A mesterséges intelligencia képes azonosítani a városok hanyatlását és a társadalmi egyenlőtlenségeket a városokban.
A vidéki területekről a városokba történő növekvő népességeltolódás a városok és községek növekedését eredményezi, ezt a folyamatot nevezzük urbanizációnak. Ez a fejlődés azonban megterhelheti a városi infrastruktúrát, például a közlekedést, a lakhatást, a szennyvízelvezetést és a közműveket, ami a városok hanyatlásához vezethet.
A városi hanyatlás gyakran az épületek és az infrastruktúra romlásában nyilvánul meg. Ez magában foglalhatja az üres és elhagyott épületeket, az omladozó vagy elhanyagolt infrastruktúrát és a karbantartás hiányát. Ez olyan társadalmi problémákhoz is vezethet, mint a burjánzó egyenlőtlenség és szegénység.
Megfelelő tervezés és korai beavatkozás
A városromlás elkerülése érdekében megfelelő tervezésre és korai beavatkozásra van szükség. A városok növekedésével a fenntartható fejlesztési projektek és az emberi jólét egyre inkább a városi fizikai környezet minőségétől függ majd – állítják a Stanford Egyetem és a Notre Dame Egyetem tudósai, akik egy új mesterséges intelligenciaprogramot fejlesztettek ki, amely képes a városi hanyatlás korai felismerésére.
„Ahogy a világ urbanizálódik, a várostervezőknek és a politikai döntéshozóknak gondoskodniuk kell arról, hogy a várostervezés és a politika megfelelően kezelje az olyan kritikus kérdéseket, mint az infrastruktúra és a közlekedés fejlesztése, a szegénység, a városlakók egészsége és biztonsága, valamint a városokon belüli és a városok közötti növekvő egyenlőtlenség”,
mondta Yong Suk Lee, a Notre Dame-i Egyetem Keough School of Global Affairs technológiai, gazdasági és globális ügyekért felelős docense. Hozzátette, hogy az új gépi tanulási modell segítségével a szakemberek jobban megérthetik a városi tér romlását és annak jelentőségét a jövőbeli tervezésben, mivel az eszköz segítségével azonosítani lehet a városrészek fejlődési mintáit és a városi egyenlőtlenségeket.
A YOLOv5 modellt, amely egyfajta mesterséges intelligencia, képes a tárgyak azonosítására, nyolc objektumosztály – például kátyúk, graffiti, szemét, sátrak, rácsos vagy betört ablakok, elszíneződött vagy romos homlokzatok, gyomok és közműjelzések – értékelésére használták, amelyek a városi pusztulást jelzik. A tanulmányban három várost elemeztek: South Bend, Indiana, Mexikóváros és San Francisco.
Sűrűbb népesség
A kutatók felfedezték, hogy a betanított modell különösen jól teljesített a sűrűbben lakott területeken, és képes volt megtalálni a keresett dolgokat a különböző városokban és városrészekben.
A modell hasznos és időszerű eszköz lehet az állami és nem kormányzati szervezetek számára. Olyan adatok felhasználásával nyújthat értékes információkat, amelyek hatékonyabban és pontosabban szerezhetők be, mint az urbanizáció értékelésére használt hagyományos szabványos adatok.
A múltban a városi minőség és a városi életminőség mérésére olyan szociodemográfiai és gazdasági tényezőket használtak, mint a jövedelem és a bűnözési ráta, felmérési adatokat arról, hogy a városlakók mit értékelnek és mit érzékelnek városi környezetük részeként, valamint a városi területet és annak társadalmi-gazdasági jellemzőit ábrázoló képi adatkészleteket.
„Eredményeink azt mutatják, hogy a miénkhez hasonló képzett modellek képesek a különböző városrészekben és városokban a hanyatlás előfordulásának kimutatására, kiemelve e megközelítés skálázhatóságának lehetőségét annak érdekében, hogy a városi minőséget és változást nyomon lehessen követni az Egyesült Államok és más országok olyan városainak városi központjaiban, ahol utcaképek állnak rendelkezésre”,
mondta Lee.
A mesterséges intelligencia által nyújtott technológiának azonban árnyoldala is lehet: az OpenAI kifejezetten az emberiségre szabadítható katasztrófákra koncentráló csapatot alakított az esetleges MI-támadások kivédésére.
