AI未滿：堵在技術升級路上的谷歌地圖

今年2月8日，Google Map迎來15週歲生日。為這次週年紀念日，Google Map在iOS 和 Android 上進行了重大改版升級。同時，Alphabet 兼Google CEO桑德爾‧皮查伊為此專門發文表示，未來Google Map將是公司 AI First 戰略的重要陣地。

作為一個地圖控，回想起當時在Google衛星地圖裡找到了自己出生地後的驚奇和興奮，至今依然感嘆科技帶給每個普通人的思想震撼——只需一台電腦就可以擁有「上帝視角」，輕輕滑動滑鼠就能遊歷世界各個角落。

Google Map是影響全球行動使用者的超級APP。Google Map擁有每月超過10億的活躍使用者；使用它，人們每天通過行駛10億公里，生產2000多萬條評論和評分。

對於Alphabet而言，Google Map仍然是除搜尋、Android、Google Play以及YouTube之外最核心的產品。據分析師預測，2018年，Alphabet從Google Map上獲得的廣告收入很可能達到30億至40億美元，而未來三年仍可能以每年25%至30%的速度增長。

今年2月8日，Google Map迎來15週歲生日。為這次週年紀念日，Google Map在iOS 和 Android 上進行了重大改版升級。同時，Alphabet 兼Google CEO桑德爾‧皮查伊為此專門發佈博文稱，未來Google Map將是公司 AI First 戰略的重要陣地。

桑德爾的表態似乎在傳遞這樣兩層訊息：第一層是在Google宣佈投入「AI First」的五年時間裡，Google Map並沒有成為AI技術支援的重要陣地；第二層意思是未來的Google Map將重點發力AI技術的應用。

自從2016年Google宣佈全面擁抱AI之後，Google全系列產品都透過機器學習及深度學習技術實現了AI化升級。相比備受矚目的Waymo、Google Assistant、Gmail、Google翻譯等明星產品，Google Map在AI技術的應用上確實顯得略微平淡和緩慢。

緩慢並不等於無所作為。作為覆蓋全球10億使用者的Google Map，其產品的AI化也早已在潛移默化地進行了。平淡也並不等於不值得被關注。Google產品AI化的思路就是在其產品中逐步滲透AI技術，用以提升使用者體驗。

在科技領域，我們總是高估一兩年短期內就能做到的事情，而總是低估五年或十年中能做到的事情。搜尋引擎如此，無人駕駛如此，而Google Map亦如此。在五年的長週期裡，Google Map的一些技術縱深值得被我們再次關注。

Google Map，生來AI？

時間轉回2016年。時任Google CEO桑達爾‧皮查伊在Google Event2016上，宣佈Google整體策略從「Mobile First」轉向「AI first」。眾所周知，Google向AI戰略轉型是有著充足準備的。Google早在2010年就開始佈局機器學習；2012年發佈了「知識圖譜」以及建成超大型的神經網路系統「Google大腦」；隨後兩年又將深度學習公司DNN Research和英國人工智慧的翹楚DeepMind納入麾下；緊接著，GoogleAI成果如井噴一般，2015年Google開源深度學習框架TensorFlow，並陸續應用在超過50多個Google產品之上；2016年，DeepMind開發的AlphaGo橫空出世，將AI一下子真正帶進大眾視野。

我們知道AI的發展需要演算法、算力和大資料的支援。其中地圖本身就與AI有著天然契合度。

一方面地圖產品是真實世界的映射，人們很多在線下的行動軌跡都會透過這一產品反映出來，累積成資料。在Google Map上也是一樣，無論是每月數十億次的使用者出行記錄以及上傳的地點標註資料，還是PB等級的衛星地圖資料以及全球拍攝的街景圖像資料，簡直都稱得上是大資料裡的「富礦」。

另一方面地圖本身的功能也可以被大量AI相關產業應用，像智慧城市離不開利用地圖產品對車流人流進行熱力追蹤，自動駕駛也需要將高精地圖與雷達感應器相結合。

因此對於廣泛涉獵AI的Google來說，地圖自然成了一個很好的技術試驗場。

其中最為典型的就是對Google街景資料的利用。Google街景本來是Google Map的特色項目，是由專用街景車進行拍攝，然後把360度實景拍攝照片放在Google Map裡供使用者使用。很快當Google開始接觸AI，尤其當在imageNet上練過兵的李飛飛入職後，這些資料量巨大的來自真實世界的圖像，就有了用武之地。

