به گزارش سرویس ترجمه خبرگزاری ایمنا، با رشد سریع فناوریهای هوش مصنوعی، بهویژه هوش مصنوعی مولد، طراحی شهری وارد مرحلهای تازه شده است. دادههای عظیم، مدلهای پیشرفته و چهارچوبهای مشارکتی انسان در حلقه، مسیر طراحی و مدیریت شهری را بازتعریف کردهاند. این فناوریها نهتنها سرعت طراحی را افزایش میدهند، بلکه کیفیت و انطباق طرحها با نیازهای اجتماعی و مقررات شهری را تضمین میکنند.
هوش مصنوعی مولد توانایی تولید طرحهای متنوع شهری را بر اساس دادههای متنی و تصویری دارد. این مدلها میتوانند سناریوهای مختلفی از شبکههای جادهای، کاربری زمین و چیدمان ساختمانها را پیشنهاد دهند. مزیت اصلی این فناوری در سرعت و تنوعی است که به فرایند طراحی میبخشد. به جای آنکه طراحان انسانی هفتهها وقت صرف تولید گزینههای اولیه کنند، هوش مصنوعی در چند دقیقه دهها طرح متفاوت ارائه میدهد، سپس این طرحها توسط انسانها بازبینی و اصلاح میشوند تا با واقعیتهای اجتماعی، اقتصادی و قانونی سازگار شوند.
چهارچوب انسان در حلقه: ترکیب هوش مصنوعی و نظارت انسانی
رویکرد «انسان در حلقه» به معنای ترکیب توان محاسباتی هوش مصنوعی با قضاوت انسانی است. در این چهارچوب، هوش مصنوعی طرحهای اولیه را تولید میکند و انسانها وظیفه بازبینی، اصلاح و تکمیل آنها را بر عهده دارند. این چرخه بازخوردی میان انسان و ماشین ادامه پیدا میکند تا طرح نهایی حاصل شود. مزیت این رویکرد در آن است که هم سرعت طراحی افزایش پیدا میکند و هم کیفیت و انطباق طرحها تضمین میشود. به بیان دیگر، هوش مصنوعی بهعنوان موتور تولید ایده عمل میکند و انسانها نقش هدایتگر و ناظر را دارند.
رویکرد انسان در حلقه فقط یک ابزار کمکی نیست، بلکه یک مدل همکاری پویا میان انسان و ماشین است. در این مدل، هوش مصنوعی بهعنوان تولیدکننده سریع گزینهها عمل میکند، اما تصمیمگیری نهایی همچنان در اختیار انسان باقی میماند. این امر منجر به ارائه طرحهای بهینه و سازگار با ارزشهای اجتماعی، فرهنگی و مقررات قانونی میشود. بهعنوان مثال، اگر هوش مصنوعی طرح جادهای را پیشنهاد دهد که از نظر ترافیکی کارآمد است اما فضای سبز محله را کاهش میدهد، طراحان انسانی میتوانند آن را اصلاح کنند تا تعادل میان کارایی و کیفیت زندگی برقرار شود.
از سوی دیگر، این چهارچوب امکان یادگیری متقابل میان انسان و ماشین را فراهم میکند. هر بار که طراحان انسانی اصلاحاتی بر طرحهای تولیدشده توسط هوش مصنوعی اعمال میکنند، دادههای جدیدی به سیستم بازمیگردد و مدل هوش مصنوعی در چرخههای بعدی طرحهای دقیقتر و سازگارتر ارائه میدهد. این فرایند بازخوردی موجب میشود که سیستم به مرور زمان هوشمندتر شود و توانایی آن در تولید طرحهای نزدیکتر به نیازهای واقعی شهر افزایش پیدا کند. انسان در حلقه نهتنها کیفیت طراحی را تضمین میکند، بلکه به رشد و تکامل هوش مصنوعی نیز کمک میکند.
