Tom Mitchell：我们认为自动驾驶车的下一个革命将会带来更加根本性的变革，会更加深刻的改变我们城市的布局。我们可以把现在这些昂贵的停车场转变成绿地，变成城市的绿化带，而且我们可以改善城市交通拥堵的问题。我们会看到现在都难以想象的一些新的商业模式的出现，就像当时出现 Facebook 这样的社交媒体一样。

　　自动驾驶汽车可能会给我们带来移动餐馆，我们不用外卖叫披萨了，或者是移动的餐馆——可能有无人机把这个披萨送到这个无人车上，然后再把车送到家里。也许到时候医生还可以上门给你提供服务了，很可能会出现各种各样新的产业形态。现在我们是很难想象这些的，因此我们也很难按照这样的可能性去设计我们的城市。

　　我们还是有很多的不确定性，不知道未来下一个技术革命会是什么样的方向，所以我们在设计城市布局的时候，也许可以设计一些空间，让那些无人机或者是自动驾驶车可以停放。下一个一百年和过去一百年的区别在于，这种变革的速度会快的多得多。而这些城市他们的设计也要为这种难以预测的变化做好准备。

　　人工智能模拟城市建设

　　吴甘沙：我们都知道深度学习已经在围棋中打败了人类得冠军。而接下来，我们还不知道它能否在更加复杂的比赛中取胜，例如我们小的时候我们玩过的模拟城市建造。

　　Tom Mitchell：如果来看一下深度学习，AlphaGo 打败了人类的围棋冠军，这是下了几百万盘棋的结果。您刚才所说的这个很有意思，如果我们可以对城市进行这样的模拟的话，这个游戏可能还过于简单了，难以从事这个任务。如果我们再把它加深一下，真正来模拟几百万种城市建设的方式，也许我们也可以学到如何来管理城市可能出现的这些使不可预测的情况。甚至可以发现我们现在还没有意识到、想象到的一些方法。

　　吴甘沙：发明了无人驾驶的一个实景图象的模拟器，如果在城市建设方面我们也能有这样一个模拟器，通过机器学习算法，来预测或者进行模拟的话，我们可以看到未来城市的演进。

　　Tom Mitchell：还有一些非常艰难的政策上的选择。比如说如果使用各种网上的医学上的数据，城市用这些数据来控制传染性疾病或者是新疾病的发生，这些也是一个可能的新的应用。可能会涉及到隐私的问题，有些人不愿意在网上分享他们的医疗信息。另一方面，这些数据却可以给我们带来很好的管理上的经验，所以这也是一个政策上的问题。你刚才所说的，类似游戏的方法，我们可以来了解一下这几种不同的政策上的选择。

　　吴甘沙：不说医疗数据，像电信运营商他们也有人们的出行数据，也许可以设计一个更好的城市布局，把超市放在哪，把停车场放在哪。您知道现在中国在开发新的区域、新的经济带方面有很多的动作，中国上个月最大的新闻就是中国决定打造一个建设雄安新区，以疏解北京的非首都核心功能。这样的话，我们就可以从头来设计这个雄安新区的基础设施。如果在这个过程中应用一些人工智能的技术来设计这个新区的话，我想肯定是一件非常棒的事。

　　Tom Mitchell：我觉得这确实是一个非常好的机会，这也是中国独一无二的一个特点。在讲到未来可预测性越来越小时，在建设这个新的城市的时候，他们就应该考虑有些空间可以进行重新设计，以顺应不同的功能。

　　如果在五十年前我们就考虑到这些问题的话，也许我们就不会建造我们现有的这些机场了。在建立新区的时候也许可以考虑到未来无人车的可能性，在设计过程中要保持更大的灵活性。当然，这做起来很不容易。