شهرسازی هوش مصنوعی؛ خطرات و مزایای یک جنبش غیرقابل توقف

هوش مصنوعی اگرچه به چشم انسان نامرئی است، اما در همه‌جا به‌خصوص در شهرها وجود دارد و همه ما آگاهانه یا ناآگاهانه به بهبود یادگیری آن کمک می‌کنیم، زیرا هنگام پیاده‌روی، زمانی که از حمل‌ونقل عمومی استفاده می‌کنیم یا هنگامی که به امکانات عمومی و سایر فضاهای عمومی دسترسی داریم، در حال تولید داده هستیم.

شهرسازی هوش مصنوعی؛ خطرات و مزایای یک جنبش غیرقابل توقف

پتانسیل هوش مصنوعی به کار گرفته‌شده در شهرسازی بی‌شمار است و این نوید را می‌دهد که یک مؤلفه کلیدی در ساخت شهرهای قابل زیست‌تر است اما آیا هوش مصنوعی تکامل طبیعی شهرهای هوشمند است؟

هوش مصنوعی چگونه شهرنشینی را در شهرهای هوشمند بهبود می‌بخشد

از نظر شهرسازی، هوش مصنوعی (AI) می‌تواند راه‌حل‌های متعددی را در حوزه‌های مختلف از جمله مدیریت شهری و تصمیم‌گیری بر اساس داده‌ها یا ارائه خدمات برای مردم ارائه دهد.

آخرین نسل ابزارهای برنامه‌ریزی مبتنی بر هوش مصنوعی می‌توانند از مجموعه داده‌های بزرگ برای نمایش ساختمان‌ها و مناظر شهری بهره ببرند که توسط شرکت‌های معماری بین‌المللی مانند زاها حدید برای تجسم مفاهیم در مراحل اولیه طراحی و صرفه‌جویی در زمان و منابع مورد استفاده قرار می‌گیرند.

موسساتی مانند اتحادیه اروپا یا سازمان ملل، شهرها را به عنوان «میز آزمایش هوش مصنوعی و اتوماسیون» توصیف می‌کنند و نقش این فناوری را به عنوان کاتالیزور تحولات اجتماعی، زیست‌محیطی و اقتصادی در شهرها می‌شناسند، مشروط بر اینکه در یک چشم‌انداز حکمرانی خوب مورد استفاده قرار گیرند.

ادغام هوش مصنوعی در شهرسازی

شهرسازی هوش مصنوعی در شهرهای هوشمند در بسیاری از مناطق دیده می‌شود که بسیاری از آنها برای مدیریت شهری و توسعه پایدار شهری حیاتی هستند.

بهینه‌سازی ترافیک جاده‌ای

پروژه AI4Cities اتحادیه اروپا یک «سیستم بهینه‌سازی کمکی» را برای مدیریت چراغ راهنمایی آزمایش کرد که به‌سادگی توقف و انتظار غیر ضروری پشت چراغ قرمز را کاهش می‌دهد. پروژه‌های آزمایشی راه‌اندازی شده در پاریس یا هلسینکی ثابت کرده‌اند که این سیستم انتشار گازهای گلخانه‌ای مرتبط با ترافیک را تا دو درصد کاهش می‌دهد.

پارک‌های بیشتر، CO2 کمتر

تفلیس توانست به سازمان «دیده‌بان شهر سبز» بپیوندد تا با استفاده از تصاویر ماهواره‌ای با وضوح بسیار بالا (VHR) و یادگیری خودکار (هوش فضایی‌مکانی)، مکان، اندازه و وضعیت درختان در شهرها را تعیین کند. از نتایج این تحلیل برای ایجاد چهار پارک جدید استفاده شده است که باعث کاهش ۴۱۳ تنی CO2 آنها شده است.

مدیریت تقاضای جزیره انرژی

ریزشبکه یا جزیره انرژی یک سیستم انرژی خودکفا است که در یک منطقه جغرافیایی خاص خدمت می‌کند. برای تنظیم تقاضا، الگوریتم‌ها به شاخص‌های قیمت، داده‌های تاریخی، پیش‌بینی‌های آب‌وهوا و زمان‌های عملیاتی اجازه می‌دهند تا به منظور پیش‌بینی تغییرات در عرضه و مصرف به‌طور مؤثرتر، ترکیب شوند.

