شهرهای هوشمند
کاربردهای هوش مصنوعی

ایجاد زیرساخت‌های مبتنی بر هوش مصنوعی برای شهرهای هوشمند

    0
    (مدت زمان مطالعه: ۵ دقیقه)

    در مقاله پیش رو درباره ایجاد زیرساخت‌های مبتنی بر هوش مصنوعی برای شهرهای هوشمند است. حدود ۵۶/۲% جمعیت جهان در شهرها زندگی می‌کنند. از طرفی، برخی مسائل بر همه شهرهای جهان تاثیر گذاشته است. افزایش کارایی در مناطق شهری – از رفت‌وآمد و ازدحام گرفته تا اقتصاد و زنجیره تامین -‌ می‌تواند برای جوامع سراسر جهان سودمند باشد.

    فناوری‌های نوظهورِ هوش مصنوعی، موجبات تحول، هوشمندسازی، افزایش سرعت، و بهره مندی از فرصت‌های پیشرفت را برای شهرها فراهم ساخته و آن‌ها را به سمت تبدیل شدن به شهرهای هوشمند پیش برده است.

    شهرهای هوشمند

    ساخت هزاران ابزار نوینِ تحقیق و توسعه‌ی هوش مصنوعی در محیط‌های شهری رو به افزایش است. به دلیل تراکم جمعیت، و تمرکزِ تجهیزات و پروژه‌های مبتنی بر ماشین، شهرها بهترین بستر را برای آزمودن هوش مصنوعی فراهم می‌کنند. حقیقت امر این است که استفاده از هوش مصنوعی در شهرها کاملاً به جا است.

    تعمیرات اساسی زیرساخت‌ها اغلب با هزینه‌های گزاف و در بازه‌های زمانی طولانی انجام می‌‌شود. با این حال، می‌توان این موانع را از طریق راهکارهای نوآورانه برطرف کرد؛ هوش مصنوعی و یادگیری ماشین می‌توانند زیرساخت‌های شهری را به سرعت و با هزینه‌ای اندک ارتقا دهند.

    بکارگیری فناوری‌های هوش مصنوعی در بخش حمل و نقل برای توانمندسازی شهرهای هوشمند در دوره پساکرونا

    مبتکران فناوری‌های خلاقانه بینایی کامپیوتر را (در کنار یادگیری ماشین) برای دگرگونی زیرساخت‌های  شهری و ایجاد حمل‌ونقل عمومی قابل اعتماد و پایدار به کار می‌بندند. برای مثال، Hayden AI، که در اوکلندِ کالیفرنیا مستقر است، اولین سامانه مدیریت ترافیک خودکار را با کمک دستگاه‌های مبتنی بر ادراک بصری راه‌اندازی کرده است.

    این دستگاه‌ها بر روی ناوگان شهری، مانند اتوبوس‌ها، ماشین‌های نظافت شهری و کامیون‌های جمع‌آوری زباله نصب می‌شوند. تمام دستگاه‌هایی که بر روی این خودروها نصب شده‌اند مجهز به فناوری شناسایی دقیق موقعیت هستند. با کمک این فناوری، خودرو می‌تواند اشیایی مانند خط‌کشی‌های خیابان، چراغ‌های راهنمایی، علائم راهنمایی و رانندگی، شیرهای آتشنشانی، پارکومترها و درختان را شناسایی کرده و با کمک داده‌های دریافتی یک «دوقلوی دیجیتالی» یا یک مدل سه بعدی مجازی از شهر ایجاد ‌می‌کند که حاوی اطلاعات بیشماری است.

    شهرهای هوشمند

    طبق توضیحات ویباهو گادیاک، هم‌بنیانگذار و معاون سازمان مهندسی با Hyden AI، «دستگاه‌های متصل به شبکه شناسایی موقعیت مکانی، با کمک یکدیگر، به طور لحظه‌ای نقشه‌ای سه بعدی از شهر ترسیم می‌کنند. این دستگاه‌ها با گذر زمان یاد می‌گیرند داده‌ها و اطلاعاتی را جمع‌آوری کنند که می‌تواند در آژانس‌های شهری به اشتراک گذاشته شود. به این ترتیب، می‌توان با پاکسازی خطوط اتوبوس‌رانی از خودروهای پارک‎‌شده، به ارائه به موقع خدمات این ناوگان کمک کرد؛ همچنین می‌توان برنامه‌ریزی شهری را با بهبود مدیریت پارکینگ‌ها و پارکِ حاشیه‌ای ارتقاء داد».

