به گزارش خبرگزاری ایمنا، شهرهای معاصر با مجموعه‌ای از چالش‌های به‌هم‌پیوسته از جمله رشد جمعیت و گسترش کالبدی، فشار بر منابع آب و انرژی، آلودگی هوا، ازدحام سفر، نابرابری در دسترسی به خدمات و افزایش آسیب‌پذیری در برابر مخاطرات اقلیمی روبه‌رو هستند.
این مسائل در مرزهای اداری متوقف نمی‌شود؛ برای مثال یک تصمیم حمل‌ونقلی در مقیاس کلان می‌تواند بر کیفیت هوا، سلامت عمومی و عدالت فضایی اثر بگذارد، از این‌رو حکمرانی هوشمند شهری را نمی‌توان به خرید تجهیزات دیجیتال یا نصب چند سامانه تقلیل داد.
پژوهش‌های مرتبط با شهر هوشمند بر این نکته تأکید دارند که فناوری زمانی ارزش عمومی می‌آفریند که با ظرفیت نهادی، مشارکت شهروندان، هماهنگی بین‌بخشی و پاسخگویی پیوند بخورد، بنابراین پرسش محوری نه شمار ابزارها، بلکه چگونگی تبدیل داده و تحلیل به سیاستی مشروع، مؤثر و عادلانه است.
سامانه‌های مدیریت شهری بیشتر داده‌های متنوعی از جمله اطلاعات مکانی و جمعیتی، جریان ترافیک، کیفیت هوا، مصرف منابع، وضعیت زیرساخت‌ها و گزارش‌های خدمات عمومی تولید می‌کنند، بااین‌حال تفاوت قالب‌ها، مقیاس زمانی، مالکیت داده و استانداردهای تبادل می‌تواند این منابع را در جزیره‌های سازمانی محصور کند.
ادبیات شهر داده‌محور نشان می‌دهد که انباشت داده به‌تنهایی به شناخت بهتر یا تصمیم بهتر منجر نمی‌شود، بلکه کیفیت، قابلیت پیوند، زمینه‌مندی و سازوکارهای دسترسی و حفاظت از داده موضوع تعیین‌کننده‌ای است.
در چنین بستری، هوش مصنوعی می‌تواند برای کشف الگو، پیش‌بینی تقاضا یا خطر، تشخیص ناهنجاری و مقایسه گزینه‌های سیاستی به‌کار رود.
مرورهای پژوهشی درباره هوش مصنوعی در شهرها نیز کاربردهایی در حمل‌ونقل، انرژی، محیط زیست و خدمات شهری گزارش می‌کنند، اما هم‌زمان به محدودیت داده، سوگیری الگوریتمی، دشواری توضیح‌پذیری و خطر بازتولید نابرابری اشاره دارند، از این‌رو خروجی مدل باید ورودی تحلیل و داوری عمومی باشد، نه اینکه جانشین مسئولیت مدیران و نهادهای منتخب شود.
دوقلوی دیجیتال شهری می‌تواند این ظرفیت تحلیلی را با بازنمایی پویا و پیوند داده‌های مکانی، زیرساختی و عملیاتی گسترش دهد؛ چنین سامانه‌ای امکان آزمودن سناریوها، همچون تغییر کاربری، مداخله در شبکه حمل‌ونقل یا مدیریت تقاضای انرژی را پیش از اجرا فراهم می‌آورد.
بااین‌حال پژوهش درباره دوقلوهای شهری تأکید می‌کند که ارزش آن‌ها به به‌روزبودن داده، اعتبار مدل، تعریف روشن مقیاس و هدف، و اتصال واقعی به فرایند تصمیم‌گیری وابسته است،زیرا تصویر سه‌بعدی به‌تنهایی دوقلوی تصمیم‌ساز نیست.
از منظر سیاست‌گذاری، چارچوب حکمرانی باید استانداردهای تبادل داده، حریم خصوصی و امنیت، ممیزی الگوریتمی، امکان اعتراض و شاخص‌های ارزیابی پیامد را مشخص کند، همچنین دانشگاه‌ها، بخش خصوصی، سازمان‌های عمومی و جوامع محلی باید در تعیین مسئله و ارزیابی راه‌حل مشارکت داشته باشند.
ترکیب داده‌های قابل‌اعتماد، تحلیل هوش مصنوعی و شبیه‌سازی دوقلوی دیجیتال فقط درون حکمرانی پاسخگو می‌تواند به بهبود پایدار عملکرد شهری بینجامد؛ معیاری که باید با پیامدهایی چون کیفیت محیط، دسترسی عادلانه، تاب‌آوری و رضایت شهروندان سنجیده شود.
برای عملیاتی‌کردن این رویکرد، لازم است هر برنامه از خط پایه و اهداف زمانی روشن برخوردار باشد و نتایج آن در شاخص‌های عمومی و قابل سنجش گزارش شود.
ملاک هوشمندسازی شهر، نتایج واقعی است، نه تعداد تجهیزات
احمدرضا منتظرالقائم، عضو هیئت علمی دانشگاه اصفهان با تأکید بر اینکه فناوری جایگزین حکمرانی درست نمی‌شود، به خبرنگار ایمنا اظهار می‌کند: هوش مصنوعی باید به‌عنوان «مغز تحلیلی» مدیریت شهری مورد استفاده قرار گیرد، نه اینکه آن را جایگزینی برای مدیران تصور کنیم.
وی می‌افزاید: نقش هوش مصنوعی در مدیریت شهری این است که داده‌های پراکنده، از جمله اطلاعات مربوط به ترافیک، مصرف آب، فرونشست، آلودگی هوا و دیگر حوزه‌ها را یکپارچه کند و تصمیم‌گیری را از حالت سلیقه‌ای و مقطعی به تصمیم‌گیری داده‌محور و آینده‌نگر تبدیل کند.
عضو هیئت علمی دانشگاه اصفهان می‌گوید: هوش مصنوعی می‌تواند الگوهای پیچیده را شناسایی کند؛ برای مثال، روند افت سطح آب زیرزمینی بیش از ۰.۸ متر در سال را تشخیص دهد یا فرونشست و آلودگی را پیش‌بینی کند و در این زمینه هشدار زودهنگام ارائه دهد.
منتظرالقائم ادامه می‌دهد: یکی دیگر از کارکردهای هوش مصنوعی، شبیه‌سازی سناریوهاست، به‌گونه‌ای که با استفاده از ابزارهایی نظیر دوقلوی دیجیتال، پیامد تصمیمات پیش از اجرا مشخص شود و مدیران شهری می‌توانند آثار و نتایج احتمالی هر تصمیم را ارزیابی کنند.
وی با بیان اینکه این ابزار فقط در صورت فراهم بودن شروط ساختاری لازم می‌تواند کارکرد واقعی خود را نشان دهد، تصریح می‌کند: نخستین شرط، ایجاد بانک داده یکپارچه و به‌روز شهری یا همان داشبورد حکمرانی است.
عضو هیئت علمی دانشگاه اصفهان خاطرنشان می‌کند: شرط دوم، تدوین سند راهبردی و اخلاقی هوش مصنوعی است، همچنین توانمندسازی نیروی انسانی و همکاری واقعی میان دانشگاه، صنعت و مدیریت شهری از دیگر الزامات اساسی در این زمینه به‌شمار می‌رود.
منتظرالقائم تأکید می‌کند: بدون نگاه یکپارچه و بلندمدت و بدون رفع نگاه جزیره‌ای، نصب دوربین و حسگر به‌تنهایی به معنای هوشمندسازی نیست؛ فناوری می‌تواند ضعف اجرای تصمیمات کارشناسی را کاهش دهد، اما ریشه تعارض منافع و ضعف سیاست‌گذاری را فقط با اصلاح حکمرانی می‌توان حل کرد.
وی با اشاره به ضرورت ارزیابی عملکرد مدیریت شهری بر اساس نتایج واقعی می‌گوید: ملاک اصلی، نتایج واقعی است، نه تعداد سخت‌افزارها، همچنین این نتایج باید در شاخص‌هایی همچون کاهش واقعی فرونشست زمین، بهبود کیفیت هوا، کاهش مصرف آب و انرژی، کاهش زمان سفر و ترافیک و افزایش رضایت شهروندان و عدالت در دسترسی به خدمات سنجیده شود.
عضو هیئت علمی دانشگاه اصفهان عنوان می‌کند: تعداد دوربین‌ها، حسگرها یا سامانه‌ها تنها زیرساخت هستند؛ در حال حاضر دوربین‌های زیادی در سطح شهر وجود دارد، اما آنچه ارزش دارد، استفاده تحلیلی از این زیرساخت‌ها برای ایجاد صرفه‌جویی و حل ابرچالش‌هایی همچون کاهش ۳۰ درصدی زمان سفر یا کاهش ۷۰ درصدی مصرف انرژی روشنایی است.
منتظرالقائم با تأکید بر اهمیت پاسخگویی در مدیریت شهری تصریح می‌کند: پاسخگویی باید بر اساس شاخص‌های عملکردی قابل اندازه‌گیری باشد؛ شاخص‌هایی که در سند توسعه هوش مصنوعی تعریف می‌شوند و مدیران و دستگاه‌های مرتبط در قبال تحقق آن‌ها پاسخگو هستند.
وی خاطرنشان می‌کند: دانشگاه‌ها و بخش خصوصی نیز باید در نقش پشتیبان علمی و اجرایی مشارکت داشته باشند، اما مسئولیت نهایی تحقق این شاخص‌ها و نتایج، با حکمرانی شهری است.
به گزارش ایمنا، شهر هوشمند فقط شهری نیست که در آن دوربین، حسگر و تجهیزات دیجیتال زیادی نصب شده باشد. یک شهر زمانی هوشمند است که بتواند با کمک اطلاعات و فناوری، مشکلات واقعی مردم را بهتر بشناسد و برای حل آن‌ها تصمیم‌های درست‌تری بگیرد.
برای مثال، اگر اطلاعات مربوط به ترافیک، آلودگی هوا و حمل‌ونقل عمومی در کنار هم بررسی شود، مدیران شهری بهتر می‌توانند بفهمند چه عواملی موجب افزایش ترافیک یا آلودگی شده است و برای کاهش آن چه کاری باید انجام دهند.
فناوری‌هایی نظیر هوش مصنوعی هم می‌توانند به مدیران کمک کنند تا مشکلات را زودتر تشخیص دهند، شرایط آینده را پیش‌بینی کنند و بهترین راه‌حل‌ها را انتخاب کنند، حتی با ساخت نمونه مجازی از بخش‌های مختلف شهر می‌توان پیش از اجرای یک طرح، پیامدهای آن را بررسی کرد و دید که ساخت یک خیابان جدید یا تغییر مسیر ترافیک چه تأثیری بر محله‌ها خواهد داشت.
کارشناسان بر این باورند که استفاده از فناوری به‌تنهایی به‌معنای حل مشکلات نیست. اگر اطلاعات جمع‌آوری‌شده ناقص یا اشتباه باشد، نتیجه بررسی‌ها هم می‌تواند نادرست از آب دربیاید، همچنین اگر مشخص نباشد اطلاعات مردم چگونه جمع‌آوری و استفاده می‌شود، ممکن است حریم خصوصی آن‌ها به خطر بیفتد یا امکانات شهری ناعادلانه در اختیار بعضی مناطق و گروه‌ها قرار بگیرد.
به همین دلیل، مدیران شهری نباید کار را با خرید تجهیزات و راه‌اندازی سامانه‌های جدید آغاز کنند، بلکه ابتدا باید مشخص کنند شهر با چه مشکلاتی روبه‌روست و فناوری قرار است کدام مشکل را حل کند.
در کنار این موضوع، باید از اطلاعات شخصی شهروندان محافظت شود، امنیت سامانه‌ها جدی گرفته شود و مشخص باشد چه کسانی اجازه دسترسی به اطلاعات را دارند، همچنین تصمیم‌هایی که با کمک هوش مصنوعی گرفته می‌شوند باید قابل بررسی باشند و مردم بتوانند درباره آن‌ها سؤال یا اعتراض خود را مطرح کنند.
همکاری شهرداری با دانشگاه‌ها، شرکت‌های فناوری و خود شهروندان نیز اهمیت زیادی دارد، چراکه حل مشکلات شهری فقط با تجهیزات و نرم‌افزار ممکن نیست و به تجربه و شناخت واقعی مردم از محله‌ها و نیازهایشان هم احتیاج دارد.
فناوری می‌تواند به مدیریت بهتر شهر کمک کند، اما آنچه اهمیت بیشتری دارد، شیوه استفاده مدیران از این امکانات است.
شهر هوشمند زمانی به نفع مردم خواهد بود که فناوری در خدمت حل مشکلات، افزایش رفاه، رعایت حقوق شهروندان و توزیع عادلانه امکانات قرار بگیرد.
نظر شما