به گزارش سرویس ترجمه خبرگزاری ایمنا، شهرهای جهان امروز با دو بحران همزمان دستوپنجه نرم میکنند. از یک سو، رشد سریع شهرنشینی و تشدید پدیده جزیره گرمایی شهری دمای شهرها را به میزان خطرناکی افزایش داده است؛ پدیدهای که در آن مناطق شهری بهدلیل کاهش پوشش گیاهی، گستردگی سطوح نفوذناپذیر همچون آسفالت و بتن، تراکم بالای ساختمانها و انتشار گرمای ناشی از فعالیتهای انسانی، بهطور قابلتوجهی گرمتر از نواحی روستایی اطراف خود میشوند. این پدیده پیامدهای گستردهای ازجمله افزایش مصرف انرژی برای سرمایش، تشدید ناراحتی حرارتی در فضای باز، افزایش مرگومیر ناشی از گرما و کاهش کیفیت زندگی شهری دارد.
رویدادهای گرمایی شدید در سالهای اخیر ابعاد فاجعهبار این معضل را آشکار کردهاند؛ موج گرمای اروپا در سال ۲۰۰۳ بیش از ۴۰ هزار قربانی گرفت تا نشان دهد که گرمای شهری نهتنها یک مسئله محیط زیستی، بلکه یک بحران فوری سلامت عمومی است. از سوی دیگر، ورود هوش مصنوعی به عرصه برنامهریزی شهری این پرسش بنیادین را پیش کشیده که آیا این فناوری تنها ابزاری برای کنترل و نظارت خواهد بود یا میتواند زمینهساز همزیستی هوشمندانه و انسانی شهروندان با محیط پیرامونشان شود. در چنین شرایطی، بازسازی شهرها و رویارویی هوشمندانه با گرمای شهری به یکی از اولویتهای اصلی سیاستگذاران شهری در سراسر جهان تبدیل شده است.
شهر نظارتی در برابر شهر یادگیرنده
هوش مصنوعی در مدیریت شهری امروزه در مرز باریکی میان خدمت و نظارت حرکت میکند. از یک سو، الگوی «شهر نظارتی» قرار دارد که در آن هوش مصنوعی به چشم ابزاری برای کنترل همهجانبه فضاهای شهری دیده میشود. دوربینهای پیشرفته، الگوریتمهای بازشناسی چهره، سامانههای ردیابی و تحلیلگرهای رفتاری، تصویری از شهر را ترسیم میکنند که در آن هر حرکت، هر توقف و هر تعامل قابل ضبط و تحلیل است.
سنگاپور بارزترین نمونه از این رویکرد را ارائه میدهد. این دولتشهر شبکه گستردهای از دوربینها را مستقر کرده که دادههای بلادرنگ را به سامانههای یادگیری ماشین تغذیه میکنند تا تراکم جمعیت را پایش، نیازهای تعمیراتی را پیشبینی و تهدیدهای امنیتی را شناسایی کنند. این الگوریتمها نهتنها اجسام متحرک را تشخیص میدهند، بلکه قادر به بازشناسی افراد، ردیابی آنها در میان دوربینهای متعدد و ساختن پروفایل رفتاری در طول زمان هستند. شهروندان در ازای خدمات قابل اعتماد و زیرساختهای خوب نگهداری شده، نظارت دائمی بر رفتار خود را میپذیرند. این الگو با چالشهای اخلاقی جدی روبهروست، از جمله اینکه الگوریتمها بر اساس دادههایی آموزش دیدهاند که ممکن است در زمینه جدید تفسیرهای نادرستی از هنجارهای فرهنگی به دست دهند.
در سوی دیگر طیف، مفهوم «شهر یادگیرنده» قرار دارد. در این الگو، هوش مصنوعی نقش متفاوتی ایفا میکند و نه بهعنوان چشمی که ناظر است، بلکه بهعنوان مغزی ظاهر میشود که همراه با شهروندان میآموزد. تمایز بنیادین میان این دو رویکرد در رابطه میان هوش مصنوعی و شهروندان است. در شهر نظارتی، داده از شهروندان گرفته میشود تا الگوریتم بتواند آنان را پیشبینی و کنترل کند. در شهر یادگیرنده، داده همراه با شهروندان از طریق حسگرهای مشارکتی، برنامههای شهروندمحور و سکوهای همآفرینی تولید میشود تا الگوریتم بتواند به شهروندان در تصمیمگیری آگاهانه کمک کند. آمستردام نمونه جالبی از پیادهسازی عملی این اصول را ارائه میدهد. این شهر با راهاندازی «آزمایشگاه اجتماعی هوش مصنوعی»، فضایی باز و خلاق ایجاد کرده که در آن شهروندان، پژوهشگران، طراحان و سیاستگذاران با هم روی توسعه کاربردهای هوش مصنوعی منصفانه، قابل فهم و پاسخگو در حوزه سلامت عمومی، رفاه اجتماعی و مدیریت شهری همکاری میکنند.
