استفاده از هوش مصنوعی برای گسترش کیفیت و اشاعه داده های شهری

12 آوریل 2022 -توسط SciencePOD

نتایج تصویری داده‌های سفر تاکسی از چپ به راست، ستون ها عبارتند از: تصاویر حقیقت زمین. ماسک های نامنظم؛ حقیقت زمین پوشیده شده؛ نتایج نهایی اعتبار: موضوعات ویژه مجله فیزیکی اروپا (2022).

در دسترس بودن پراکنده و متناقض داده‌های شهری در حال حاضر تلاش‌ها برای مدیریت منصفانه و مؤثر شهرهایمان را با مشکل مواجه می‌کند – اما این مشکل را می‌توان با بهره‌برداری از آخرین پیشرفت‌ها در هوش مصنوعی حل کرد.

شهرهای ما سیستم های بسیار پیچیده ای هستند. هر روز، آنها میزبان تعداد بی‌شماری مبادلات به هم پیوسته بین افراد و فرآیندها هستند که به نوبه خود حجم وسیعی از داده را تولید می‌کنند. محققان شروع به کشف این موضوع کرده‌اند که چگونه می‌توان از این اطلاعات برای بهبود محیط‌های شهری استفاده کرد – اما به دلیل محدودیت‌های کیفیت آن، این تلاش‌ها همچنان با چالش‌های مهمی روبرو هستند. بیل هاو و همکارانش در دانشگاه واشنگتن، از طریق تجزیه و تحلیل دقیق منتشر شده در مجله فیزیکی اروپایی موضوعات خاص، پیشنهاد کردند که چگونه می توان از هوش مصنوعی (AI) برای گسترش پوشش، دسترسی و عادلانه بودن داده های جمع آوری شده در شهرها استفاده کرد.

در حالی که هوش مصنوعی اکنون به طور فزاینده ای برای تجزیه و تحلیل شهرها مورد سوء استفاده قرار می گیرد، استفاده از آن تاکنون به طور گسترده با برنامه های کاربردی سود محور و بالقوه مضر اجتماعی مانند تشخیص چهره همراه بوده است. تیم هاو امیدوار است که این تصویر بتواند از طریق پیشرفت‌های جدید در شبکه‌های عصبی تغییر کند: مدل‌های هوش مصنوعی که عملکردهای مغز ما را هنگام یادگیری و پردازش اطلاعات جدید تقلید می‌کنند.

به طور خاص، آنها پیشنهاد می‌کنند که شبکه‌ها می‌توانند رویکردهای «بالا به پایین» را برای تجزیه و تحلیل شهرها، که هدف آن مدل‌سازی ویژگی‌های نوظهور شهرها در مقیاس بزرگ، با تکنیک‌های «پایین به بالا» است، که هدف آن بازسازی تعاملات فردی تا حد امکان نزدیک‌تر است، هماهنگ کند. . تا کنون، این یکسان سازی به دلیل ناهماهنگی در دسترس بودن و کیفیت داده های جمع آوری شده در شهرها دشوار بوده است.

برای دستیابی به این اهداف، هاو و همکارانش چهار چالش خاص را شناسایی می‌کنند که می‌توان با هوش مصنوعی به آنها پرداخت: از جمله گسترش منابع داده‌های موجود برای پوشش دادن پراکنده و متناقض. توسعه منابع جدید مبتنی بر حاکمیت، اقتصاد، تصمیم گیری و مشارکت عمومی؛ بهره برداری از طیف متنوع تری از رویکردها برای تجزیه و تحلیل داده ها؛ و در نهایت، درک مبادلات بالقوه بین دقت، سودمندی و عادلانه بودن داده ها. با اجرای این پیشرفت‌ها، این تیم امیدوار است که به زودی از هوش مصنوعی برای پاسخگویی به سؤالات کلیدی در زمینه تحرک، عدالت و حکمرانی در شهرها استفاده شود که همه شهروندان بتوانند در آن نقش داشته باشند.