一线 | 滴滴安全副总裁弓峰敏：已在20多个城市部署智慧交通

文/腾讯《一线》薛芳

4月27日下午，2018GMIC《AI产业化领军者》峰会上，滴滴出行安全战略副总裁弓峰敏做了《AI让出行更美好》的演讲。

以下是他的发言摘录：

我以前是做几十年安全的创意的，然后进到互联网领域，就是为了有更大的影响，能够触摸到每个人的生活。所以今天跟大家共享的是关于AI在出行领域怎么样进行更美好的分享。

主要介绍一下滴滴使命，最主要的是从AI解决，帮助我们让出行更美好的几个维度，从安全体验一直到效率跟大家做一个分享。显然从滴滴角度，我们大家很多人多了解，实际上几个很重要的它的使命，第一个，我们认为以大数据和AI，我们能够去变革交通，让这个事情一定是一个交通是一个全球性的事情。第二点，我们从改善出行开始，然后我们可以去改变我们的环境，去改变我们的生态，让大家的生活更美好。这个事情也是我们希望它能够影响到每一个人。第三点，对这个事情我们意识到技术变革改革一件事情，很重要的是安全还是第一，除了安全对我们每个人影响到我们的生活，另外就是新的事物往往被大家接受，来做的时候，会有很多的噪音，这个时候就说安全也可能我们做不好，可能影响到我们坚持我们的正确的道路的一个因素。所以安全第一，体验第二，然后才是效率。这是我们做事情的一个基本理念。最后一点，我们意识到做的这个事情具有巨大挑战，一定从生态和政策的合作的角度才能把它做好。

今天主题跟AI有关，大家实际上知道AI是图灵思考的AI，那时候是说机器能不能做人类思维的事情，起点很低。后来从阿尔法狗很多成功的案例，实际上大家思考的是机器智能的概念。这个时候我们之所以说是机器智能，就是它已经可以做一些事情我们意识到人实际上做不到的。我不会停留在这一点上，所以下一个重要的转折点，从概念上就是从机器智能到智能机器。尽管看起来是一字之差，但是实际上这时候我们不但认识到它的能力，它做复杂的工作，同时因为机器本身在很多方面，从物理各个方面是可以超过人的，所以这时候我们把它当做最有效的工具，这也是一个核心的概念。这个就不多用说了，这两个后面重要的条件，一个是机器学习的算法，我也不是这块的专家。另外一个，大数据。所以这两个结合起来跟强大的计算能力才能够让我们做很多以前我们不能想象的AI可以做的事情。

从滴滴的角度，大家也知道，因为我们想要解决大家的出行问题，一开始我们有不同的需求，这时候我们可能就有一系列的不同的服务，这个服务是跟不同的人可能有不同的需求，不同的场景。在这个基础上要搞定这样一个服务，每天如果想搞定三千万的服务，实际上这里面就牵扯到大批的数据的计算。这些简单的数字我就不一一地去说。就简单看一下，比如每天完成这三千万单服务，实际上我们要做的各种路径请求的计算是4百亿。然后我们去看整个处理的数据量又是非常非常巨大的。在这种基础上这就是我们利用AI技术来做的更好的，效率做的更高，体验做的更好的一个机会。

我从三个方面：第一，从安全的角度去看待它是怎样的应用场景。实际上这里有一个很有意思的事情做安全，因为早期的时候做安全的时候总是拘泥于攻击的人他的手段是什么，因为他的手段一直在变，所以我们一直跟在后面搞。所以有一个思路的改变，就是把我们的目标集中在我们要保护的对象上，就是我也张图最右边的部分，可以看资产，和我们整个工作环境里我们的人，我们的流程，这些实际上是我们最核心要保护的。一旦把我们重点放在要保护的对象上面，这时候我们确实有机会可以以不变应万变的概念。这里给了我们AI应用的机会，有些基本的概念，就是说我们要从监测的角度，用不同的方法，建模，然后发现是不是有异常的状况，这就是一个简单的例子。

如果我们从数据保护，大家都知道数据保护，隐私保护是一个非常非常重要的话题。从数据保护的角度也是类似的，就是说我们会做很多的不同的数据的分类，因为在分类的时候我们才知道它的重要性，知道谁该用，在什么时候用，这个概念又回到了我们可以用AI去做建模和做检测的一个话题。所以实际落到最后一点，我这里提到就是数据泄露的感知能力。这里有非常非常大的AI的应用空间。

