百度大數(shù)據(jù)實驗室時空數(shù)據(jù)挖掘小組

　　編者按：簡單來說，時空大數(shù)據(jù)(Spatial-temporal big data)就是典型的時間和空間有關聯(lián)的數(shù)據(jù)，具體到百度而言，主要是用戶的搜索、定位和移動軌跡數(shù)據(jù)。

　　由于百度在中國互聯(lián)網(wǎng)行業(yè)所處的位置，專注時空大數(shù)據(jù)的百度科學家們擁有一定的優(yōu)勢。吳海山所帶領的時空數(shù)據(jù)挖掘小組屬于百度大數(shù)據(jù)實驗室，所做課題旨在用大數(shù)據(jù)技術解決社會、經(jīng)濟等問題，具有強烈的跨界屬性和現(xiàn)實意義。對于吳海山及其團隊而言，這是他們工作的意義所在。然而，百度近期連遭輿論風暴，即便是與商業(yè)無關的科學家也會因此而承受心理壓力。

　　作為百度一員，吳海山在朋友圈吐露的心聲令DT君印象深刻：“……谷歌走之后百度一直沒能在用戶體驗上做出出色的成績，以及大家對網(wǎng)絡審查的痛恨。對于后者，我們都無能為力的，但是對于前者，真心希望百度通過這次事件，能用技術、產(chǎn)品和運營，打造出讓用戶真心佩服的產(chǎn)品和體驗來。”他希望，“通過數(shù)據(jù)和技術，來為推動國家和社會的積極變化貢獻我們微薄的力量。”

　　

　百度資深數(shù)據(jù)科學家吳海山

　　自互聯(lián)網(wǎng)誕生以來，大數(shù)據(jù)的幽靈就一直徘徊在虛擬空間的上空。無數(shù)看不見的0和1與來自真實的風沙雨雪共同塑造了我們正在生活的這個世界。如同兩個互相糾纏的量子，每個互聯(lián)網(wǎng)公民的一舉一動都會跨越“次元壁障”影響到真實世界，反之亦然——這就是大數(shù)據(jù)的力量。

　　然而，近兩年來大數(shù)據(jù)的處境可謂冰火兩重天：對于普通人而言，它們好像是一團迷霧般的存在，可能一不小心就會成為信息泄露的“元兇”;在唯利是圖的商人眼里，它們就只是打開滾滾財富之門的金鑰匙。那么，當我們談論大數(shù)據(jù)的時候到底在談論什么?

　　也許專注于將理想照進現(xiàn)實的數(shù)據(jù)科學家們會帶來一個與眾不同的視角。在他們眼里，大數(shù)據(jù)所扮演的角色更多是改善人類生活、提升商業(yè)價值的工具，甚至可以用來改變世界。其中，聚焦于時間和空間交互作用的時空大數(shù)據(jù)，是最有潛力成為人類社會智能助理的一個類別。

　　為此，DeepTech深科技專訪了百度大數(shù)據(jù)實驗室(Big Data Lab，BDL)的資深數(shù)據(jù)科學家吳海山。他的研究方向就是“時空數(shù)據(jù)挖掘”，目前正在領導自己的小組進行一個名為MobiMetrics的研究項目。通俗來講，MobiMetrics的意思就是說，就是用移動設備產(chǎn)生的大數(shù)據(jù)去測量整個社會系統(tǒng)。如果把系統(tǒng)里的每個人都看成是一個粒子，那么他的運動會對整個系統(tǒng)造成什么樣的影響?這里蘊含著非常值得深挖的信息。

　　大數(shù)據(jù)背后的“中國動力學”

　　在吳海山看來，時空數(shù)據(jù)挖掘的工作至關重要，透過它們就可能看到一個更加真實的中國。

　　這位青年學者有著跨界色彩鮮明的學術背景：2011年，從復旦大學計算機學院獲得博士學位，畢業(yè)后加入IBM中國研究院，進行商業(yè)數(shù)據(jù)分析與優(yōu)化的相關研究;2012年底，加入美國普林斯頓大學Couzin Lab任博士后研究員，從事計算機視覺、機器學習和復雜生物系統(tǒng)的交叉學科研究。用他自己的話說，他在加入百度之前的主要研究的是作為復雜系統(tǒng)存在的魚群、鳥群。

