Δεν είναι μυστικό ότι η τεχνητή νοημοσύνη και η τεχνολογία αναπτύσσονται γρήγορα τον τελευταίο καιρό, με εφαρμογές όπως το CAPTCHA που εμποδίζουν τα bots να έχουν πρόσβαση σε ιστότοπους, θερμοστάτες που προσαρμόζονται στα καθημερινά μας προγράμματα ή ακόμα και αλγόριθμους που θα μπορούσαν να επιλέξουν πιθανούς προορισμούς διακοπών για εμάς.
Τι θα γινόταν όμως αν η μηχανική μάθηση μπορούσε να χρησιμοποιηθεί πέρα από εξειδικευμένα ή μεμονωμένα πλαίσια; Πηγαίνοντας την τεχνητή νοημοσύνη ένα βήμα παραπέρα και η εφαρμογή της στις πόλεις και τις υποδομές μας έχει τη δυνατότητα να βελτιώσει την αποδοτικότητα λειτουργίας, να βοηθήσει τις προσπάθειες βιωσιμότητας, τον αστικό σχεδιασμό και πολλά άλλα. Παρακάτω, θα διερευνήσουμε μερικούς από τους τρόπους με τους οποίους μπορεί να χρησιμοποιηθεί η μηχανική εκμάθηση για τη βελτίωση των πόλεων μας και για να γίνουν πιο έξυπνες συνολικά.
Χρήση τεχνητής νοημοσύνης για να ληφθούν υπόψη τα αποτυπώματα άνθρακα
Συχνά, θα ακούμε από διάφορες μορφές μέσων ενημέρωσης ότι θα πρέπει να στοχεύουμε στη μείωση του ατομικού και συλλογικού μας αποτυπώματος άνθρακα – ωστόσο, πώς μπορούν οι πόλεις και οι οργανισμοί να υπολογίσουν με ακρίβεια τη συμβολή τους στις εκπομπές άνθρακα; Συνολικά, το αποτύπωμα άνθρακα μπορεί να αναλυθεί σε τρεις κατηγορίες – άμεσες εκπομπές από τον οργανισμό ή τις λειτουργίες της πόλης (εκπομπές πεδίου 1), εκπομπές που σχετίζονται με την παραγωγή ηλεκτρικής ενέργειας που απαιτείται για τη λειτουργία της πόλης (εκπομπές πεδίου 2) και εκπομπές από την κατανάλωση και παραγωγή προϊόντος πόλης (εκπομπές πεδίου 3), στα οποία συμμετέχουν προμηθευτές ανάντη και καταναλωτές κατάντη (π.χ. κάτοικοι της πόλης)1.
Ενώ η απόκτηση και η επεξεργασία δεδομένων είναι μια πρόκληση, πολλές νεοσύστατες εταιρείες αναπτύσσουν εργαλεία που όχι μόνο θα ποσοτικοποιήσουν τις εκπομπές αλλά και θα βοηθήσουν στην ανάπτυξη σχεδίων (βάσει δεδομένων) σχετικά με τον τρόπο μείωσης των εκπομπών, όπως μέσω της δημιουργίας πιο βιώσιμων και ενημερωμένων αποφάσεων ή μέσω της μετάβασης σε βιώσιμες ανανεώσιμες πηγές ενέργειας. Πολλές εταιρείες χρησιμοποιούν πλατφόρμες όπως το Spark 3.0 για να βοηθήσει στην επεξεργασία δεδομένων, αλλά εξακολουθεί να αποδεικνύεται πρόκληση.
Μια συγκεκριμένη εταιρεία, η Watershed, ελπίζει να καταφέρει να κατασκευάσει ένα εργαλείο στο οποίο τα ακατέργαστα δεδομένα μπορούν να αποφέρουν διορατικότητα και συγκεκριμένες ενέργειες στις οποίες μειώνονται οι εκπομπές άνθρακα.
Εκτίμηση και Πρόβλεψη Κινδύνου Ξηρασίας
Με την κλιματική αλλαγή να αυξάνεται, πιο έντονα καιρικά φαινόμενα όπως η ξηρασία γίνονται όλο και πιο διαδεδομένα. Συνολικά, οι ξηρασίες κόστισαν στον κόσμο 1.5 εκατομμύρια δολάρια μεταξύ 1988-2017 και η επακόλουθη επισιτιστική ανασφάλεια έχει προκαλέσει εκατοντάδες χιλιάδες θανάτους, αν όχι περισσότερους.2 Μέσω της πρόβλεψης με βάση την τεχνητή νοημοσύνη, μπορεί να υπάρξει βελτίωση στη λήψη αποφάσεων σχετικά με τις ξηρασίες και καλύτερες μέθοδοι και χρονοδιάγραμμα που χρησιμοποιούνται για τη διασφάλιση της βέλτιστης κατανομής των υδάτινων πόρων και τη διάδοση πληροφοριών ενόψει των γεγονότων ξηρασίας.
