船来船往，箱来箱走。在繁忙的天津港码头，每天无数大大小小的集装箱在这里中转。它们或从世界各地相聚，为中国广袤的内陆带来各种海外资源，或者从这里出发，为五大洲四大洋带去来自中国的礼物。天津港，世界级人工深水港，中国北方第一个5亿吨港口，集装箱吞吐量超过1450万标准箱，是世界上最繁忙的港口之一。

　集装箱码头是人类商业运作中为数不多的大型工业场景。在这里，秩序井然不仅仅是一句赞赏，更是一种需要严格执行的标准。“哪艘船应该停靠在哪个泊位，哪个集装箱应该放在什么位置，码头内周转时应该有哪些设备执行……这些繁杂的问题产生了体量庞大的数据，然而，工作人员是不可能把所有这些都记在脑子里。” 潘科是招商局集团港口控股有限公司创新工作小组组长，他认为，业务信息化是港口发展的必由之路。

　　潘科介绍，传统信息化手段只能记录，不能决策，码头的一些业务场景即使采用一些简单的算法，也会带来较大的计算量，所以目前较为繁忙的码头在中控调度上都要花费不少人力。为此，企业和天津大学、贝式计算公司展开合作，将基于神经网络的机器学习技术应用到港口的实际工作中来。

　“现在码头集装箱的堆放大多数是随机的。然而在需要调运货物的时候，有可能先要拉出去运走的集装箱是较早运来的，被压在了最下面，用吊车重新码放费时费力。不仅于此，有些货物是海运变陆运，有些则是陆运变海运，这些非常复杂的情况交织在一起，让这个课题在计算上面临着较大的挑战。”天津大学贝式计算校企联合研究中心主任于瑞国副教授以围棋为例，向记者说明集装箱堆放的算法解析思路。

　　“围棋棋盘是二维矩阵，19x19路，所以一共是361个交叉点，每个交叉点有三种状态。从机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170 。而我们研究的课题中，以码头集装箱堆放问题举例，可用位置是一个三维矩阵，总的可能计算量是3的上万次方。”于瑞国介绍，目前在采用贝叶斯剪枝算法后，算法所需的计算力降到了大体可承受的范围内，也可以为码头降低15%-25%的成本，提升货运效率。

　　为此，三方合作建设了神经网络专用计算集群，用来对码头实行调度安排及场内设备感知问题。“实际上近些年神经网络技术开始逐步在工业化场景中普及。码头的无人化除了建设一个全新港口之外，出现了一种新的解法。”于瑞国说。

　　此外，贝式计算公司算法总监姜汉表示，使用多个机器学习模型构建的调度系统有机会成为港口的“大脑”，但除此之外的码头内环境、设备感知也都是人工智能技术可以发挥的空间。这给了传统码头一个渐进式的升级机会，在自动化、智能化上面更进一步。”

　智慧港口的打造就是要实现港口无人化，所有调货统筹运输全部由机器操作实现。于瑞国表示，现在已经有部分大型物流配送中心开始在特定环境下实现了小规模的全无人操作。然而如何在更大、更复杂的环境下实现物流的全无人操作还是需要未来进一步解决的问题。

　　“我们从传统购物到网上购物用了约20年时间。我相信，随着人工智能相应基础设施的不断提升与完善，在不久后的将来，完全无人操作的‘智慧港口’一定会实现。”于瑞国信心满满。