人工智能的下一步走向 位置智能技术的光明前景

　　据国外媒体报道，定位技术等位置智能有助于预测消费者在购买商品之前的位置，这不仅能够颠覆现有的零售业，也会为城市规划、农产品运输以及防灾减灾带来更多益处。

　　五年前亚马逊为其所谓的“预期发货”（anTIcipatory shipping）申请了专利。该公司不是等待客户购买商品，而是主动地将包裹放置到快递系统中，等待客户最终提供一个送货地址。尽管有关此项专利的细节很少，但不难想象这个电子商务巨头有朝一日会将其大量的个人数据与预测分析相结合，在消费者知道自己想要什么之前，就猜出他们想要什么。真正的诀窍在于了解客户何时会这样做。

　　多伦多罗特曼管理学院人工智能和医疗委员会主席、《预测机器：人工智能的简单经济学》的合著者阿维·戈德法布（Avi Goldfarb）表示，“ 今天我们通过物理地址投递包裹，因为我们知道建筑物的位置。但随着你发送的包裹越来越多，应该需要更好地预测客户会出现在哪里。”

　　换句话说，将有效预测与客户的意图及其位置相结合，可以产生戈德法布所谓的“轨迹”，或理解人们如何在自己的世界中移动。 戈德法布认为，了解这一属性是降低物流成本和提高零售客户满意度的关键，亚马逊似乎也同意这一观点，开始在旗下的全食超市安装储物柜，让客户能够取回自己订购的商品；或是将商品送到顾客的汽车上，并打造公司自己的“最后一英里”配送车队。

　　下一个前沿

　　在这三个方面——意图，预测和位置——前两个的战略价值很容易理解。但是位置智能（LI）在空间上将这些见解置于环境中的价值仍未得到足够的重视。

　　美国环境系统研究所公司是世界最大的地理信息系统技术提供商。在最近委托进行的一项面向企业高管的快速公司调查中，只有一半的受访者（55％）熟悉LI，不到三分之一（31％）的公司受访者表示他们的公司在使用LI技术。他们缺乏兴趣的原因包括认识程度不够、要求确定的回报率（49%）、没有相应投资预算等等。

　　现状已经开始有所改变。调查也显示，那些使用位置智能LI的人报告称该技术对他们的业务已经非常重要（89％），并且投资回报率不错（63％）。最常见的用途是市场—客户分析和行业细分（47％）、物流，投递和路径规划管理（26％）、实时资产跟踪和警报（23％）——所有这些都反映了理解客户轨迹的努力，就像亚马逊所做的那样。零售商竞相复制其分析能力，这只是到2021年LI市场价值将达到163亿美元的原因之一。

　　跟踪农产品，预测洪水

　　目前位置智能LI的应用远远超出了零售业。伴随着精准农业的兴起，分析精确至平方毫米的土壤状况、阳光、降雨和农作物产量只能通过LI来实现，从农场到餐桌跟踪收获的农产品也要靠LI。例如，LI提供的这种能力能够使一个大型农业生产者实时跟踪每辆卡车的位置，温度和轨迹，从而降低因农产品腐烂造成的成本上升。

　　Esri专业服务总监布赖恩？克罗斯（Brian Cross）表示，“他们知道黑莓和草莓是在哪里采摘的，每个包装盒盖上都会贴上标签。”他指的是包装浆果的塑料容器。 “如果他们收到任何投诉，或者得知某样农产品在运输过程中变质，就可以找到确切的位置。”这些见解与公司庞大的农场网络共享，并提供了重复应用的机会。

　　保险是另一个可以利用位置智能的领域。例如，当哈维飓风去年秋天袭击休斯敦时，Esri与国家气象局合作，计算风暴的累计降雨量何时以及如何在该城市的洪泛平原上飙升，使他们能够提前预测洪水高度。事实证明，这些预测对于将风暴受害者转向避难所以及移动或防范财产被洪水淹没至关重要去年自然灾害给美国造成的损失达到创纪录的3060亿美元，利用位置情报来减轻财产损失和保险损失具有立竿见影的投资回报率。

　　调查中询问公司高管希望从位置分析中获得什么，他们的答案包括获得竞争优势（67％）和创造新的市场机会（56％）以及优化运营（50％）。接下来，当询问他们未来打算如何应用LI时，他们的回应从物流及跟踪转变为更具建设性的想法，如提高运营意识和效率（18%）和移动员工管理（16%）等等。换句话说，了解每个人和所有人的位置可以获得巨大的利润，但知道事情的发展方向——它们的发展轨迹——可以提供重塑整个行业的机会。

　　在《预测机器》中，戈德法布和他的共同作者提出了一个思想实验：如果亚马逊在客户点击购买之前就开始发货呢？最初的回报率要很高，因此公司才有动力投资能够收集和补充不需要商品的基础设施。但是，随着它对其预测的微调，亚马逊的商业模式将开始从内到外转变，“从先下单再发货到先发货再下单”，他们写道。了解其客户的行为轨迹将为亚马逊带来无与伦比的竞争优势。

　　零售商一直处于位置分析的最前沿，从使用航空摄影进行选址到跟踪商场内部的消费者都是如此。但麻省理工学院公民数据设计实验室地图专家兼主任莎拉·威廉姆斯（Sarah Williams）预测，随着软件和传感器的成本和复杂性的降低，这些功能将会有新的用途。 “人工智能让我们以前所未有的方式了解城市中的人员流动，”她说。“在这个基础上，我们可以建造各种各样的东西，无论是更高效的交通系统，还是更好的公共空间。”

　　为此，威廉姆斯和她的团队创建了Benchmark，这是一个看似简单的木制长凳，里面装有传感器，用于采集数据并分析人们如何使用公园和其他地方。 她说：“我们可以对一个特定的城市设计是好是坏进行评估和提供证据。”我们可以想象其他的可能性。在一个满是自动便利店的城市里，或许真正的选址分析将被轨迹所取代，因为自动零售商将跟随顾客而不是引导他们去商店。