top of page

強化智能交通 宜借鑑倫敦

Updated: Apr 28

經過近幾年的致力推動,香港在創新及科技方面有不錯的改善。筆者認為,創新及科技的發展絕不能因為目前社會情況而放慢下來,事關科技創新是未來人類社會發展的整體需求,絕非奢侈品。 值得肯定的是,在剛發表的2019年《施政報告》中,港府對智能交通方面的重視已有所體現:在改善公共交通政策上,政府強調,要利用數據分析協調及規劃公共設施保養,鼓勵運用科技去加強實時交通事故的處理、應變能力。筆者同意交通作為一種城市通病,香港絕對不能鬆懈。 上周末,筆者有幸和西班牙巴塞隆拿前副市長吃晚飯,他提到,很多城市在解決交通問題上屢戰屢敗。以印度孟買為例,每天早上有600多萬人須進城上班,到了晚上,這600多萬人又要返回位於郊區的家裏。為了滿足個人工作出行需要,印度大部分人口都希望住在城市裏,因此,印度人口出現高度城鎮化的現象(印度有超過30%的人口住在城市中)。這些跑到城裏的印度年輕人都希望擁有一部汽車,政府也很難說服他們多使用公共交通工具出行。由此可見,交通問題並不是某一相關政府部門可以單獨解決的。 倫敦交通局(Transport for London, TFL)10年前開始免費發布與該市交通相關的數據,包括車次到達時間、公共交通班次時間表、空氣質量、交通擁堵狀況,以及交通網絡服務狀態等,特別之處是該數據獲允許開放予任何人使用。截至2017年,TFL的數據已支持了超過600個應用程式(App),覆蓋42%的倫敦市民。通過TFL提供免費數據創造的良性循環,很多私營企業已利用這些數據創建新的產品和服務。同時,市民基於公開數據所搭建的App,提高了行程的確定性,從而幫助倫敦的交通網絡使用者節約時間,甚至增加了步行的樂趣。通過這些開放數據的應用,人們在出行時獲得極大方便,連帶外來旅客也願意利用相關應用在倫敦市內遊覽。這種政企合作模式簡潔有效,通過公共數據分享大幅激發私營企業的積極性。反之,TFL也可以從應用程式開發企業處獲取大量有效數據。筆者認為TFL的案例,為人口稠密度高的北京、上海、香港等國際化城市,提供了很好的借鑑。 北京市經濟和信息化局最近發布《關於通過公共數據開放促進人工智能產業發展的工作方案》,強調要為保障公共 數據開放有序實施做準備:在特定方式下有條件開放公共數據,為人工智能(AI)產業發展提供普惠數據,通過分 級分類管理,在城市管理領域重點推進AI應用發展等。同時,上海也開始在同一方向積極推進,類比京滬,香港的 數據資源具有同樣優勢,但港企在這領域的積極性仍需提升。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page