Ένα τέτοιο παράδειγμα τεχνητής νοημοσύνης που χρησιμοποιείται για την πρόβλεψη καιρικών φαινομένων υψηλού αντίκτυπου είναι ο αλγόριθμος Gradient Boosted Regression Trees (GBRT), στον οποίο διαπιστώθηκε ότι στο 75% των περιπτώσεων, οι προβλέψεις βάσει AI επιλέχθηκαν από την ανθρώπινη διαίσθηση από επαγγελματίες προγνωστικούς.2
Διατήρηση Άγριας Ζωής
Υπάρχουν αυξανόμενα στοιχεία για μεγάλα δεδομένα και μηχανική μάθηση μπορεί να βοηθήσει στη διάσωση του περιβάλλοντος. Η διατήρηση των ενδιαιτημάτων για διάφορα ζώα είναι εξίσου σημαντική στις πόλεις όπως και στα τροπικά δάση.
Συχνά, οι οικολόγοι και οι οικολόγοι τοποθετούν παγίδες για να πάρουν μια καλύτερη ιδέα για το ποια ζώα ζουν σε μια περιοχή, την ώρα που δραστηριοποιούνται επίσης και για να παρακολουθήσουν τον αντίκτυπο του ανθρώπου στην άγρια ζωή. Δυστυχώς, η χειροκίνητη παρακολούθηση του πλάνα απαιτεί τεράστιο χρόνο και μπορεί να καθυστερήσει ενέργειες που θα ωφελήσουν την τοπική χλωρίδα και πανίδα. Εκεί είναι αλγόριθμοι τεχνητής νοημοσύνης όπως αυτός που δημιουργήθηκε από ΑΠΟΦΑΣΙΖΩ μπείτε – αυτός ο αλγόριθμος τεχνητής νοημοσύνης μπορεί να ενημερώσει τους οικολόγους για την παρουσία ζώων σε πραγματικό χρόνο, καθώς και να εντοπίσει τυχόν ζώα που έχουν εντοπιστεί σχεδόν αμέσως, ώστε να ληφθούν τα κατάλληλα μέτρα το συντομότερο δυνατό. Επιπλέον, αλγόριθμοι όπως αυτός μπορούν να χρησιμοποιηθούν για την ανίχνευση παράνομης δραστηριότητας σε πραγματικό χρόνο, πράγμα που σημαίνει ότι οι λαθροκυνηγοί θα δυσκολευτούν περισσότερο να αιχμαλωτίσουν ζώα.
Παρακολούθηση και Πρόβλεψη Ποιότητας Αέρα
Η ατμοσφαιρική ρύπανση δυστυχώς είναι ένα μεγάλο ζήτημα παγκοσμίως. Μόνο οι Ηνωμένες Πολιτείες το 2020 παρήγαγαν περίπου 68 εκατομμύρια τόνους ρύπανσης4. Αυτή η ρύπανση συμβάλλει σε υψηλότερες περιπτώσεις άσθματος και άλλων αναπνευστικών προβλημάτων, ειδικά σε ευάλωτους πληθυσμούς όπως τα μικρά παιδιά και οι ηλικιωμένοι. Για να βοηθηθεί το ευρύ κοινό να προετοιμαστεί καλύτερα για μέρες κακής ποιότητας αέρα και να τεθούν σε εφαρμογή αποτελεσματικά αντίμετρα, ενδέχεται να εφαρμοστούν συστήματα προειδοποίησης για την ποιότητα του αέρα που βασίζονται στην τεχνητή νοημοσύνη. Συγκεκριμένα, το σύστημα τεχνητής νοημοσύνης που προτείνεται από τους Mo et al., (2019) στο άρθρο τους «Ένα νέο σύστημα έγκαιρης προειδοποίησης ποιότητας αέρα βασισμένο στην τεχνητή νοημοσύνη» βασίζεται σε ένα μοντέλο πρόβλεψης ατμοσφαιρικής ρύπανσης καθώς και σε ένα μοντέλο αξιολόγησης της ποιότητας του αέρα.5 Είναι μέσω αυτού του συστήματος στο οποίο μπορεί να εφαρμοστεί ένα σύστημα έγκαιρης προειδοποίησης σχετικά με την ποιότητα του αέρα και στο οποίο τα δεδομένα μπορούν να αναλυθούν και να χρησιμοποιηθούν για τη δημιουργία εύλογων αντίμετρων εκτός από τις προβλέψεις ποιότητα του αέρα στο μέλλον.