    گادیاک با کمک توانمندی‌هایش در حوزه‌های رباتیک، بینایی کامپیوتر، و یادگیری ماشین، معماری سامانه Hyden AI را بنا نهاد. وی بر این باور بود که کارآمدی و بهبود سیستم‌های حمل‌ونقل در قلب شهرهای پایدار نهفته است.

    نخستین آزمایش Hyden AI

    فناوری Hyden AI برای نخستین بار در ترافیک درون‌شهری آزمایش شد. ایستگاه‌های متعدد، چرخ‌زدن خودروهای سواری برای پیدا کردن جاپارک و مسیرهای مسدود شده‌ی اتوبوس‌ها از علل ایجاد ترافیک در شهرهای بزرگ هستند. زمانی که رانندگان مسیر اتوبوس‌ها را مسدود ‌کنند، سرعت اتوبوس‌ها کاهش می‌یابد؛ در نتیجه، تعداد مسافران کم می‌شود و به تَبَع آن هزینه‌های مدیریت حمل‌ونقل در کلان‌شهرها افزایش می‌یابد. خالی‌کردن خطوط اتوبوس‌رانی از وسایل نقلیه پارک‌شده می‌تواند بر زندگی میلیون‌ها نفر تأثیر مثبت بگذارد.

    می‌توان از این فناوری برای شناسایی پارکومترها استفاده کرد و مدیریت شهری را بهبود بخشید. علاوه بر این، می توان از آن برای پیداکردن جاپارک استفاده کرد و مشکل رانندگی مداوم در جستجوی پارکینگ را برطرف نمود. این فناوری حتی در تجزیه و تحلیل الگوهای ترافیکی نیز قابل استفاده است و می‌تواند تعداد عابران پیاده را که در ساعات خاصی از شبانه‌روز از یک تقاطع عبور می‌کنند، مشخص کند. در آینده‌، می‌توان از این سیستم‌ها برای برنامه‌ریزی جاپارک حاشیه‌ای استفاده کرد؛ مثلاً، یک کامیون تحویل کالا می‌تواند در منطقه‌ای که معمولاً محدودیت عبور و مرور دارد، به مدت ۱۵ دقیقه توقف کند و مرسوله را تحویل دهد.

    مدیریت دارایی

    از دیگر موارد کاربرد این سامانه‌ها می‌توان به مدیریت دارایی اشاره کرد. این سامانه می‌تواند داده‌های لازم برای تعمیر و نگهداری شهری را فراهم کند؛ مثلاً مشخص کند چه زمانی باید درختان هرس شوند؟ یا چند شیر آتش نشانی وجود دارد و آیا دسترسی به آنها امکان‌پذیر است یا خیر؟

    دستیابی به این هدف با دوربین‌های ثابت عملاً غیرممکن است. نصب این دوربین‎ها پرهزینه‌ است (گاهی می‌تواند بالغ بر ۱۰۰ هزار دلار باشد)؛ زمان زیادی نیاز دارد؛ و مستلزم هماهنگی با نهادهای مدنی و پشت‌سر گذاشتن تشریفات اداری و دریافت تاییدیه  است. بنا به اظهارات گادیاک «نصب سامانه‌های متحرک با قابلیت درک محیط (MPS) آسان است. این سامانه‌ها مقرون‌به‌صرفه‌ هستند و علی‌رغم تعداد کم دستگاه‌هایِ متصل، کارایی زیادی دارند». وی در ادامه افزود: «با در اختیار داشتن دستگاه‌هایی که خرابی آنها حساسیت ایمنی زیادی ایجاد نمی‌کند، می‌توانیم الگوریتم‌های فوق‌پیشرفته را در خیابان‌های اطراف محل زندگی افراد پیاده کنیم».

    سامانه‌های اداراکی می‌توانند امکانات و تصمیمات راهبردی بی‌پایانی ارائه کنند. واکنش مردم به چنین پیشرفت‌هایی همواره با ابراز نگرانی نسبت به نقض حریم خصوصی و زیرپا گذاشتن قوانین همراه بوده است؛ مسئله‌ای که انجمن جهانی مبتکران فعالانه پیگیر آن هستند.

    مسیر جدید پیش‌روی جوامع و سیاست‌گذاری‌ها

    هوش مصنوعی ظرفیت استفاده از داده‌ها را به شیوه‌های گوناگون افزایش داده است، اما کماکان مستلزم پیروی از دستوراعمل اجرایی است. گروهی از متخصصان هوش مصنوعی متوجه شدند که اگر هوش مصنوعی با استانداردهای صحیح به‌کار رود، توان بالقوه‌ای در تاثیرگذاری بر سیاست‌ها و جوامع خواهد داشت.

