به گزارش خبرگزاری ایمنا، هوش مصنوعی دیگر تنها ابزاری برای پاسخگویی به پرسشها یا تولید محتوا نیست؛ این فناوری بهتدریج در حال ورود به لایههای عمیق مدیریت شهری است؛ جایی که الگوریتمها میتوانند ترافیک را پیشبینی کنند، مصرف انرژی ساختمانها را تحلیل کنند، زمانبندی چراغهای راهنمایی را تغییر دهند، نقاط پرخطر شهر را شناسایی کنند و حتی در اولویتبندی پروژههای شهری به مدیران پیشنهاد ارائه دهند.
این تحول، پرسش مهمی را پیشروی شهرها قرار داده است؛ اگر بخشی از تصمیمهای شهری را الگوریتمها بگیرند، مرز میان «مدیریت انسانی» و «مدیریت ماشینی» کجاست؟
در گذشته، مدیریت شهر بیشتر بر تجربه مدیران، گزارشهای کارشناسی و دادههای دورهای متکی بود، اما شهر امروز مجموعهای عظیم از دادههای لحظهای تولید میکند. دوربینهای ترافیکی، حسگرهای محیطی، سامانههای حملونقل، کنتورهای هوشمند، اپلیکیشنهای شهری و حتی الگوهای جابهجایی شهروندان، تصویری در حال تغییر از شهر ایجاد میکنند.
هوش مصنوعی میتواند این حجم از داده را در زمانی بسیار کوتاه پردازش و از دل آن الگوهایی استخراج کند که برای انسان بهتنهایی قابل مشاهده نیست.
از مدیریت شهر به پیشبینی شهر
مهمترین تفاوت هوش مصنوعی با بسیاری از سامانههای سنتی مدیریت شهری، توانایی آن در پیشبینی است. یک سامانه معمولی ممکن است نشان دهد که در یک خیابان ترافیک ایجاد شده است، اما یک مدل هوش مصنوعی میتواند با ترکیب اطلاعات مربوط به ساعت، آبوهوا، مناسبتها، سابقه تردد و وضعیت سایر معابر، احتمال شکلگیری ترافیک را پیشبینی کند.
همین منطق را میتوان در حوزههای مختلف به کار گرفت، در مدیریت پسماند، سیستم هوشمند میتواند بر اساس میزان تولید زباله، روزهای هفته و الگوی مصرف، زمان مناسب جمعآوری را تعیین کند.
در شبکه آب، الگوریتمها میتوانند تغییرات غیرعادی در مصرف را شناسایی کنند و احتمال نشتی را پیش از تبدیل شدن به بحران هشدار دهند؛ در حوزه انرژی نیز دادههای مصرف میتوانند برای پیشبینی بار شبکه و مدیریت مصرف مورد استفاده قرار گیرند.
شهر هوشمند آینده، شهری نیست که تنها تعداد بیشتری دوربین و حسگر داشته باشد؛ شهر هوشمند شهری است که بتواند از دادههای خود برای پیشبینی و پیشگیری استفاده کند.
شهردار نامرئی چگونه کار میکند؟
تصور کنیم یک سامانه هوش مصنوعی در مرکز مدیریت شهری قرار دارد، این سامانه در طول شبانهروز اطلاعات صدها منبع را دریافت میکند؛ از وضعیت ترافیک و آلودگی هوا گرفته تا مصرف انرژی، میزان بارندگی، وضعیت شبکه حملونقل و گزارشهای شهروندی.
الگوریتم پس از تحلیل این دادهها میتواند به مدیر شهری بگوید کدام خیابان در ساعات آینده با افزایش ترافیک روبهرو خواهد شد، کدام منطقه ممکن است با آبگرفتگی روبهرو شود، کدام ایستگاه حملونقل عمومی نیاز به تقویت ناوگان دارد و کدام بخش از شبکه زیرساختی احتمال خرابی بیشتری دارد.
در این مدل، هوش مصنوعی پشت میز شهردار نمینشیند و فرمان صادر نمیکند؛ بلکه در لایهای نامرئی از تصمیمسازی حضور دارد و به همین دلیل میتوان از آن به عنوان «شهردار نامرئی» یاد کرد، سامانهای که ممکن است به طور مستقیم تصمیم نگیرد، اما پیشنهادها و پیشبینیهای آن بر تصمیمهای مدیران اثر بگذارد.
یکی از بزرگترین مشکلات مدیریت سنتی شهر، واکنشی بودن آن است. بسیاری از اقدامات زمانی انجام میشود که مشکل رخ داده است؛ وقتی خیابان قفل شده، لوله شکسته، آلودگی افزایش پیدا کرده یا وقتی که یک زیرساخت شهری دچار خرابی شده است؛ هوش مصنوعی میتواند این الگو را تغییر دهد.