کاربردهای هوش مصنوعی در مقابله با گرمای شهری
در سالهای اخیر، حجم چشمگیری از پژوهشهای علمی به کاربرد روشهای یادگیری ماشین در شناسایی، پیشبینی و کاهش اثرات جزیره گرمایی شهری اختصاص پیدا کرده است. یکی از پیشرفتهترین کاربردها، فناوری دوقلوی دیجیتال است که نسخه مجازی و پویایی از شهر واقعی میسازد و با دادههای لحظهای بهروز میشود. پروژه UrbanAIR در بریتانیا یک دوقلوی دیجیتال پیشرفته است که بهطور ویژه برای مدیریت دو معضل بههم پیوسته گرمای اتمسفری و کیفیت هوا طراحی شده است. این دوقلو با پوشش طیف کاملی از مقیاسهای منطقهای تا سطح محله، به تصمیمگیران شهری ابزارهای حیاتی برای تطبیق با اقلیم ارائه میدهد.
سنگاپور نیز با توسعه دوقلوی اقلیمی شهری گامی بلند در این مسیر برداشته است؛ این مدل دیجیتال، دادههای محیط زیستی، کاربری زمین، حملونقل و اقلیم را در مقیاسهای منطقهای و محلی یکپارچه میکند. در برزیل نیز پژوهشگران در شهر فلوریانوپولیس از بستر دوقلوی دیجیتال برای کاهش اثرات جزیره گرمایی شهری استفاده کردهاند و نشان دادهاند که سامانهداری هوشمند میتواند شاخصهای هدفمندی برای معکوسسازی اثرات جزیره گرمایی توسعه دهد.
یکی دیگر از کاربردهای مستقیم و حیاتی هوش مصنوعی، پیشبینی امواج گرمای شدید و مرگبار پیش از وقوع آنهاست. تیم پژوهشی از دانشگاههای جورجیا تک، بوستون و سویا سامانه DeepTherm را توسعه دادهاند؛ یک سامانه هشدار زودهنگام مدولار بر پایه یادگیری که میتواند گرمای مرگبار را حتی بدون دسترسی به سابقه مرگومیر ناشی از گرما پیشبینی کند. ارزیابی DeepTherm روی دادههای واقعی اسپانیا نشان داده است که این سامانه عملکردی پایدار، نیرومند و دقیق در مناطق گوناگون دارد و امکان تنظیم تعادل بین هشدارهای خطا و هشدارهای از دست رفته را نیز فراهم میکند.
با این حال هشدار بهتنهایی کافی نیست؛ باید «سامانه پاسخ» نیز طراحی شود. تجربه پکن با سامانه هشدار زودهنگام چندمخاطره MAZU-Urban نشان میدهد که هوش مصنوعی میتواند بستری ابری و منبعباز فراهم کند که نهادهای مختلف (شهرداری، هلال احمر، وزارت بهداشت، سازمان هواشناسی و سایرین) را برای پاسخ هماهنگ پای کار آورد.
شناخت دقیق الگوهای دمایی در سطح شهر، نخستین گام برای طراحی راهبردهای مؤثر کاهش گرماست. در این زمینه، هند یکی از پیشروترین کشورهاست. سازمان غیرانتفاعی SEEDS با همکاری مایکروسافت مدل هوش مصنوعی Sunny Lives را توسعه داده است که خطر گرمای داخلی ساختمانها را بر اساس نوع پوشش سقف و مصالح ساختمانی ارزیابی میکند. این مدل با ترکیب دادههای ماهوارهای و الگوهای شناساییشده از شرایط واقعی خانهها در سکونتگاههای کمدرآمد دهلی نو، میتواند خطر گرمای داخلی را برای هر ساختمان بهطور جداگانه حتی بدون نصب حسگر در آن مکان تخمین بزند. استرالیا نیز تجربههای ارزشمندی در این زمینه دارد؛ شرکت مهندسی Arup از ابزار دیجیتال UHeat که از هوش مصنوعی و تصاویر ماهوارهای بهره میبرد، برای تحلیل نقاط داغ مراکز شهر ملبورن و بریزبن استفاده کرده است. این ابزار میتواند مکانهایی را شناسایی کند که در آن شکل شهری گرما را تشدید میکنند، سپس راهکارهایی برای کاهش اثر نقاط داغ الگوسازی کند.