　　2014年對于吳海山而言是一個具有特別意義的年份。這一年的春運期間，百度推出了“百度遷徙”，這是業(yè)界首個以“人群遷徙”為主題的大數(shù)據(jù)可視化項目。該項目利用百度地圖LBS開放平臺，對其擁有的位置數(shù)據(jù)進行計算分析，實現(xiàn)了全程、動態(tài)、即時、直觀地展現(xiàn)中國春節(jié)前后人口大遷徙的軌跡與特征。

　　當時吳海山一看到這個項目就覺得太有意思了。在他看來，地圖并不是地圖，而是反映中國社會和經(jīng)濟發(fā)展的鏡子，這正是他要研究的對象，數(shù)據(jù)只是工具。當今中國經(jīng)濟高速發(fā)展，社會急劇變化，大量具有社會研究價值的互聯(lián)網(wǎng)數(shù)據(jù)產(chǎn)生。這就意味著，大量中國特色的問題可以通過大數(shù)據(jù)的研究來解決。

　　他給DT君展示了一個被稱為“百度點亮中國”的項目。在百度地圖上，來自用戶的定位數(shù)據(jù)化為一個個亮點散落著，整個中國好像被人為亮點了一般。亮點密集度高的地方就亮一些，密集度低的地方就暗淡一些，而明亮程度也是隨著時間的不同而交替變化的。以山東平原為例，春節(jié)期間由于很多人返鄉(xiāng)，明顯要更加明亮一些，反之則會變暗。

　　

　百度大數(shù)據(jù)點亮中國

　　“整個中國就像呼吸一樣，山川湖泊的形狀都出來了，連臺灣都亮了!”吳海山由衷地感嘆，“在從事這項工作之前，我從沒有這么看過中國;當我看到之后，自己也被震撼了。”

　　假如留在國外的話，是無接觸到這些大數(shù)據(jù)資源的。

　　同年9月，吳海山加入作為百度研究院三大實驗室之一的百度大數(shù)據(jù)實驗室，并組建了時空大數(shù)據(jù)挖掘研究團隊，其成員的專業(yè)包括但不限于計算機科學、建筑科學、交通科學、地理科學和經(jīng)濟學。這些跨界研究者共同致力于通過機器學習、人類動力學、計算社會學、復雜網(wǎng)絡和計量經(jīng)濟學等交叉學科的融合，開展基于百度移動搜索數(shù)據(jù)和定位數(shù)據(jù)研究。

　　在科學研究層面上，該團隊近期開展的研究就是MobiMetrics，即，嘗試通過時空大數(shù)據(jù)量化世界上最為復雜的系統(tǒng)之一——中國。他們先后開展了中國鬼城量化分析與檢測、基于外灘踩踏事件分析的人群實時預警系統(tǒng)、中國貧困分析和精準扶貧研究、數(shù)據(jù)驅(qū)動的宏觀經(jīng)濟量化和對沖投資決策等。

　　“雖然我們的研究方向是MobiMetrics，但實際上這個課題的學術名字是China Dynamics(中國動力學)。”吳海山介紹說，“中國就是一個復雜的系統(tǒng)，相比其他國家，它有更加獨特的動力學在里面。通過數(shù)據(jù)去洞察這個大系統(tǒng)背后的機制是非常有意思的。”

　　不難看出，時空數(shù)據(jù)挖掘團隊所進行的研究均由問題驅(qū)動，具有強烈的現(xiàn)實意義和實用價值。這與吳海山的大數(shù)據(jù)觀有直接關系。他認為，拋開問題而談大數(shù)據(jù)是沒有意義的，“好比一堆沙子，如果不用于實際建筑就仍然只是一堆沙子”。

　　基于這種理念，該團隊最有名的研究大概要數(shù)對中國“鬼城”的量化分析與檢測了。

　　“鬼城”之迷

　　起初，“鬼城”作為一個噱頭性極強的概念為人們所熟知。2010年，《時代》雜志刊登一組鄂爾多斯市康巴什地區(qū)的照片：那里佇立著大量的嶄新民居，還有被設計成文化地標的壯觀建筑群，然而卻人跡罕至，遂稱之為 ghost city。自那之后，中國“鬼城”問題見諸世界各大媒體，甚至有美劇將鄂爾多斯設定成一個隱藏著不能說秘密的地方。這種現(xiàn)象引起了吳海山團隊的興趣。

　　2015年，《Ghost Cities of China》一書的作者Wade Shepard將“鬼城”定義為：一種能量嚴重不足的新型發(fā)展狀態(tài)，一個人口和商業(yè)機構嚴重少于其原本所能容納的體量的地方。從這個角度上說，住宅空置率就成為最簡單直接的“鬼城”衡量標準。然而，盡管很多媒體都報道過某些中國城市的住宅類房屋空置的區(qū)域(下稱“住空區(qū)”)，但稱這些地區(qū)為“鬼城”是不準確的，因為這類報道的結論通常以圖片呈現(xiàn)或者統(tǒng)計亮燈率的方法得出，因準確率低、無法驗證而備受質(zhì)疑。那么，中國“鬼城”的真實面目是怎樣的呢?又如何高效地進行研究呢?