خطرات استفاده از شهرسازی هوش مصنوعی

هوش مصنوعی و شهرها، گزارشی از برنامه اسکان بشر ملل متحد (UN-Habitat)، خطرات مرتبط با استفاده از هوش مصنوعی در شهرها را بر اساس مرحله اجرا تقسیم می‌کند:

در طول مراحل تعریف اولیه و مفهوم سازی، شفافیت یک مؤلفه کلیدی است. شهرها باید به شهروندان اطلاع دهند که چرا و چگونه هوش مصنوعی می‌تواند راه‌حل یک مشکل عمومی را بهینه کند، چگونه قرار است از آن استفاده شود، نتایج مورد انتظار و اقداماتی که برای دستیابی به آنها استفاده می‌شود، چیست.

در مرحله طراحی، باید از خطرات مربوط به دستکاری فناوری اجتناب شود که عمداً به دنبال تغییر رفتار شهروندان برای مقاصد تجاری یا ایدئولوژیک یا مواردی با ماهیت دیگر است.

طی اجرا، یک خطر آشکار مربوط به حفظ حریم خصوصی افراد است که ممکن است در صورت جمع‌آوری داده‌های شخصی بدون رضایت، نقض شود.

شهرهایی که از هوش مصنوعی برای بهبود برنامه‌ریزی شهری خود استفاده می‌کنند

Mercè نام الگوریتمی است که در بارسلونا توسعه یافته و شهروندان را در آموزش الگوریتم مشارکت می‌دهد. هدف Mercè کمک به هوش مصنوعی در شناسایی الگوهایی است که شهر را قابل زندگی‌تر می‌کنند برای مثال این کار را از طریق انتخاب تصاویر مقایسه‌ای که مثلاً درختان، پیاده‌روهای وسیع یا مبلمان شهری را نشان می‌دهند، انجام می‌دهد و این رویکرد نمونه‌ای از این است که چگونه هوش مصنوعی و علم شهروندی می‌توانند با یکدیگر برای بهینه‌سازی طراحی شهری کار کنند.

سن‌خوزه در کالیفرنیا، ایالات متحده، داده‌های ترافیکی عابران پیاده را در یک دوره یک ساله (سپتامبر ۲۰۰۲ تا آگوست ۲۰۲۳) جمع‌آوری کرد و تعداد افرادی را که در یک دوره زمانی خاص در یک مکانی خاص وارد و خارج می‌شوند، اندازه‌گیری کرد. هدف تجزیه و تحلیل چگونگی استفاده ساکنان از پارک‌ها، فضاهای عمومی و مناطق تفریحی به منظور بهبود خدمات و نگهداری آنها بود.

دانشگاه ملی خودمختار مکزیک نیز به پروژه پیاده‌رو در یک همکاری خصوصی و عمومی برای نقشه‌برداری و ارزیابی دسترسی پیاده‌روها در مکزیکوسیتی پیوست. تمام خیابان‌های این شهر برای بهبود برنامه‌ریزی شهری نقشه‌برداری و برچسب‌گذاری شدند.

آیا هوش مصنوعی برنامه‌ریز شهری آینده است؟

برنامه‌ریزی فضایی جوامع شهری از طریق مطالعه یادگیری تقویتی عمیق ( Deep Reinforcement Learning) در پاسخ به این سوال بسیار واضح است: هوش مصنوعی قادر به طراحی شهرهای بهتر از انسان است.

یو ژنگ، دانشمند متخصص در اتوماسیون در دانشگاه Tsinghua در چین و همکارانش، می‌خواستند راه‌حل‌های جدیدی برای بهبود شهرها با طراحی‌های مبتنی بر شهر ۱۵ دقیقه‌ای بیابند.

برای انجام این کار، آنها یک هوش مصنوعی توسعه دادند که می‌تواند خسته‌کننده‌ترین وظایف برنامه‌ریزی شهری را انجام دهد. آن‌ها دریافتند که طراحی‌های آن‌ها در سه پارامتر خاص: دسترسی به خدمات، مناطق سبز و سطح ترافیک، ۵۰ درصد از طرح‌های انجام‌شده توسط انسان فراتر رفته است

در کتاب ظهور شهرسازی هوش مصنوعی در شهرهای پسا هوشمند: یک تفسیر انتقادی درباره هوش مصنوعی شهری، نویسندگان مقایسه جالبی بین شهرسازی هوشمند و شهرسازی توسعه‌یافته با هوش مصنوعی انجام داده‌اند؛ آنها معتقدند که مورد اولی، از طریق اینترنت اشیا، کمّی است (برای مثال تعداد افراد در اتوبوس یا مقدار انرژی مصرف شده در یک محله) و نتایج آن عددی است. از سوی دیگر، دومی قادر است توضیح دهد که چگونه و چرا الگوهای خاصی در شهرها وجود دارد.