شهریار تبریز/مهراب محرابی‌نیا : پس از گذر سریع از اینترنت و گوشی‌های هوشمند، اکنون زمان استفاده از هوش مصنوعی و فناوری هوشمند در جهت حرکت به گام بعدی نوآوری جهانی است.
هوش مصنوعی آماده است تا آینده معماری را شکل دهد. در جهانی که در آن صنعت معماری، مهندسی، ساخت و ساز به سرعت در حال تکامل است، به نظر می‌رسد هوش مصنوعی حتی با شتاب بیشتری به پیش می‌رود. با این تحولات همزمان، یک سوال داغ مطرح می‌شود: آیا معماران همچنان خالقان اصلی محیط ساخته شده ما خواهند ماند یا هوش مصنوعی بر آن مسلط خواهد شد؟
پیش‌بینی می‌شود که در سه سال آینده ۹۰ درصد شرکت‌های معماری و ساخت و ساز به نوعی از هوش مصنوعی استفاده کنند. اکنون این فناوری آینده‌نگر بیش از یک داستان علمی تخیلی است و قابلیت‌های بی‌سابقه‌ای را برای بهینه‌سازی طراحی و خودکارسازی وظایف ارائه می‌دهد.
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.
پتانسیل هوش مصنوعی به کار گرفته‌شده در شهرسازی قابل توجه بوده و این نوید را می‌دهد که یک عنصر کلیدی در ساخت شهرهای زیست‌پذیرتر باشد. آیا هوش مصنوعی تکامل طبیعی شهرهای هوشمند است؟
چگونه هوش مصنوعی شهرسازی را در شهرهای هوشمند بهبود می‌بخشد؟
از نظر شهرسازی، هوش مصنوعی (AI) می‌تواند راهکارهای 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 و شبکه های عصبی هوش مصنوعی برای نمایش ساختمان‌ها و مناظر شهری استفاده کنند که از حالت کاملاً تخیلی (InfiniCity) به برنامه‌های واقعی مبتنی بر هوش مصنوعی مانند Midjourney روی آورده که توسط شرکت‌های معماری بین‌المللی مانند زاها حدید برای تجسم مفاهیم در مراحل اولیه طراحی و صرفه جویی در زمان و منابع مورد استفاده قرار می گیرند.
موسساتی مانند اتحادیه اروپا یا سازمان ملل، شهرها را به عنوان "میز آزمایش برای 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 مبتنی بر هوش مصنوعی در شهرهای هوشمند در بسیاری از مناطق دیده می شود که بسیاری از آنها برای مدیریت شهری و توسعه پایدار شهری حیاتی به شمار می آیند.
بهینه‌سازی ترافیک جاده‌ای
پروژه هوش مصنوعی برای شهرهای 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 انتشارات کربنی ناشی از ترافیک را تا ۲ درصد کاهش می‌دهد.
پارک‌های بیشتر، دی اکسید کربن کمتر
شهر تفلیس توانست به سازمان "دیده‌بان شهر سبز" بپیوندد تا با استفاده از تصاویر ماهواره‌ای با وضوح بسیار بالا 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 دی اکسید کربن آنها شده است.
مدیریت تقاضای جزیره انرژی
ریزشبکه یا جزیره انرژی یک سیستم انرژی خودکفا است که به یک منطقه جغرافیایی خاص خدمات ارائه می دهد. برای مدیریت تقاضا، الگوریتم‌ها به شاخص‌های قیمت، داده‌های تاریخی، پیش‌بینی‌های آب‌وهوا و زمان‌های عملیاتی این امکان را می دهند تا به منظور پیش‌بینی تغییرات در عرضه و مصرف به‌طور موثرتر ترکیب شوند.
خطرات استفاده از شهرسازی هوش مصنوعی
هوش مصنوعی و شهرها، طبق گزارش برنامه اسکان بشر سازمان 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 عنصر کلیدی است. شهرها باید به شهروندان اطلاع دهند که چرا و چگونه هوش مصنوعی می‌تواند راه حل یک مشکل عمومی را بهینه کند، چگونه قرار است از آن استفاده شود، نتایج مورد انتظار چیست و اقداماتی که برای دستیابی به آنها استفاده می‌شود کدامند.
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.
در مرحله 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 این الگوریتم کمک به هوش مصنوعی در شناسایی الگوهایی است که شهر را از طریق انتخاب تصاویر مقایسه‌ای زیست‌پذیر می‌کند. برای مثال، درختان، پیاده‌روهای وسیع یا مبلمان شهری را نشان می‌دهند و این رویکرد نمونه‌ای از بهینه‌سازی طراحی شهری با تلفیق هوش مصنوعی و علم شهروندی است که نشان می‌دهد این دو می‌توانند با یکدیگر کار کنند.
سن خوزه 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 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 مکزیک نیز به پروژه پیاده‌رو در یک همکاری خصوصی و عمومی برای نقشه‌برداری و ارزیابی دسترسی پیاده‌روها در مکزیکوسیتی پیوست. برای بهبود برنامه‌ریزی شهری، ایجاد ابزارهای نقشه‌برداری که دسترسی محلی را در نظر گرفته و آموزش الگوریتم‌های یادگیری خودکار در جهت شناسایی خودکار مشکلات، تمام خیابان‌های این شهر نقشه‌برداری و برچسب‌گذاری شدند.
آیا هوش مصنوعی برنامه ریز شهری آینده است؟
پاسخ برنامه‌ریزی فضایی و سیاست‌گذاری توسعه جوامع شهری به این سوال از طریق مطالعه یادگیری تقویتی عمیق بسیار واضح است: هوش مصنوعی می‌تواند شهرهای بهتری نسبت به انسان‌ها طراحی کند.
یو ژنگ، متخصص اتوماسیون در دانشگاه چینهوا در چین، و همکارانش می‌خواستند راه‌حل‌های جدیدی برای بهبود شهرها با طراحی‌های مبتنی بر شهرهای 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، از ۵۰ درصد طرح‌های انجام‌شده توسط انسان فراتر رفته است.
در کتاب ظهور شهرسازی هوش مصنوعی در شهرهای پساهوشمند: یک تفسیر و تفکر انتقادی درباره هوش مصنوعی شهری وجود دارد که در آن نویسندگان مقایسه جالبی بین شهرسازی هوشمند و شهرسازی مبتنی بر هوش مصنوعی انجام داده‌اند، به طوری که آنها معتقدند که با استفاده از اینترنت اشیا، مورد اولی 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 گزارش مفصلی از اینکه چگونه و چرا الگوهای خاصی در شهرها وجود دارد.
منبع:
نظرات