人工智慧和Google地圖的結合,果然超強大!(下)
Google地圖和人工智慧到底還會擦出多少火花?讓我們繼續看下去!
圖像神經網路將道路視為一個圖形，路線對應節點（nodes），而邊線位於「連續道路」和「通過交叉路口連接的道路」之間。路段實際上是與交通密度成比例地、隨機採樣的道路子圖（subgraph），並通過訊息傳遞演算（message-passing algorithm）計算邊緣與節點之間的相互影響。
每個路段的長度和複雜度都有所不同，從兩條道路到包含數百個節點的路線都有。DeepMind 表示，將相鄰道路之間的交互關係納入考量後，也使得預測準度有所提升：「例如我們思考一條小巷的堵塞如果溢出，將如何影響主幹道的交通」。
▲ Google 地圖人工智慧分析計算道路交通之演算法示意圖。
DeepMind 也表示，在訓練時自動調整學習率，該模型不僅可以達到更高的成效，還能自動調整學習率，獲得更穩定的結果。
除了新模型，Google 地圖也一併考慮其他因素：如道路速限、道路面積、道路品質（如礫石地、柏油或泥地）、道路施工、天候氣象（如下雪、下暴雨或土石流等）、使用者回報的交通事故、封路、出現彎道或紅綠燈路口的頻率等等，以及因應新型冠狀病毒疫情隨之而來的交通管制。
疫情之下 Google 地圖受到的沖擊
Google 表示疫情爆發後，全球路上交通流量減少了 50 ％，隨著疫情持續，仍有不少地區維持交通管制。
這種影響範圍擴及全球的特殊狀況下，為了不讓預測失準，AI 會自動優先考量近期的車流量記錄，將更早之前的車流量模式列為次要考量，讓導航結果的預計抵達時間更為精準。
這次事件展現出 Google 地圖與現實世界有多麼息息相關。Google 執行副總裁 Jen Fitzpatrick 也親自撰文表示，他們將會推動 Google 地圖發展新的技術，因為世界不斷在變化──公車班次的增減、新的道路被開拓、自然災害永久地改變通行路線等等。「這就是為什麼地圖需要更新、確保全面性和準確性的原因。人工智慧的重大突破改變了我們製作的地圖方法，也讓我們能將高品質地圖更快地帶到了世界各個角落。」
除了導航之外 其他有賴人工智慧的地圖功能
除了導航功能之外，其實 Google 地圖還有許多實用的功能都是靠人工智慧完成。
如 Google 曾公開他們如何利用深度神經網路，自動且準確地辨識街道名稱、模糊人臉與車牌。在自然場景中由於視覺偽影，如失真、閉塞、定向模糊、雜亂的背景或不同的角度等狀況，讓傳統的光學字符識別（OCR）難以完成辨識。
而為了保護用戶的隱私，Google 團隊致力於解決這一問題，使用神經網路自動模糊了街景圖像中的人臉和車牌，而經過足夠的標記數據訓練後，AI 也能自動升級 Google 地圖相關的最新信息。
另一應用在於描繪地圖上代表建築的幾何陰影。Google 利用了多層次技術，第一層人工智慧負責從衛星照片中辨識出建築物；第二層的人工智慧負責分辨建築物的輪廓，並去除四周雜物；第三層則是根據輪廓來描繪出最有可能的建築物狀態。這套系統從 2018 開始，已經繪製了超過 1 億個新建築到 Google 地圖上了。
這套系統在低度開發國家尤有效用，在政府資訊難以取得的國度，Google 團隊利用衛星圖和街景的影像，繪製出了奈及利亞大城市拉哥斯（Lagos）的地圖，填入了 20,000 條街道名稱、50,000 個新地址、與 100,000 間新商家的資訊。
像繪製地圖這樣巨量又繁瑣的工作，果然還是得靠AI的協助才有可能完成的呢。
本系列文章為【不只是導航！Google 地圖用 AI 大升級 能預測還沒發生的塞車】的下篇，上篇請點此。
延伸閱讀：
特效不夠讓人工智慧來承受!這迪士尼的換臉技術也太威猛!(下)
第一次上程式設計課程該選 Python 還是 Java？有什麼差別？