اگر سامانهای بتواند بر اساس دادههای گذشته و لحظهای، احتمال وقوع یک رخداد را پیشبینی کند، مدیریت شهری میتواند قبل از وقوع بحران وارد عمل شود. این تغییر از «واکنش» به «پیشگیری» شاید یکی از مهمترین اثرات هوش مصنوعی بر حکمرانی شهری باشد.
برای مثال، در مدیریت سیلاب شهری، ترکیب دادههای بارش، شیب زمین، ظرفیت شبکه دفع آب و سابقه آبگرفتگی میتواند نقشهای از مناطق پرخطر ایجاد کند، در چنین شرایطی مدیریت شهری به جای اینکه بعد از بارش شدید به دنبال نقاط بحرانی باشد، میتواند پیش از وقوع بارندگی شدید نیرو و تجهیزات را در نقاط حساس مستقر کند.
آیا الگوریتمها میتوانند بودجه شهر را هم پیشنهاد دهند؟
موضوع زمانی جدیتر میشود که هوش مصنوعی از مدیریت عملیات روزمره عبور کند و وارد تصمیمهای راهبردی شود؛ فرض کنیم یک شهر با منابع مالی محدود، دهها پروژه عمرانی نیمهتمام و تعداد زیادی درخواست شهروندی روبهرو است؛ کدام پروژه باید در اولویت قرار گیرد؟
یک الگوریتم میتواند عواملی همچون تعداد جمعیت بهرهمند، هزینه اجرای پروژه، میزان کاهش زمان سفر، اثرات زیستمحیطی، وضعیت اجتماعی محله و بازده اقتصادی را همزمان تحلیل کند و اولویتهای پیشنهادی ارائه دهد.
اما همینجا یک پرسش اساسی مطرح میشود «آیا هر چیزی که قابل اندازهگیری است، باید مبنای تصمیمگیری قرار گیرد؟»
ممکن است یک پروژه در محلهای کمبرخوردار از نظر اقتصادی بازده زیادی نداشته باشد، اما از منظر عدالت اجتماعی اهمیت بالایی داشته باشد. اگر الگوریتم تنها بر اساس شاخصهای اقتصادی تصمیم بگیرد، احتمال دارد شکاف میان مناطق برخوردار و کمبرخوردار بیشتر شود، بنابراین هوش مصنوعی میتواند «تصمیم بهتر» پیشنهاد کند، اما اینکه «چه چیزی تصمیم بهتر است» همچنان یک انتخاب انسانی و سیاسی است.
خطر شهرِ الگوریتمی
ورود هوش مصنوعی به مدیریت شهری یک داستان فناوری نیست، این تحول با مسئله حریم خصوصی، شفافیت و عدالت نیز گره خورده است. هرچه تصمیمگیری شهری بیشتر به داده وابسته شود، اهمیت دادههای شهروندان نیز افزایش پیدا میکند.
اطلاعات مکانی، الگوهای رفتوآمد، استفاده از خدمات عمومی و رفتارهای روزمره میتوانند برای بهبود مدیریت شهر مفید باشند، اما همین دادهها اگر بدون چارچوب مشخص جمعآوری یا استفاده شود، میتوانند به نقض حریم خصوصی منجر شوند.
مسئله دیگر، سوگیری الگوریتمی است. هوش مصنوعی بر اساس دادههایی آموزش میبیند که ممکن است خودشان دارای خطا یا سوگیری باشند، اگر دادههای یک سامانه شهری از مناطق برخوردار جمعآوری شده باشد، مدل ممکن است نیازهای مناطق کمبرخوردار را کمتر ببیند، به عبارت دیگر الگوریتم تنها بیطرف نیست؛ الگوریتم میتواند سوگیریهای موجود در داده را بازتولید کند.
شهروند؛ کاربر یا صاحب شهر؟
یکی از بحثهای مهم در حکمرانی دیجیتال این است که شهروند نباید تنها به یک «داده» تبدیل شود، اگر هوش مصنوعی بداند شهروندان چه زمانی سفر میکنند، کجا خرید میکنند، از چه خدماتی استفاده میکنند و در چه مناطقی حضور دارند، این اطلاعات میتواند برای برنامهریزی شهری بسیار ارزشمند باشد. اما شهروند باید بداند چه دادهای از او جمعآوری میشود، چرا جمعآوری میشود و چه کسی به آن دسترسی دارد.
در غیر این صورت، شهر هوشمند ممکن است به شهری تبدیل شود که در آن همهچیز قابل اندازهگیری است اما شهروندان احساس کنترل شدن دارند و به همین دلیل، آینده شهر هوشمند بیش از آنکه به تعداد حسگرها وابسته باشد، به اعتماد عمومی وابسته خواهد بود.