　　吳海山團隊的“利器”就是時空大數(shù)據(jù)。如今，人們廣泛應用的智能移動設備都具有位置感知功能，可產(chǎn)生大量個人軌跡數(shù)據(jù)，可覆蓋極大的時空尺度，擁有超高的分辨率。通過這些時空大數(shù)據(jù)，研究者可以從微觀的角度來觀察城市動力學(包括人類的遷移和區(qū)域之間的互動)，也就是說，可以使用每個個體所產(chǎn)生的數(shù)據(jù)來感知人們的生活環(huán)境。這就“社會感知”概念的由來。

　　具體到這項研究上，首先要確定數(shù)據(jù)的性質(zhì)：一是使用百度定位技術APP的數(shù)據(jù)，一是相關住宅區(qū)域的興趣點(POI，Point of Interests)數(shù)據(jù)。定位數(shù)據(jù)的信息包括用戶ID、經(jīng)緯度、時間點。其中，用戶ID全部匿名化，以保證隱私安全。POI數(shù)據(jù)包括該地點的名稱、經(jīng)緯度和類別(普通住宅還是別墅)。這些高精度的數(shù)據(jù)所覆蓋的時間長度為2014年9月8日至2015年4月22日，每日的數(shù)據(jù)量可達數(shù)十億;地理范圍的廣度為全國。這些數(shù)據(jù)特性可以在一定程度上反映出人口密集度，即該研究的重點。

　　然后，通過這些數(shù)據(jù)再去發(fā)現(xiàn)并界定住空區(qū)。這不光要看當?shù)鼐幼∪丝?，還要計算兩個變量：用戶的具體住宅地點和住宅區(qū)的位置。在這里，吳海山他們采用了一種叫作DBSCAN的算法確認用戶具體的住宅地點。同時，利用POI數(shù)據(jù)區(qū)分出房屋類別，把那些一公里內(nèi)有別墅的住宅區(qū)的POI數(shù)據(jù)剔除出去，因為靠近別墅的人口密度本來就低于普通住宅樓，再加上那些別墅很有可能是剛剛建成的，本來也沒什么人居住。

　　完成了上述兩步之后，研究人員將全國劃分為數(shù)個100m×100m的網(wǎng)格進行人口統(tǒng)計。具體方法是，以每個小區(qū)的POI數(shù)據(jù)點為中心，挑選出5×5個(共25個)網(wǎng)格，再從中挑出人口最多的6個。如果這6個網(wǎng)格里的人口數(shù)量之和小于300人，即推斷為住空區(qū)。同時，吳海山的團隊還把和的值設定為大于60，以排除新建住宅區(qū)。實際上，這些被發(fā)現(xiàn)的住空區(qū)就是我們平時所說的“鬼城”。

　　值得注意的是，這些通過大數(shù)據(jù)發(fā)現(xiàn)的“鬼城”并不能被稱為ghost city，更確切的名稱應該是ghost town。因為住空區(qū)只存在于一個城市的某些區(qū)域，并非覆蓋整個城市。這項結論是吳海山團隊在該研究中的一個十分重要的成果，完全顛覆了人們對“鬼城”的認知。

　　僅僅找出“鬼城”所在地還不算結束。那么，為什么擁有大量住空區(qū)的城市就是“鬼城”?為找到真正的原因，研究人員以山東乳山(旅游景點)和康巴什(城區(qū))作為案例，進一步分析了當?shù)氐娜丝谧兓?、?工分離現(xiàn)象以及人群遷徙。這一部分揭示出的真相最終成就了該研究的另一個重大成果，即不同原因?qū)е碌牟煌悇e“鬼城”現(xiàn)象。