    این گروه «انجمن جهانی هوش مصنوعی» (AIWS) نام دارد و هدف آن ساخت «دنیایی بهتر با هوش مصنوعی» است. این انجمن که خود متشکل از رهبرانی از سراسر جهان است، از رهبران فناوری، دولت‌ها و مبتکرانی که بر نقش حساس هوش مصنوعی برای ساختن فردایی بهتر واقف هستند، دعوت به همکاری می‌کند.

    انجمن جهانی هوش مصنوعی نمایندگی در سازمان ملل متحد، گروه هفت و کنفرانس بین‌المللی توافق‌نامه هوش مصنوعی دارد. این انجمن می‌تواند با حمایت مالی از پژوهش‌های گسترده و با رهبری مدبرانه، تمهیدات لازم را برای عرضه روزافزون ابزارهای مجهز به هوش مصنوعی، از جمله شهرهای هوشمند، بیندیشد.

    در عین حال که هوش مصنوعی در قامت ناجی انسان ظاهر می‌شود، قادر است منابع اساسی از قبیل آب، برق‌، حمل‌ونقل، مسکن و تحصیل را نیز ارتقاء بخشد. با ترویج ابزارهای هوش مصنوعی، لزوم توانمندسازی سیاستمداران و همچنین شهروندان به شناخت و استفاده از ابزارهای فناوری بیش از پیش به چشم می‌خورد.

    اکوسیستمAIWS و شهر AIWS

    انجمن جهانی هوش مصنوعی دو طرح «اکوسیستمAIWS » و «شهر AIWS» را مطرح و توجه جهان را به خود جلب کرده است. ریاضیدان سرشناس و یکی از ‌بنیانگذاران این انجمن، توان وِن، مفهوم اکوسیستم AIWS را اینطور توضیح می‌دهد: «عملکرد بسیاری از ابزارها به مجموعه‌ای از سیستم‌ها وابسته است. با هوش مصنوعی تنها و تنها به یک سیستم نیاز دارید. برنامه‌های کاربردی پیشرفته راه را برای ابتکارات بیشتر برای مردم هموار کرده است».

    شهرهای هوشمند

    دانشمندان علم داده، کارشناسان فنی و سایر رهبران این حوزه به دنبال ایجاد ساختاری (منسجم) از مدل‌های هوش مصنوعی هستند که گره‌گشای مشکلات عصر دیجیتال باشد. در همین راستا، رهبران انجمن جهانی هوش مصنوعی خلاصه‌ای از سیاست‌های جدید  خود را با عنوان «قرارداد اجتماعی در عصر هوش مصنوعی: ایمنی، امنیت و پایداری در دنیای هوش مصنوعی» در کنفرانس ۲۰۲۰ ریگا منتشر کردند.

    انجمن جهانی هوش مصنوعی در پاریس، رم، ریگا، وین، مونیخ و در حال حاضر در غرب ایالات متحده حضوری پررنگ دارد. در نتیجه فعالیت‌های این گروه، دسترسی افراد به ابزارهای هوش مصنوعی‌ امکان‌‍‌پذیر شده است، ابزارهایی که زندگی آنها را بهتر و آسان‌تر می‌کند. در واقع، مأموریت آن‌ها حمایت از محیط‌های شهری، و همچنین مناطق روستایی است تا نابرابری را کاهش دهند و مردم را به ابزارها و اطلاعات متمرکز متصل کنند.

    شهرهای هوشمند

    خدمات اضطراری، بهبود جوامع، زیرساخت‌ها و جاده‌هایی که کالاهای حیاتی را جابه‌جا می‌کنند، همه و همه را می‌توان با استفاده از فناوری‌های مبتنی بر هوش مصنوعی تقویت کرد. گاهی، ممکن است ساده‌ترین ایده‌ها در کانون توجهات قرار گرفته و در موارد غیرقابل تصور پیاده‌سازی شوند. رهبران وظیفه‌شناس به استفاده از هوش مصنوعی به روش‌های ایمن، متفکرانه و آزمایش شده متعهد هستند. هدف مشترک آن‌ها بهبود کیفیت زندگی تمامی افراد جهان است.

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    تشخیص اجزای اصلی گل با استفاده از یادگیری عمیق

    مقاله قبلی

    آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ مدل های توالی به توالی (قسمت هشتم)

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *