编者按：本文作者Silver Keskkula是Skype核心团队首席研究员，也是瞬移公司创始人之一，他从自己的搬家经历出发，从五个方面深入讲述了哪些因素会影响人们的搬家，AI技术将如何实现人们足不出户就能找到适合自己居住的地方。
【资料图】
有一次在《AI将如何重组人口》的文章里跟读者开玩笑。就像网上交友网站决定谁和谁会生孩子一样，我们也会让AI技术来决定谁会搬到哪里去。那么，我们现在如何知道哪些城市可以被称为好城市呢？
我们看新闻，听朋友的好消息，看照片和视频，从那里获得最好的工作机会。很常见的是，我们经常只是环顾城市。
我不会深入探讨AI如何参与决定哪些城市的新闻、朋友的帖子、视频或照片会被我们看到，但我会解释我们如何在瞬移中使用AI技术来帮助您更客观地看待城市。由于我被《每个孩子都开始编程》这篇文章深深吸引，接下来，我将用一个简单的代码示例演示这篇文章中的过程，说明用所有工具玩AI是非常容易的。
通过人工智能的眼睛参观这座城市
让我们从传送开发者API中抓取爱沙尼亚的塔尔图地区，生成10000个随机地理坐标。你可能会问，为什么是一万？因为科学！
这种均匀的地理分布肯定会让我们对这个城市有一些看法，因为很多时候我们在树林里或者屋顶上几乎看不到任何东西。幸运的是，在谷歌地图应用编程接口的帮助下，我们可以随意移动坐标，得到更像这样的东西：
如你所见，我们计划参观的地方(红点)或多或少都是繁忙的道路和街道，而不是一些到处都是树的地方。
现在我们已经定位了，是时候进入查看位置，熟悉一下谷歌街景图像API了。基本上，我用我的坐标调用他们的API，并将生成的图像保存在本地。
经过一些反向地理编码和一些例行跟进，谷歌的API让我可以获得每个坐标返回的照片(而均匀分布会显示“抱歉，我们没有任何图像”)。
然后通过我的代码，我可以不离开房间(或者我的电脑)就能偷看Tartu的成千上万张图片？)。
-indent:2em;">图像HAL层上有什么？
为了简化事情，我通过公共可用的机器视觉API运行我们的图像集。我们有很多这种类似的选择，比如Microsoft Computer Vision API / Google Cloud Vision API / IBM Vision Recognition API / Cloud / Sight API / Clarifai，等等。
但为了这个例子，我去了微软的牛津项目。微软研究组织使我印象深刻，老实说，他们的API免费使用条款是最吸引我的。他们甚至慷慨到提供Python的快速开始代码。
实质上，您只需将图片上传到其API，并返回一行描述场景的文本。这里有一个来自Tartu的图像示例，以及来自MS Vision API的输出文本。
建筑物前的摩托车停车场
智能压缩
通过他们的API，我将来自Tartu的8.5GB原始图像像素数据压缩成255KB的文本数据。如果研究过压缩和智能的关系，那么这个减小了35,294倍的尺寸或许能说明一些问题。
无论如何，现在我们终于有了描述场景的自然语言，我们可以开始研究统计数据，看看我们能否找到一些说服某人搬家的理由。
27 of 1528 most frequent terms of machine vision based analysis of 10K images of Tartu, Estonia
看着那长长的列表，我几乎睡着了，直到我看到“摩托车”这个词。摩托车的数量或者人口中拥有摩托车的比例很好的说明了一座城市的潜力。我个人对此非常有共鸣（
标签：