例如利用強化深層神經網路，掃瞄加利福尼亞州的數千個街景圖像，然後將其轉化為專業級的照片。又比如應用人臉辨識、OCR辨識功能，將街景圖像中的車牌號、人臉打馬賽碼以實現隱私保護的目的。在同樣的方法下，路邊的街道編號、企業名稱、交通限速標誌等細節訊息也在被源源不斷地從圖片中提取出來，並且適當地在Google Map上自動創造和定位新的地址。同樣該模型還可以應用到商戶外牆上的名稱辨識上。透過這一功能，還可以更精確地持續更新商戶變化的情況。

也就是說，AI一直在優化著Google Map的底層技術。

▲ 無需真實地址的訊息，系統自動辨識出商戶名為「Zelina Pneus」

另外，Google I/O 2018開發者大會上，Google Map首次展示了基於AR技術的步行導航系統（VPS）。該AR系統其實採用了基於圖像辨識和OCR技術的Google Lens產品，可以透過手機鏡頭捕捉並辨識地標性建築實現導航，只需點擊「start AR」按鈕，Google Map就會將前進箭頭與鏡頭實拍相重疊的視訊畫面顯示給使用者。前端靈活簡單的AR導航背後，需要後端大量街景資料的運算支援；如果無法透過GPS獲取使用者確切位置，Live View還會使用機器學習比較使用者相機所捕捉到的場景，然後與數十億的街景圖像對比進行重新定位。

除了圖像，Google也利用大資料推薦、預測的基礎上，為Google MapAI化提供了直接面向使用者的服務體驗。Google Map對通勤效率優化和混合出行模式進行了AI的個性化推薦。比如，可以根據對每一次即時路況、公車訊息的即時計算及預測，幫助通勤一族量身定製每一次的上下班的出行路線；對於非自駕的混合通勤模式，Google Map會根據需要步行的時間、騎行時間和公車到來的時間綜合計算，給出通勤建議讓使用者決策。

除了進行智慧推薦路線外，Google Map透過AI與衛星圖像的結合，將更多的商戶和新地址加入到地圖中。還可以顯示使用者所選目標商舖的開閉店時間、顧客在店內的停留的平均時長，以提醒使用者合適時間離開，避免找不到車位或遭遇附近的道路擁堵。這與Google Map長期採集的使用者和商家提供的多維資料息息相關。儘管這些新增AI功能，被很多行業人士認為是跟隨了中國同類APP的腳步而缺乏新意。但在AI演算法推薦的細節之處就非常可圈可點。

比如，2018年，Google Map已在全球數百個城市推出基於機器學習的即時公車延誤預測。除了依靠公車機構提供的出行時刻和公車車位置即時資料作為判斷依據，Google Map創建的模型還會綜合車速、時間、停靠站、道路擁擠情況等因素，來進行即時預測。同時結合出行資料和機器學習模型，他們還能預測全球200個城市的公共汽車或火車的擁擠程度。

這一細節就非常實用。當你距離公車站還有幾百公尺，也許Google Map就會告訴你是否值得通過快走去追趕一輛延誤幾分鐘才會進站的班車。當你得知緊隨其後還有一輛還有座位的空車，你是否會放棄眼前這輛擁擠不堪的公車？

此外，該系統建立在機器學習基礎上，通過比對使用者個人偏好的大量資料，可以為不同的使用者定製個性化訊息，比如告訴你居住地附近新開了什麼店舖、向你推薦附近的美食等。使用者也可以與朋友快速分享地圖上的美食，並且在地圖上進行即時標註。

資料之上，「波瀾不驚」的AI升級路

以上可見，圖像資料、使用者行為資料等巨量資料結合在一起，成為了Google Map保持屹立不倒的強大護城河。背靠巨量資料，Google Map的AI升級呈現出更明顯的一些特徵。