　　康巴什是一個新城區(qū)，之前隸屬于鄂爾多斯東勝區(qū)。2006年，鄂爾多斯市政府從東勝搬到康巴什?？蛋褪驳貐^(qū)擁有豐富的煤礦資源和其他自然資源，這使得該地經(jīng)濟迅猛發(fā)展起來。當它越來越富裕時，政府開始雄心勃勃地建設新城區(qū)。大量資本被投入到房地產(chǎn)上，投資需求大大增加，遠高于居住需求。因此，那里雖然一座座高樓拔地而起，卻鮮有人居住。而乳山則是一個旅游城市，擁有長達21公里風景秀麗的海岸線，當?shù)厝嗣疄?ldquo;銀灘”。因此該地區(qū)的大部分房地產(chǎn)是季節(jié)性住宅，人們購買是為了度假。

　　在比較了這兩類有同樣巨大的住空區(qū)、成因卻完全不同的兩個城市的時空大數(shù)據(jù)之后，研究人員發(fā)現(xiàn)了一些有趣的現(xiàn)象。例如，康巴什的人口變化周期以周為單位，而乳山不是;當康巴什的人口下降時，乳山的人口卻在增加。我們可以理解為，這兩個城市的功能不同，康巴什主要是工作地點，而乳山則主要是度假地點。

　　

乳山居民的住-工分離現(xiàn)象，方框內(nèi)為銀灘住空區(qū)，紅點代表住宅區(qū)，藍點代表工作地。

　　此外，這些數(shù)據(jù)還凸顯了“鬼城”所在地住-工分離的現(xiàn)實。例如，乳山銀灘的工作場所明顯少于市中心，相應地，居住人口也少于市中心。這也說明，一個新建的城市，盡管漂亮整潔，但并不能天然地吸引人們遷入，因為基礎設施和工作機會要比建筑本身來得更加重要，那些才是留住居民的關鍵。正如Wade Shepard所說，建造一個新城市容易，但要讓它真正運轉(zhuǎn)起來則需要長久的努力。

　　最終，研究人員選出了20個擁有大量住空區(qū)的城市，民眾可前往以下網(wǎng)址查看：http://bdl.baidu.com/ghostcity/?？吹贸?，中國的“鬼城”大多分布于東部的二三線城市，具體來看，又基本都分布在城市的邊緣地帶或者新建城區(qū)。例如著名的鄂爾多斯“鬼城”就是一個新建城區(qū)——康巴什新區(qū)。還有天津濱海新區(qū)、鄭州鄭東新區(qū)、沈陽全運村等。這一類“鬼城”都是由于城市規(guī)劃不合理或者過于超前造成的，還有一類“鬼城”位于旅游景區(qū)的城市，旅游淡季到來時就會出現(xiàn)“季節(jié)性空城”，如山東乳山、江蘇如皋、海南瓊海等。這兩類“鬼城”的真實性也都被媒體報道或當?shù)匦旁打炞C過。

　　當然，由于成因不同，“鬼城”并非一成不變。隨著當?shù)亟?jīng)濟的發(fā)展和政府的適當引導，有些“鬼城”也能變活。例如鄭東新區(qū)，如今已經(jīng)通了地鐵，居民也在增加。

　　目前公布出來的并非全部實際存在的“鬼城”，這個名單也未作排名，因為研究人員擔心數(shù)據(jù)過于敏感，有可能會對房地產(chǎn)行業(yè)或者宏觀經(jīng)濟投資者產(chǎn)生影響。據(jù)吳海山介紹，目前該研究的精度仍然不夠，有些寫字樓可能也會被誤當作居民樓而被計算進去。在將來更進一步的工作中，研究人員會把更多數(shù)據(jù)，比如路網(wǎng)信息、衛(wèi)星圖像數(shù)據(jù)等，也加入進去，并與大學或者政府的城市規(guī)劃研究類機構合作，深挖“鬼城”的成因和解決辦法。

　　事實上，由于“鬼城”一詞與西方對中國的誤讀有關，從這個意義上講，百度的這項研究難能可貴，研究者希望世界看到一個更加客觀真實的中國?？上У氖?，國內(nèi)媒體報道大多也只將目光聚焦在了“鬼城”數(shù)量上，這大概是另一種形式的“誤讀”。

　　假如有辦法預知未來

　　誠如研究者所希望的，“鬼城”這類的研究可以對決策者有用。但對于普通人而言，“看懂中國”是一個稍嫌宏大的命題，而日常生活中與自己息息相關的時空大數(shù)據(jù)則更為重要，后者也是吳海山團隊的重點關注領域。相比之下，這方面的研究更具商業(yè)和實用價值，甚至可能在某些突發(fā)性危急狀況中拯救生命。