رویکرد انسان در حلقه در سالهای اخیر در چندین کلانشهر پیشرو مورد استفاده قرار گرفته است. برای نمونه، نیویورک از آن برای طراحی چیدمان ساختمانها در مناطق پرتراکم بهره برده و توانسته است میان تراکم بالا و کیفیت زندگی تعادل برقرار کند. شیکاگو این چهارچوب را در بازطراحی شبکههای جادهای و کاربری زمین آزمایش کرده و نتایج موفقی به دست آورده است. بعضی شهرهای اروپایی همچون بارسلونا نیز در پروژههای پایلوت از این مدل برای بهینهسازی فضاهای عمومی استفاده کردهاند.
بازطراحی شبکههای جادهای و کاربری زمین در شیکاگو
شیکاگو بهعنوان یکی از کلانشهرهای پیشروی ایالات متحده، نخستین شهری بود که چهارچوب «انسان در حلقه» را در طراحی شهری بهطور عملی آزمایش کرد. این پروژه با همکاری آژانس برنامهریزی کلانشهری شیکاگو (CMAP) و دانشگاههای محلی اجرا شد و هدف آن بهینهسازی شبکههای جادهای و کاربری زمین با استفاده از هوش مصنوعی مولد بود.
در این پروژه، ابتدا مدلهای هوش مصنوعی مولد مجموعهای از گزینههای مختلف برای طراحی شبکههای جادهای و کاربری زمین تولید کردند. این گزینهها شامل تغییر مسیر خیابانها، افزایش تراکم در مناطق خاص و پیشنهاد کاربریهای جدید برای زمینهای بدون استفاده بود، سپس تیمهای انسانی شامل مهندسان، طراحان شهری و متخصصان حملونقل این طرحها را بازبینی کردند. چرخه بازخوردی میان انسان و ماشین ادامه پیدا کرد تا طرحهای نهایی حاصل شوند.
نتایج کمی و کیفی پروژه بازطراحی شبکههای جادهای در شیکاگو نشان داد که استفاده از مدل انسان در حلقه میتواند تحولی جدی در فرایند برنامهریزی شهری ایجاد کند. نخستین دستاورد این رویکرد، کاهش چشمگیر زمان طراحی بود. پیشتر تولید گزینههای اولیه برای شبکههای جادهای هفتهها و حتی ماهها زمان میبرد، اما با ورود هوش مصنوعی مولد، این مرحله در چند دقیقه انجام شد. در نتیجه، زمان کلی طراحی تا حدود ۴۰ درصد کاهش یافت و تیمهای انسانی توانستند انرژی خود را بیشتر صرف ارزیابی و اصلاح طرحها کنند تا تولید اولیه. این تغییر نهتنها سرعت پروژهها را افزایش داد، بلکه امکان پاسخگویی سریعتر به نیازهای شهری را نیز فراهم آورد.
از سوی دیگر، تنوع طرحهای ارائهشده به شکل محسوسی افزایش یافت. در گذشته، تیمهای طراحی در یک بازه سهماهه قادر به تولید تعداد محدودی گزینه بودند، اما در این پروژه، در کمتر از دو هفته دهها طرح متفاوت در اختیار تصمیمگیرندگان قرار گرفت. این تنوع موجب شد مدیران شهری بتوانند از میان گزینههای متعدد، بهترین طرح را انتخاب کنند و در عین حال سناریوهای مختلف را با هم مقایسه کنند. به این ترتیب، فرایند تصمیمگیری شهری نهتنها سریعتر، بلکه جامعتر و انعطافپذیرتر شد.
یکی دیگر از نتایج مهم پروژه، میزان بالای انطباق طرحها با مقررات شهری بود. پس از بازبینی انسانی، بیش از ۸۵ درصد طرحهای تولیدشده توسط هوش مصنوعی با استانداردهای کاربری زمین و قوانین حملونقل شهری سازگار شدند. این آمار نشان میدهد که ترکیب توان محاسباتی هوش مصنوعی با قضاوت انسانی میتواند به تولید طرحهایی منجر شود که هم نوآورانه هستند و هم با چهارچوبهای قانونی و اجتماعی هماهنگی دارند.