首先是對Google圖像技術的重度依賴。從以上Google Map的AI進化路徑看出，Google率先將機器學習等技術應用於處理龐大的地圖圖像資料，包括對於道路交通標誌、街道名稱以及商舖名稱等重要訊息的辨識。一方面源自Google自身在圖像辨識技術上的領先優勢，另一方面也是Google對於精準出行地圖資料的優先級考慮。

其次是Google Map對使用者出行資料和本地服務資料的深度挖掘。利用AI演算法，隱藏在使用者本地搜尋之下的大量資料可以產生更好的出行服務推薦和更多的商業價值。Google發現，除了出行導航外，探索本地服務也成了使用者重度使用工具。當下，Google Map 「搜尋」工具，可以滿足使用者預訂酒店、訂車訂餐、查詢旅遊路線，甚至還可以滿足像國內美團一樣的幾十種不同類型的服務。

例如此次，Google Map新版本升級，主要是對首頁五個選項卡：探索、通勤、保存位置、貢獻和更新（Explore，Commute，Saved，Contribute和Updates）的更新。

從這些新增加的功能可以看出，Google Map將更加注重使用者的本地化服務和使用者對地理資料的主動貢獻。完善的出行資料和AI演算法的推薦，讓Google Map可以即時響應越來越多樣化的使用者需要，給出更多的出行服務。

另外，我們還可以看到Google Map融入全球城市管理的野心。儘管我們很少聽到Google有參與所謂的「智慧城市」計畫。但Google已經在深入佈局這件浩大工程。比如，Google Map已經開始透過機器學習演算法和衛星圖像來繪製全球範圍內複雜建築物等基礎設施。據Google透露，在2018年上半年僅用演算法繪製，就增加了1.1億座建築。可以預見，未來Google給到的不再是一個平面的地理圖式，而更可能是立體的3D地圖世界。

透過以上觀察，Google在AI技術上的佈局更注重底層大資料的挖掘和處理，更注重服務細節體驗的改進。這讓Google Map在近幾年的科技新聞中幾乎「失聲」。作為一款為GoogleAI提供了多年服務的產品，又恰逢十五週年這樣的節點，卻沒有語音互動上的重點更新，也沒有車聯網、自動駕駛的相關消息發佈。這樣細節性的技術改進難免會讓人感到有些意興闌珊。彷彿Google Map的技術升級也行至擁堵路段，速度有些不盡如人意。

AI未滿：Google Map的「變與不變」

Google Map在此次版本升級還有一個明顯變化，就是更新了圖標。新圖標去掉了經典的地圖樣式，換成了Google色調的地圖別針。Google內部對這一變化的解釋是不僅幫助使用者實現出行導航，更要幫助使用者發現自己想去的地方。

其實雖然從商業角度，十五週年的技術更新可能不夠性感。但換個角度看，Google Map依然在做著自己的老本行：幫助使用者實現更好的出行體驗、提供更好的公眾服務。

比如說Google Map正在透過機器學習即時預測公車交通延誤情況。通過提前預測公車的延誤情況，哪怕只是幾分鐘的誤差，也能給使用者帶來很大幫助。再比如，增強對公共交通的資料聯接，允許使用者提交更多關於公共交通的細節訊息，諸如車廂溫度、輪椅可達性或者是否有女性專用車廂等，以期對使用者做出更加人性化和周到的出行推薦。

以及一些更複雜的公共服務。結合災害天氣、流行病等預測模型，預測和及時通知當地使用者一些意外情況，以避免颶風、海嘯、地震、傳染病等意外災害。

最後值得提到的是，一位藝術家使用者用「駭客」方式表達了對Google Map15週年的紀念。

這位名叫Simon Wechkert的德國藝術家，在道路上拖行了一輛裝了99 部開著導航模式的手機的小推車，結果他成功地讓Google Map誤認為是近百輛汽車在道路上行駛，然後造成整個道路線顯示重度堵車。為此，他還特意選擇了在週年慶祝前經過Google柏林總部大廈門前進行試驗。Wechkert的執念是希望驗證Google Map對於擁堵的判定方式仍然非常簡單。

為此Google回應：非常鼓勵這種有創意的行為，我們願意接納使用者意見，讓Google Map變得更好。

這似乎就是Google版的「不忘初心，牢記使命」的官宣體。不知道在技術升級的擁堵路上，這一小問題將會在何時被解決。