یکی از مؤثرترین راهبردهای کاهش گرمای شهری، گسترش زیرساختهای سبز از درختان خیابانی تا بامهای سبز و سطوح خنک است، اما چالش بزرگ، انتخاب مکانهای بهینه برای اجرای این راهکارها با توجه به محدودیت بودجه و فضای شهری محسوب میشود. هوش مصنوعی در اینجا نیز راهگشا شده است. پژوهشگران چارچوبی بر پایه یادگیری برای بهینهسازی فضایی اجرای بامهای سبز و خنک توسعه دادهاند. در این میان، پژوهشی که در نشریه لانست منتشر شده است نشان میدهد که افزایش پوشش درختی شهرهای اروپایی به ۳۰ درصد میتوانست از بیش از ۲۶۰۰ مرگ اضافی در جریان موج گرما جلوگیری کند.
چالشها و هشدارها: عدالت اقلیمی و سوگیری دادهای
کاربردهای هوش مصنوعی در مدیریت گرمای شهری برخلاف تمام مزایا، با چالشهای جدی روبهروست. یک بررسی جامع در سال ۲۰۲۶ شش دسته مانع اصلی را شناسایی کرده است:
- محدودیتهای فنی و معماری
- خطاهای مدل و نبود قطعیت شناختی
- موانع مرتبط با داده از جمله کیفیت و سوگیریها
- هزینههای محاسباتی و زیستمحیطی
- نگرانیهای اخلاقی و اجتماعی
از میان این چالشها، شاید مهمترین آنها مسئله عدالت اقلیمی باشد. اگر دادههای مورد استفاده برای آموزش الگوریتمها از محلههای پردرآمد و دارای زیرساختهای حسگری بهتر گردآوری شده باشد، مدل حاصل بهطور خودکار محلههای کمدرآمد را در اولویتبندی خدمات کاهش گرما نادیده خواهد گرفت. پژوهشگران هشدار میدهند که سوگیری در دادههای آموزشی میتواند نابرابری اجتماعی را عمیقتر کند. در پاسخ به این چالش، چارچوب «دوقلوی دیجیتال پاسخگو به مخاطره» ارائه شده است که با ترکیب مدلسازی شبکه عصبی بر پایه فیزیک و تحلیل ریسک آگاه از عدالت، بهطور ویژه خوشههای با آسیبپذیری بالا همچون مدارس، درمانگاهها و مسکنهای کمدرآمد را شناسایی میکند.
آینده پیش رو: دو سناریوی متضاد
با نگاهی به آینده، دو سناریوی متضاد برای شهرهایی قابل تصور است که از هوش مصنوعی در بازسازی خود استفاده میکنند. در سناریوی نخست (شهر نظارتی)، هوش مصنوعی به ابزاری برای کنترل همهجانبه فضاهای شهری تبدیل میشود. کارایی و ایمنی افزایش پیدا میکند، اما به بهای از دست رفتن حریم خصوصی، تمرکز قدرت و حذف شهروندان از فرایندهای تصمیمگیری است. در این سناریو، شهر انسانگونه میشود (کارآمد، قابل پیشبینی و کنترلشده)، اما انسانی نمیماند. در سناریوی دوم (شهر یادگیرنده)، هوش مصنوعی در خدمت توانمندسازی شهروندان و یادگیری جمعی قرار میگیرد. دادهها به جای آنکه از شهروندان گرفته شوند، با آنها تولید میشوند. الگوریتمها شفاف هستند، قابلیت اعتراض دارند و تحت نظارت انسانی عمل میکنند.
شهروندان نه اهداف بهینهسازی الگوریتمی، بلکه همکاران هوش مصنوعی در ساختن شهری تابآورتر، عادلانهتر و انسانیتر هستند. آنچه پژوهشهای اخیر بهوضوح نشان میدهد این است که هوش مصنوعی به سوی هیچ یک از این دو سناریو سوق ندارد و یک فناوری خنثی است، این نحوه طراحی، پیادهسازی و حکمرانی آن است که تعیین میکند شهرهای هوشمند آینده به بهشتهایی نظارتی تبدیل میشوند یا به زیستبومهایی از یادگیری و همزیستی. ابتکاراتی همچون آزمایشگاه اجتماعی هوش مصنوعی در آمستردام و برنامههای همکاری اروپایی برای تلفیق هوش مصنوعی اخلاقی و سبز در راهبردهای شهری، نمونههایی از حرکت در این مسیر هستند. پکن نیز رویکرد شهروندمحور را با راهاندازی سامانه هشدار زودهنگام چندمخاطره دنبال میکند که هوش مصنوعی را با بستر ابری و مدلهای منبعباز ترکیب کرده است.
نظر شما