شهر را قبل از تصمیمگیری آزمایش کنیم
یکی از فناوریهایی که میتواند نقش هوش مصنوعی را در مدیریت شهری پررنگتر کند، «دوقلوی دیجیتال» یا Digital Twin است، در این مدل یک نسخه دیجیتال و پویا از شهر ساخته میشود که اطلاعات مربوط به ساختمانها، خیابانها، شبکه حملونقل، زیرساختها و سایر عناصر شهری را در خود جای میدهد.
مدیران شهری میتوانند قبل از اجرای یک پروژه، اثرات احتمالی آن را در مدل دیجیتال شبیهسازی کنند، به عنوان مثال اگر قرار باشد یک خیابان به پیادهراه تبدیل شود، میتوان سناریوهای مختلف را پیش از اجرای پروژه بررسی کرد؛ ترافیک چه تغییری میکند؟ کدام مسیرها تحت فشار قرار میگیرند؟ کسبوکارهای اطراف چه اثری میپذیرند و دسترسی شهروندان چگونه تغییر میکند؟
در چنین شرایطی، شهر به یک آزمایشگاه زنده تبدیل میشود و تصمیمگیران میتوانند بخشی از خطاهای احتمالی را قبل از اجرای واقعی پروژه شناسایی کنند.
ایران آماده ورود به این مرحله است؟
برای شهرهای ایران، استفاده از هوش مصنوعی در مدیریت شهری میتواند فرصت قابل توجهی باشد، اما مسیر آن از خرید فناوریهای گرانقیمت آغاز نمیشود. اولین مسئله داده باکیفیت است، اگر اطلاعات شهری ناقص، پراکنده یا ناسازگار باشند، پیشرفتهترین الگوریتمها نیز نمیتوانند خروجی قابل اتکایی ارائه دهند.
مسئله دوم، اتصال سامانههای مختلف است؛ اطلاعات حملونقل، شهرسازی، خدمات شهری، محیط زیست و مدیریت بحران نباید در جزیرههای جداگانه باقی بمانند. مسئله سوم نیروی انسانی است.
شهر هوشمند تنها به برنامهنویس نیاز ندارد؛ متخصص شهرسازی، حملونقل، معماری، محیط زیست، اقتصاد شهری و حقوق نیز باید در طراحی و نظارت بر سامانههای هوشمند حضور داشته باشند و در نهایت، شهرها به چارچوب مشخصی برای حاکمیت داده و استفاده مسئولانه از هوش مصنوعی نیاز دارند.
هوش مصنوعی جای شهردار را نمیگیرد
با وجود تمام این تحولات، بعید است هوش مصنوعی در آینده قابل پیشبینی جای شهردار یا مدیر شهری را بگیرد، چراکه شهر تنها مجموعهای از اعداد و دادهها نیست و تصمیم درباره ساخت یک پارک در یک محله، توسعه یک خیابان، حفظ یک بافت تاریخی یا اختصاص بودجه به یک منطقه، علاوه بر داده به ارزشهای اجتماعی، فرهنگ، عدالت، هویت و ترجیحات شهروندان وابسته است.
مدل واقعبینانهتر آینده، نه «شهردار هوش مصنوعی»، بلکه شهرداری انسانمحور با دستیار الگوریتمی قدرتمند است، در این مدل هوش مصنوعی دادهها را جمعآوری و تحلیل میکند، سناریو میسازد، پیامدها را پیشبینی میکند و گزینههای مختلف را در اختیار مدیران قرار میدهد، اما تصمیم نهایی همچنان باید در اختیار انسان باقی بماند.
آینده مدیریت شهری؛ از مدیر واکنشی تا شهر پیشبین
شهرهای آینده بیش از آنکه «هوشمند» به معنای استفاده گسترده از فناوری باشند، پیشبین خواهند بود. شهری که قبل از تشکیل ترافیک آن را پیشبینی کند؛ قبل از ترکیدن لوله، احتمال خرابی را تشخیص دهد؛ قبل از وقوع آبگرفتگی، نقاط پرخطر را شناسایی کند؛ قبل از افزایش شدید مصرف انرژی، الگوی مصرف را اصلاح کند و قبل از اجرای یک پروژه، پیامدهای آن را در یک مدل دیجیتال آزمایش کند.
این همان جایی است که هوش مصنوعی میتواند به «شهردار نامرئی» تبدیل شود، اما کیفیت این شهردار نامرئی به یک اصل بستگی دارد « هرچه قدرت الگوریتمها بیشتر میشود، نظارت انسانی، شفافیت و پاسخگویی نیز باید بیشتر شود.»
آینده شهر هوشمند، شهری نیست که انسان را از تصمیمگیری کنار بگذارد؛ شهری است که انسان بتواند با کمک داده و هوش مصنوعی، تصمیمهای دقیقتر، سریعتر و عادلانهتری بگیرد.
چالش اصلی شهرهای آینده نه این خواهد بود که «چگونه هوش مصنوعی را وارد شهر کنیم»، بلکه این است که چگونه اجازه ندهیم شهر را بدون پاسخگویی اداره کند.
نظر شما