　　要知道，這并不是夸張。很多人應該還對2014年的12月31日發(fā)生在上海外灘的踩踏事件記憶猶新。在那場悲劇中，共死亡36人，受傷49人。事后總結，踩踏事件之所以會發(fā)生的一個重要的原因就是，原燈光秀改變場地，但人們并不知道，而且對該地的人流量、人群密度和移動方向估計錯誤。與此同時，相關公共服務機構也沒有對可能發(fā)生的情況做出預判，毫無準備。

　　悲劇發(fā)生過，人們唏噓不已。假如有辦法預知未來，悲劇也許就可以避免，或者至少能夠減少傷亡。

　　

2014年12月31日晚23:00-24:00間，上海外灘的人群密度。

　　這次事件之后，吳海山帶領自己的團隊一直在進行人群聚集的有關研究，最新的成果就是今年3月份剛剛發(fā)布的一個全新算法，可做到提前兩小時預測局部區(qū)域內(nèi)的人群密集程度，并發(fā)出預警。據(jù)吳海山介紹，做這項研究的初衷是想看看如何在公共安全領域應用時空大數(shù)據(jù)，以提升公共安全服務。

　　對于任何機構而言，預防大規(guī)模群體性危急事件發(fā)生都是很大的挑戰(zhàn)，它有賴于對人群動向的正確預測。盡管現(xiàn)在已經(jīng)有研究試圖通過對個人的時空軌跡建模而做出相關預測，但大多都聚焦在日常通勤的時空軌跡上。而通常大規(guī)模的人群異常是由非常規(guī)的人群聚集性活動導致的，如大型慶典、宗教集會和體育賽事等。一般人們參與這類活動是非常規(guī)的，隨機性很強，彼時的行為特征與日常通勤不可同日而語。正因為如此，目前沒有特別好的辦法對非常規(guī)群體性活動進行預測。

　　這項有關人流預警的研究與眾不同之處就在于，其將重心放在隨機狀態(tài)下人群聚集時的行為特征。百度的方法受一個日常習慣的啟發(fā)，即為了規(guī)劃出行路線，人們會提前在百度地圖上搜索一下。這樣，通過分析一個時間段內(nèi)(通常是一個小時)、一個特定區(qū)域里，百度地圖上的查詢數(shù)與用戶的定位數(shù)之間的關系，就可以推斷人群密度是否超過警戒線。

　　之所以未采用攝像頭的視頻數(shù)據(jù)，吳海山解釋說，是因為視頻數(shù)據(jù)準確率比較低，太容易受環(huán)境影響，同時實時的視頻數(shù)據(jù)也不適于預測之用，相比之下來自百度地圖的數(shù)據(jù)則是“超前的”。

　　研究者發(fā)現(xiàn)，踩踏發(fā)生的那天晚上外灘出現(xiàn)了三個異常情況：一是四處驚跑的人群密度高于其他區(qū)域，二是人群密度高于平時，三是人流方向混亂。特別最后一種情況是非常明顯的危險信號。

　　隨后，研究者又選擇了另外三個地點作為案例，以確保百度地圖數(shù)據(jù)的通用性。這三個地點分別是北京工人體育館、故宮、北京西站，其各自對應的POI數(shù)據(jù)的類別屬性分別是大型公共活動舉辦地、地標建筑、交通樞紐。

　　

人流預警模型的十大重要時空特征排名

　　結果證實，特定時間段內(nèi)特定區(qū)域的地圖查詢數(shù)與定位數(shù)之間具有強大的相關性。也就是說，地圖搜索行為在某種意義上是一種非常好的人群行為指示器和預測器。據(jù)此，研究者設計了一個專門針對大規(guī)模群體危急事件的預警模型，并列出了該模型的十大重要時空特征，排在前兩位的分別是PN1(一小時前定位)和MQ1(一小時前查詢數(shù))。這也符合我們的直覺。

　　不過，對于科學家而言，自己的工作永遠值得精益求精。吳海山覺得目前的研究仍然有一些缺憾。“定位數(shù)據(jù)只是采樣，視頻數(shù)據(jù)則可能準確測量出每平方米的人數(shù)。”他表示，“(要想準確預測)最理想的狀態(tài)是，將來能夠?qū)崿F(xiàn)不同大數(shù)據(jù)來源的連通互動，例如來自政府機構的各個攝像頭數(shù)據(jù)——我雖然不知道外灘具體有多少人，但我可以看到地鐵站有多少人。”

　　全新的智能出行助理

　　盡管時空大數(shù)據(jù)具有無比強大的功能，能在諸多領域發(fā)揮作用，人們心里依然有一個隱憂，那就是數(shù)據(jù)安全。最常見的，就是隱私信息的泄露。在上述百度大數(shù)據(jù)實驗室的研究中，最重要、也最敏感的就是定位數(shù)據(jù)，它們能否泄露個人隱私?

