，人工智能的未来取决于从强调专有数据集转向跨实体共享数据以创建知识。为了实施成功的AI战略，公司必须正确地组合数据，信息，AI模型，存储，计算能力等，以使业务扎根于知识。

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!