见知AI巡山报告 – 2023年3月

相信各位驾车的小伙伴可能都经历过类似这样的困扰：在等红绿灯时，排在前面的是一辆高大的公交车，正好挡住了前方的红绿灯，或是面对一眼望不到头的排队车辆无法预知等灯的轮次。这正是高德红绿灯倒计时功能研发的初衷——基于AI算法的创新，实现真实世界中的红灯倒计时读秒在高德地图APP上实时显示。

2022年8月，高德地图宣布正式上线“红绿灯倒计时”功能，用户在等待红绿灯时，可通过手机端智能动态实时显示红灯倒计时读秒以及需要等待的红绿灯轮次。在近期高德又新上线了“左转倒计时读秒”和 “绿灯导航”功能，实时推荐绿波车速，按照建议车速行驶即可绿灯通过连续红绿灯，应用场景覆盖更加全面。

当红灯计时还剩5秒左右时，高德地图会通过语音方式提醒用户做好车辆启动的准备；而当某路口的等待车辆较多，一轮红绿灯切换不足以让用户通过该路口时，高德地图APP上显示的则是需要等待的红灯具体轮数。通过产品端视觉和语音结合的方式，高德能够在各种复杂情况下，提供实时可靠的、基于当前路口的红绿灯相关信息，增加用户在等待过程中的“确定性”。

红灯到计时读秒与预估等待轮数

有用户在体验这一功能后不禁感叹：“这是什么黑科技？”也有观点认为，高德的这一功能只是简单的接入了交管部门的红绿灯实时数据。但事实上，这都是AI算法结合大量用户车辆轨迹数据“算”出来的结果，过往高德地图所推出的实时路况、智能避堵、交通预测等产品也都离不开持续更新的AI算法和深厚的平台算力。

通过阅读高德地图关于《红绿灯周期时长的挖掘方法》这一公开专利，计算红绿灯周期时长的统计方法可总结为下图：

红绿灯周期时长计算流程图

简单来说就是利用大量在路上的高德App和车机提供的车辆轨迹状态，获得目标时段内第一个启动的起始样本车辆，并将其启动时间作为起始时间。接着计算其他样本车辆的启动时间距离起始时间的偏移时长，基于这些样本车辆在偏移时长维度上的数量分布信息寻找突变拐点，进而根据这个突变拐点的周期性特征挖掘目标红绿灯的周期时长。

样本车辆在偏移时长维度上的数量分布图

在实际应用中，红绿灯倒计时与测试路段的实际读秒经常存在一定误差，误差时间通常在1~2秒，个别路口极端情况下误差高达5秒。这是因为路口的情况非常复杂，例如有些路口标有待直行、待转弯区，这些路况在实际使用中都可能会影响AI算法的判断，如“车子只是开进待直行区域，但AI可能就会误认为汽车已经起步，绿灯来了！”

笔者认为将从交管平台获取的标准化数据与AI算法相结合，才是红绿灯倒计时和其他交通智能化应用的未来发展趋势。交管部门和各互联网平台也应抱着开放合作的心态推动行业发展，避免签署“排他”“独家”等形式的合作，唯有标准化、透明化、公益化的交通数据信息才能更高效地服务大众。

生成式AI（Generative AI）是指AI从数据中学习对象的组件，进而生成全新的、完全原创的内容（如文字、图片等）。过去的2022年被称为“生成式 AI元年”，无论是红极一时的AI绘画Dall-E2，还是现在火爆全网的ChatGPT，都属于生成式AI的范畴。

生成式AI不仅可以应用于生成大量包括文本、图片和视频等素材，还将让科技研发、工业设计等领域产生深刻的变化。一个典型的例子是用AI来破解蛋白质折叠问题。在现实中，氨基酸残基形成的长链将会折叠成错综复杂的3D结构，错误折叠的蛋白质可能会引发阿兹海默病、帕金森病等疾病的发生。因此，要开发应对这些疾病的药物，就需要了解蛋白质的3D结构。

TRDiffusion原理：通过不断去噪，设计出新的蛋白质

然而，要发现蛋白质如何折叠是非常困难的，应用实验分析研究一种蛋白质的结构往往需要几周甚至几个月。近日，国内AI公司天壤智能发布了基于扩散的生成模型TRDiffusion进行蛋白质结构的设计大大加快了这一过程。TRDiffusion模型能够从零开始生成全新的蛋白质结构，TRDiffusion在生成蛋白质时，是将蛋白质中每个残基的主链结构，看成可以自由移动的刚体，生成结构的初始坐标为随机噪声；再通过“去噪模型”，逐步地将随机分布的残基，移动及组装成合理的蛋白质三维结构。

TRDiffusion 生成的全新的蛋白质结构

目前测试结果显示，在相同计算资源配置和时间内，TRDiffusion完成的设计数量较之前模型提升了2倍以上，能针对用户设定的目标蛋白质局部或整体结构、蛋白质分类及功能标注等进行调控和设计。在2月下旬上线的蛋白质工作台xCREATOR更是能够实现只需在平台输入目标蛋白质的简单描述，如序列长度、结构对称性、目标功能motif等，即可“一键生成”满足描述的蛋白质。

一定程度上说，在天壤引领此次技术升级之后，国内蛋白质设计市场的红利将进一步放大，后续将涌现出更多的“鲶鱼”，引发全社会对生命科学产业的关注。让我们共同期待AI给生物学领域带来一场新的变革！