再来看行车的安全，因为大家也知道在传统的出租车平台，实际上安全的问题总是存在的，或者因为有冲突，或者因为我们还是有一些犯罪的状况的出现，在滴滴这样一个大的平台上，因为我们有大批的数据和轨迹，同时给了我们机会对大家的行车习惯，车的一些整个生态做一个画像，做一个模型。在这个模型的基础上我们可以是及时发现在行车过程中，在出车之前，行车过程中出现的问题。可能出现的问题我们可以通过及时的干预和响应去帮他们化解。在出现问题的时候我们第一时间可以把最好的响应的服务送到现场。所以这又是一个从物理的安全的角度的一个AI的应用场景。

再回到今天大家都知道，很多人都在谈，包括智能驾驶汽车和整个智能车联网的概念。这张图实际上看起来比较复杂，我给大家大概解读一下，不需要去一个一个进到它的细节里面。总体的概念是什么，就是说我们从传统的车一直到今天车的发展，大家有各种的系统，大家把这个车发展成一个自动驾驶的车，又进一步到车联网，意味着车和车之间，车和路之间，环境之间它可以有通讯，让我们的行车安全各个方面的通畅性有所改善，一直到整个智慧交通系统，这个系统里可能也不光光是智慧的汽车的车辆，也可能有其他的交通工具。

在每一个阶段，当我们引入这样一个复杂的系统，对我们来说可能是一个更好的应用的系统的时候，我们都会不断引入复杂的技术上的因素。随着这个因素的到来它会给我们提出一些安全上的挑战。我们只有把这些所有的安全挑战的问题一一解决，对应的就是深蓝色或者右边的框，就是每个技术的方案和靠，我们必须把它做到这样一个系统。最后我们才能做到绿色的框，给大家说的，就是说这个保障基本的，人和财产的安全，生态的安全，因为车本身在一个环境里可以影响到整个环境。数据的安全就不用说了，从司机到各种用车的人，所以从这个系统考虑才能把安全的问题解决的最好这个时候又是一个AI技术的很大的一个拓展空间。

实际上一个核心的概念给大家一个概念，尤其对安全有了解的同学。首先传统车里本身也是重视安全的，它是重视物理安全，它这个概念，就是功能的安全的设计。在今天当我们引入了智能驾驶的时候，这里要求更高了，因为什么，因为我们检测到一个状况的时候，以前响应的是司机，是一个人，今天它可能响应的是另外一个智能的机器，所以这个方程完全的改变。第二个，这里很大的成分是用机器学习学了各种模型，然后来做一个Inference的东西，来做好多决策。这个我们本身要意识到今天的机器学习，不管它是用什么样的算法都存在着盲点，意味着什么，这就引入另外一个话题，就是第三个，就是说实际上我们要从安全的角度来考虑，被攻击的面实际上更多了很多，就是传统的各种漏洞，操作失误都有，但是就增加了应用机器学习，有大数据作为输入建了这个模型，模型学习过程中也有一个概念，就是有一个敌对的机器学习的概念，它要想攻击你的话，它可以去制造各种的场景，使得这个难度增大。意味着什么，就是在我们解决这个问题的时候有一个很核心的原则，这个原则就是说一定要一个系统性的思考，这里要考虑到更大的一个周围的环境，加上在做的过程中，设计的时候一定要考虑到万一的状况是什么。在万一的状况下我们一定要有一个手段能够保证安全，这就是最核心的一个概念。

我刚才讲了安全，从体验的角度，这是第二个，也是AI可以大有用武之地的。其中一个概念，大家今天也知道，我们可以利用各种的技术，从语音到图像，各种技术，多个频道去跟司机和乘客做很多的沟通，可以想象这个在传统的时候我们是很难做到的，今天有意味着说我们怎么样利用这样一个手段做好一个平滑的交互，使得我们整个在行车环境里，司乘之间是比较融合的，比较安全的一个场景。另外一点大家也知道，我们在中国，世界也是这样，中国也是非常猖獗，就是我们整个的黑产，这个问题对大家整个行车安全环境也是造成了很大的影响，这里一个问题我们要面对的就是人车不符的问题。之所以出现人车不符有很多原因，最核心的还是说有黑产，通过不法途径去偷到大家的信息，这个信息可能被犯罪团伙利用，它就可以搞各种改牌做号的手段。然后还有一些为了谋私利，整个司机变成这么一个小小的不良的生态。针对这种生态同样我们利用AI技术可以采取一系列的系统性的措施。这里包括基于各种AI智慧的交互过程，这个交互过程可以杜绝很多出现这样一个场景，包括这里牵扯到人脸识别的技术，语音的技术，整个不光搞定一个注册阶段的安全的问题，同样我们可以搞定行车环节的安全问题，比如要求司机和乘客一起拍照，然后我们可以通过自动技术来去做一个验证。