شبیهسازیهای انجامشده نشان داد که اجرای بعضی از طرحهای پیشنهادی میتواند اثرات مثبت زیستمحیطی قابلتوجهی داشته باشد. مسیرهای جدیدی که توسط هوش مصنوعی پیشنهاد و سپس توسط انسان اصلاح شدند، موجب کاهش زمان سفر و بهبود جریان ترافیک شدند. این تغییرات توانستند انتشار دیاکسیدکربن ناشی از حملونقل را تا حدود ۱۵ درصد کاهش دهند که گامی مهم در جهت تحقق اهداف اقلیمی و کاهش اثرات منفی حملونقل بر محیطزیست محسوب میشود. در مناطق پرتراکم، بازطراحی شبکههای جادهای موجب شد دسترسی به فضاهای سبز شهری حدود ۱۰ درصد افزایش و سطح سروصدا در محلههای پرتردد کاهش پیدا کند.
یکی از مهمترین دستاوردهای این پروژه، افزایش مشارکت عمومی بود. شهروندان شیکاگو توانستند از طریق پلتفرمهای دیجیتال، تغییرات پیشنهادی را مشاهده کنند و بازخورد خود را ارائه دهند. این رویکرد موجب شد حس مالکیت جمعی نسبت به پروژههای شهری تقویت شود و اعتماد عمومی به سازمانهای مدیریت شهری افزایش پیدا کند.
تجربه شیکاگو نشان داد که چهارچوب انسان در حلقه میتواند الگویی برای سایر شهرهای جهان باشد. این رویکرد نهتنها سرعت و کیفیت طراحی شهری را ارتقا میدهد، بلکه به کاهش هزینههای زیرساختی نیز کمک میکند. برآوردها نشان میدهد که استفاده از این چهارچوب در پروژههای حملونقل و کاربری زمین میتواند هزینههای اصلاحات پس از ساخت را تا ۲۰ درصد کاهش دهد.
تعادل میان تراکم و کیفیت زندگی در نیویورک
نیویورک بهعنوان یکی از پرتراکمترین شهرهای جهان، از جمله کلانشهرهایی است که «انسان در حلقه» را برای طراحی شهری در مناطق شلوغ و پرجمعیت به کار گرفت. هدف اصلی این پروژه، ایجاد تعادل میان تراکم بالای ساختمانها و کیفیت زندگی شهروندان بود که سالهاست مدیران شهری نیویورک با آن دستوپنجه نرم میکنند.
در این پروژه، مدلهای هوش مصنوعی مولد ابتدا طرحهای اولیهای برای چیدمان ساختمانها تولید کردند. این طرحها شامل تغییر در ارتفاع برجها، فاصله میان بلوکهای ساختمانی، میزان فضای سبز و دسترسی به نور طبیعی بودند، سپس تیمهای انسانی شامل معماران، برنامهریزان شهری و متخصصان محیطزیست این طرحها را بازبینی کردند.
استفاده از چهارچوب انسان در حلقه در نیویورک توانست تغییرات ملموسی در کیفیت زندگی شهری ایجاد کند. یکی از مهمترین دستاوردها افزایش میزان دسترسی به نور طبیعی در واحدهای مسکونی بود. پس از اصلاح طرحهای اولیه توسط طراحان انسانی، میزان نور طبیعی تا حدود ۲۰ درصد بیشتر شد و این تغییر بهطور مستقیم بر سلامت روانی و جسمی شهروندان تأثیر مثبت گذاشت. ساکنان مناطق پرتراکم توانستند از فضای روشنتر و سالمتری بهرهمند شوند که به کاهش استرس و ارتقای رفاه عمومی کمک کرد.
در کنار این دستاورد، فضای سبز شهری نیز در مناطق پرتراکم حدود ۱۰ درصد افزایش یافت. طراحان انسانی توانستند پیشنهادهای هوش مصنوعی را با نیازهای زیستمحیطی تلفیق کنند و در نتیجه، پارکها و فضاهای باز بیشتری در طرحهای نهایی گنجانده شد. این تغییر نهتنها به بهبود کیفیت هوا و کاهش آلودگی کمک کرد، بلکه فرصتهای بیشتری برای تعامل اجتماعی و فعالیتهای تفریحی شهروندان فراهم آورد.
شاخصهای کلی کیفیت زندگی نیز در محلههای پرتراکم نیویورک بهبود یافت. کاهش سطح سروصدا، دسترسی بهتر به خدمات عمومی و ایجاد فضاهای باز جدید از جمله عواملی بودند که در مجموع تجربه زیست شهری را ارتقا دادند. این تغییرات نشان دادند که ترکیب هوش مصنوعی و قضاوت انسانی میتواند به راهحلهایی منجر شود که هم کارآمد و هم انسانی باشند.
از نظر زمانبندی نیز پروژه دستاورد قابلتوجهی داشت. زمان لازم برای طراحی چیدمان ساختمانها تا حدود ۳۵ درصد کاهش یافت، زیرا هوش مصنوعی توانست در مدت کوتاهی گزینههای متنوعی تولید کند و طراحان انسانی فقط وظیفه اصلاح و تکمیل آنها را بر عهده داشتند. این کاهش زمان موجب شد تصمیمگیریهای شهری سریعتر انجام شود و پروژهها با هزینه کمتر و کارایی بیشتر پیش بروند. تجربه نیویورک نشان داد که چهارچوب انسان در حلقه میتواند راهحلی عملی برای مدیریت تراکم شهری باشد که علاوهبر بهبود کیفیت زندگی، به کاهش هزینههای زیرساختی نیز منجر میشود.
تحلیلهای غوطهور: درک بهتر دادههای پیچیده شهری
یکی دیگر از راهبردهای نوین در طراحی شهری، استفاده از تحلیلهای غوطهور (Immersive Analytics) است. این روش دادههای پیچیده شهری را در محیطهای سهبعدی و تعاملی نمایش میدهد. تصمیمگیرندگان میتوانند الگوهای تراکم جمعیت، جریانهای حملونقل و مصرف منابع را بهصورت بصری مشاهده کنند. نمایش سهبعدی موجب میشود دادههای آماری خشک به تجربهای ملموس و قابل درک تبدیل شوند. مدیران شهری میتوانند اثرات تصمیمات خود را پیش از اجرا مشاهده کنند و شهروندان نیز با دیدن نتایج بصری، بیشتر در فرایند تصمیمگیری مشارکت کنند.
ترکیب هوش مصنوعی مولد با تحلیلهای غوطهور میتواند آینده طراحی شهری را متحول کند. در این چرخه، هوش مصنوعی طرحهای اولیه را تولید میکند، تحلیلهای غوطهور این طرحها را در محیط سهبعدی نمایش میدهند و انسانها بازبینی و اصلاح را انجام میدهند. این فرایند موجب میشود طراحی شهری سریعتر، دقیقتر و مشارکتیتر باشد. شهروندان میتوانند تغییرات پیشنهادی را بهصورت بصری مشاهده کنند و نظر خود را بیان کنند، در حالی که مدیران شهری از دادههای دقیق برای تصمیمگیری بهره میبرند.
استفاده از فناوریهای نوین در مدیریت و طراحی شهری هرچند فرصتهای بزرگی ایجاد میکند، اما خالی از چالش نیست. یکی از مهمترین دغدغهها، مسائل اخلاقی و حفظ حریم خصوصی شهروندان است؛ چراکه حجم عظیمی از دادههای فردی و اجتماعی در این فرایندها به کار گرفته میشود و کوچکترین بیدقتی میتواند اعتماد عمومی را خدشهدار کند.
از سوی دیگر، وابستگی بیش از حد به فناوری میتواند مشکلساز شود، زیرا اجرای موفق این سیستمها نیازمند زیرساختهای قدرتمند و پایدار است که در بسیاری از شهرها هنوز بهطور کامل فراهم نشدهاند. علاوه بر این، ورود ابزارهای پیشرفته هوش مصنوعی به عرصه طراحی شهری مستلزم آن است که طراحان، مهندسان و مدیران شهری آموزشهای لازم را دریافت کنند تا بتوانند از این فناوریها بهدرستی بهره ببرند. در غیر این صورت، شکاف میان تواناییهای فناوری و مهارتهای انسانی افزایش پیدا میکند و کارایی پروژهها کاهش خواهد یافت. توجه به این چالشها شرط اساسی موفقیت در آینده شهرهای هوشمند است.
نظر شما