　　吳海山解釋說，研究中使用的定位數(shù)據(jù)全部是匿名化的，而且是一種聚合性質(zhì)的數(shù)據(jù)，研究人員并不能看到單個用戶的位置信息，完全不涉及個人的身份識別，也與監(jiān)控無關。此外，這些數(shù)據(jù)在百度內(nèi)部的使用權限也非常之高。

　　更重要的是，用戶可以選擇是否打開移動設備的定位功能，這意味著是否要通過開放權限來獲得更好的服務。從本質(zhì)上看，這是一種交換關系。那么問題來了：你愿意通過這種交換獲得更好的服務嗎?先別忙著回答，吳海山團隊曾經(jīng)做過的一項有關智能出行助理的研究也許會帶來啟發(fā)。

　　我們已經(jīng)知道，人們出行之前有在地圖上查詢目的地以規(guī)劃路線或者實時導航的習慣，日積月累這些使用痕跡就會被保存在地圖應用的日志里。通過分析這些數(shù)據(jù)，就能理解用戶的實時位置屬性，甚至可以預測將來他們是否真的會去到所查詢的那個地方。為了證實由查詢導向的用戶活動是可預測的，研究者共采用了65億條GPS位置記錄，歷時3個月。就我們所知，這是首次在如此大的規(guī)模和范圍上進行的基于時空數(shù)據(jù)的出行預測研究。

　　研究者發(fā)現(xiàn)，約25%的查詢目的地會在30分鐘內(nèi)被到訪，50%會在2小時內(nèi)被到訪，81%會在一天之內(nèi)被到訪，95%會在一個星期內(nèi)被到訪。與此同時，超過50%的查詢目的地在位于50公里以外的用戶家中或工作場所，而在家進行查詢的頻率要高于工作地點2倍多(分別為23%和9.4%)，這說明用戶更傾向于在家或附近的地方開始導航。

　　這樣的結果意味著什么呢?試想如下場景：

　　你在智能手機的地圖應用上搜索一家新餐廳的位置，因為你計劃在那里與自己的朋友會合;兩小時后，你在該地圖應用提供的導航服務幫助下，開車從辦公室去往這家餐廳;接著，你通過在社交應用上“簽到”(check-in)分享了自己的實時位置;晚飯后，你在地圖上查詢另外一個城市的機場和賓館，因為假期馬上到了，你可能想去那里旅游。

　　這其實是十分典型的智能出行助理的工作模式，目前我們可以在各個專門應用中體驗到它所帶來的便利。然而，當你進行每一個操作時，那些移動應用都經(jīng)你允許捕獲了你的實時位置信息，并提供了優(yōu)質(zhì)服務。假如你拒絕向服務商開放自己位置權限的話，則會是另一番場景了。這時候，再重新思考一下最開始提出的那個問題：你接受這種交換關系嗎?

　　當然，選擇權仍然在用戶手中。隨著大眾數(shù)據(jù)素養(yǎng)的不斷提升，不久的將來會有越來越多的人愿意把大數(shù)據(jù)看成是智能助理，把自己看作是它的主人，而不是像現(xiàn)在這樣憂慮隱私信息的泄露。至于互聯(lián)網(wǎng)公司的數(shù)據(jù)道德，又是另外一個話題了。

　　在這項出行預測的研究基礎上，吳海山和他的團隊正在構想一種全新的基于時空大數(shù)據(jù)的人工智能出行助理。相比目前已知的應用，這位看不見的AI集多種功能于一身，更強大，也更貼心，無需主人動一手指頭，就能提前猜中他的心思，并做好所有準備。未來，它也許會帶來更多你意想不到的驚喜。

　　目前該項目還在研發(fā)中，細節(jié)還未能公布，讓我們拭目以待!（來源|DeepTech深科技 文|李芳）

     如果您對您所在行業(yè)有很深認知，也想在我們的平臺上說點什么，我們歡迎您來投稿!