这个简单的给大家另外一个例子，当我们用了策略加上AI手段的时候，我们已经看到很好的效果，这个效果实际上就是让黑产他们利用的手段失效了，这是我们整个情报同学在监测看到的一些黑产的人，他们自己相互之间的对话，他们也看到了这个问题，实际上他们已经被阻断了的一个对话。

最后一点，就是第三个方面AI的应用，就是对于整个效率的提高，就是我们把事情要做的更好。第一个场景，有的同学可能有过体验，就是一个拼车的概念，可以想像我们同样一个司机，一部车在相对来说一个固定的时间段里如果说我们从一个同学，一个人，一个乘客可以到三个乘客，可以想象显然这个时候我们的效率不考虑其他的，至少就已经增加到三倍这就是一个核心的概念，这就是要做到这一点，它的算法的复杂是度是非常大的，因为整个车在走，人也在走，但是目的地我们要很短的时间内做一个匹配，能让这个场景里是三个人去乘坐同一辆车。

另外一个概念，大家坐过出租车，其他的也会有过这样的体验，就是说经常在上车的时候找的地方很难，这个也是通过AI大数据的学习，实际上大家有不断的反馈，这个反馈整个我们系统就可以去摸索到，在不同的地点，不同的位置，就是POI，就是大家感兴趣的地点，拿这个作为订车，叫车的目标，所以对大家的体验就会有极大的帮助，这要通过AI技术不断的积累，它是一个动态学习的过程。

最后有关效率的我提一点，这个就是我们的工作还是更超前一点的研究工作。第一个，实际上我们在国内已经有20多家城市开始部署，已经投入使用，这个就是智慧交通，交通灯的概念，就是我们通过平台上搜集的出行的数据，可以建一个非常准确的交通流量的模型，然后我们可以再通过机器学习的手段产生一个最佳的策略，这个策略让我们去控制整个片区的红绿灯来帮助协调。这样的话让我们看到在20个城市的实验中，我们看到的10%-20%的拥堵的缓解，这个是一个非常可观的数字。同时利用同样的概念，我们可以让车看到和听到没有AI技术，它可能就听不到，看不到的场景，这个不但会影响大家的体验，同时也会影响到大家的行车的安全。所以这个是我右边给大家显示的，就是说通过这样的技术，我们可以听到和看到我们平时看不到的场景。

我们确实想用技术改变交通，这个确实是一个很大的挑战，这个挑战不是一个人能够搞定的。同时说要搞定保证安全，确实我们做安全这么多年已经深有体验，就是安全的问题在今天极度互联的年代已经不能是一个孤岛的安全。这就意味着我们一个生态的概念，生态的方法，生态的手段去解决这个问题，回到了一个共赢的概念。今天去看看滴滴，实际上我们在全球的布局大家可能也了解到，除了多个跟出行相关的我们有一个投资，同时我们在巴西、在墨西哥已经都正式有业务，很有意思的一个事情，就是当在巴西有一家大的报纸报道了整个智慧交通对城市交通的影响以后，很多拥堵比较严重的城市来找，说我们怎么来合作。这就是我们看到的大家从共赢的角度去解决我们一个最大的挑战。

这是大家看到的，我们在北美的第一个研究室，就是在北美那边，我们负责那边，我们现在有100多个同学，不仅跟大家交流，让大家知道我们在中国做了很多，实际上在外面还没有做的事情。也是吸引了很多人才，很希望大家一起来合作，有机会去那边也来滴滴看看。谢谢大家。

【一线】为腾讯新闻旗下产品，第一时间为你提供独家、一手的商业资讯。