你最近被Google AI的《猜画歌》虐了吗？ AI之所以能识别“残疾人”的画作，是因为无数人类在用自己的大脑滋养着AI。
在学习了许多人类对某个物体的抽象绘画后，人工智能可以独立掌握识别绘画的关键部分。
。
用海量的真实数据“喂食”AI，是快速提升AI能力的唯一途径。
但像挂花这样的临时养殖场只能提高单一能力，应用价值较低。
是否存在一个“天然的AI农场”，可以提高各种AI技术的能力，巧妙地完成数据学习？有一个，那就是一张地图。
如今的电子地图已经是海量城市地理数据、交通数据、人流数据、天气水文数据以及各种交通路线和出行计划的组合。
对于AI来说，地图就是天然牧场，水草充足（数据充足）、营养丰富（有效数据比例大）、经济价值高（与经济民生相关）。
总体而言，如今地图至少可以通过三种方式“培养”更强大的人工智能： 1. 为尖端智能体提供训练空间； 2、给城市智慧AI一个有效的实际应用舞台。
3、为AI语音交互技术提供独特的学习赋能入口。
让我们分别看一下三种“AI喂食方案”。
当然，利用地图培育AI的根本目的是不断升级地图本身，最终形成良性循环。
人工智能的一些终极秘密可能必须在地图中找到。
我们先来看看最前沿的AI技术是如何在地图中诞生的。
有的朋友可能认为地图无非就是在两点连接一个GPS而已。
为了及时规划路线，应该使用什么AI？事实上，情况并非如此。
地图中不仅有很多可以应用AI的地方，甚至还可能隐藏着一些AI的终极秘密。
想象一下你到达一个陌生的城市。
你不知道你要去哪里，但你知道你要去火车东站。
这时，在不使用任何导航设备的情况下，你也会知道：千万不能向西走。
这个判断是如何做出的呢？事实上，人的大脑没有与卫星连接，普通人不可能存储大量的地图数据。
但迷失的人只是少数。
这是因为人脑中有一种叫做海马体的东西，它负责帮助人类判断自己的位置感和空间感，从而做出选择性的预测。
一些科学家还认为，海马体不仅控制着识别方向的功能，还直接影响人类做出选择和预测未来的能力。
可以说是人类智力的关键因素——但是如何探索海马体的秘密呢？毕竟，你不能仅仅移除人类海马体并看到结果，对吧？最新的答案其实就是在地图上运行AI。
今年早些时候，DeepMind 在《自然》杂志上发表了新研究：他们将代理放入地图数据中。
无需给它预设位置和地图数据，让AI模仿人脑中的海马体，自动在地图上定位所需位置，并规划道路。
实验证明，人工智能可以利用增强学习，像人脑一样识别道路。
这不仅解释了人脑的工作原理，也为未来人工智能研究带来了新的方向。
整个研究的实验基础都是基于地图。
可以说，没有准确的地图数据，就不可能研究AI仿生人脑的空间预测。
这个故事证明地图对人工智能至关重要。
当我们处理日益复杂的城市时，人工智能从地图中学习，进而使地图更可用，似乎是一个良性循环。
城市计算的辛苦，离不开地图的敲打。
俗话说，梦想有多大，下班堵车就有多大……让城市变得智慧，消除内涝、堵车、雾霾等问题。
让烦恼不再发生，是人类几十年来一直在思考的话题。
但城市如何变得“智慧”是一个巨大的问题。
有人尝试使用认知系统，有人尝试使用大规模城市数据建模，但最终大家发现让城市变得主动、智慧是基于地图数据。
比如我们要规划从家到上班的路程，一般情况下可能不会用到AI。
但如果要计划将一万吨货物从港口发送到市中心，那么时间、地点、交通拥堵以及需要协调的车辆、人员、仓库、起重机就成了一个复杂的数学问题。
如果单纯根据经验计算，可能会想出一个费时费力的解决方案。
通过城市AI学习相关地图数据，综合了解上述变量，可以在对交通影响最小、最快完成任务的情况下给出相应的交通方案。
基于AI与地图的这种结合，IBM很早就推出了智慧地球解决方案。
它的老对手微软随后推出了城市计算业务，专门利用AI看穿地图中的各种因素。
在当今的地图应用中，可以看到很多城市数据与人工智能深度融合的案例。
例如，谷歌地图的智能停车功能，当地图感知到你已经到达某个停车区域时，利用AI综合判断附近的停车环境，并提供最优的停车方案。
可见，很多传统地图无法解决的问题，已经开始借助城市AI来解决。
城市智慧的耕耘也正在靠地图的多样化和高精度来培育。
语言魔法需要在地图上练习。
最后，地图上还有一个可以培养的AI能力——那就是千变万化的语音交互。
怎么才能看出华先生是一个说话很快的人呢？前提是他要说足够多的话。
如果只有一个赞助商，他说得再快也没用。
人工智能也是如此。
如何证明AI语音交互能够完美执行复杂的任务？前提是这样复杂的任务确实存在。
我们希望人工智能在生活中做的大多数事情要么太简单，要么太主观。
AI再强大，也很难理解。
一个复杂而客观的任务群是地图导航。
毫无疑问，地图是海量地名、路段、时空关系的组合。
假设我们要先去加油，然后买东西，然后去公司取东西，最后回家。
那么就会生成一个涉及4个位置信息和3个事项的复杂语音任务，基本上相当于绕口令。
事实上，除了导航之外，我们的生活中很难有如此复杂的语音任务。
就像猜谜app通过游戏来收集大家对某个物体的抽象理解一样，地图也在基于实用性收集大家的语音语料和复杂的语音任务。
这一做法已初见成效。
三个月前，我们看到百度地图面对绕口令般的语音指令只能回复“你敢再说一遍吗”。
在本月初的百度AI开发者大会上，百度地图居然可以识别“绕口令”并生成导航路线，解决复杂长语音、多个地点的需求。
这个AI变强的背后是地图导航现在可以放弃打字，完全采用语音交互。
就像彩色电视出现后，没有人能看到黑白。
当然，没有人愿意打字可以用文字完成的事情。
语音交互可以在用户尝试地图时不断学习，进而为地图应用引入新的解决方案进行实验。
从这个角度来看，地图就像是AI技术的“新手村”。