Παρακολούθηση στάθμευσης βάσει AI.
Ένα κοινό πρόβλημα σε πολλές πόλεις είναι η στάθμευση. Αν έχετε απογοητευτεί ποτέ από το να κάνετε κύκλους σε ένα γεμάτο πάρκινγκ αναζητώντας μια θέση, αυτή η συγκεκριμένη εφαρμογή τεχνητής νοημοσύνης πιθανότατα θα σας ενδιαφέρει. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει με τη χρήση οθονών και αισθητήρων για την αξιολόγηση της πληρότητας σε πραγματικό χρόνο σε γκαράζ στάθμευσης – εάν δεν υπάρχει κενή θέση, τότε οι επισκέπτες θα ειδοποιηθούν, ώστε να μην χρειάζεται να χάνουν χρόνο κυκλώνοντας την παρτίδα.6 Επιπλέον, αλγόριθμοι τεχνητής νοημοσύνης σε ιδιαίτερα μεγάλους χώρους στάθμευσης μπορούν να χρησιμοποιηθούν για την καθοδήγηση των επισκεπτών σε περιοχές με κενές θέσεις, εξοικονομώντας επίσης χρόνο.
Τα έξυπνα συστήματα στάθμευσης μπορούν επίσης να χρησιμοποιηθούν για τη μέτρηση των χρόνων υψηλής δραστηριότητας με βάση την πληρότητα στάθμευσης, ώστε οι επιχειρήσεις να μπορούν να προετοιμάζονται καλύτερα για τις ώρες αιχμής καθώς και για τις ώρες χαμηλής κατάληψης στάθμευσης και, επομένως, της χαμηλής προσέλευσης πελατών.
Βελτιστοποίηση φόρτισης ηλεκτρικών οχημάτων
Καθώς τα οχήματα δημόσιας συγκοινωνίας μετακινούνται από τα παραδοσιακά ορυκτά καύσιμα στα ηλεκτρικά, υπάρχουν πολλά πράγματα που πρέπει να ληφθούν υπόψη, όπως αποθήκευση μπαταρίας, εφεδρική ηλεκτρική γεννήτρια και δημιουργία ή προσαρμογή συστήματος φόρτισης για αυτά τα οχήματα. . Επιπλέον, υπάρχουν πολλές μεταβλητές που αφορούν την ποσότητα και το κόστος ενέργειας που χρησιμοποιεί ένα όχημα, όπως ο καιρός και οι συνθήκες κυκλοφορίας, στο σπίτι έναντι της φόρτισης εν κινήσει και των περιορισμών αιχμής για να αναφέρουμε μόνο μερικές.7 Εάν οι πόλεις υιοθετούσαν ένα σύστημα ενεργειακής βελτιστοποίησης με δυνατότητα τεχνητής νοημοσύνης, τα έξοδα θα μπορούσαν να περιοριστούν στο ελάχιστο με τον υπολογισμό της ποσότητας των πηγών ενέργειας και των εγκαταστάσεων που απαιτούνται εκ των προτέρων καθώς και την ενσωμάτωση ανανεώσιμων πηγών ενέργειας για τη φόρτιση των οχημάτων όπως αρμόζει.
Επιπλέον, η ενσωμάτωση τεχνητής νοημοσύνης θα μπορούσε επίσης να συμβάλει στην επέκταση της διάρκειας ζωής της μπαταρίας των ηλεκτρικών οχημάτων, λαμβάνοντας υπόψη περιορισμούς που βασίζονται στον κατασκευαστή και συνθήκες σε πραγματικό χρόνο ταυτόχρονα για τη βελτιστοποίηση του επιπέδου φόρτισης καθώς και την ελαχιστοποίηση των επιπέδων υποβάθμισης.7 Ένας τρόπος για να γίνει αυτό θα ήταν αλγόριθμοι τεχνητής νοημοσύνης που ειδοποιούν την εταιρεία δημόσιας συγκοινωνίας για χαμηλότερες από τις συνηθισμένες τιμές ηλεκτρικής ενέργειας, αλλά και για το ποσό που πρέπει να φορτίζονται τα οχήματα έτσι ώστε καμία από τις μπαταρίες να μην υπερφορτίζεται.
Βελτίωση της απόδοσης του ηλεκτρικού δικτύου
Ανάλογα με το πού ζείτε στον κόσμο, μπορεί να είστε ήδη εξοικειωμένοι με τα έξυπνα δίκτυα. Ένα έξυπνο δίκτυο αναφέρεται σε ένα σύγχρονο σύστημα ηλεκτρικής ενέργειας στο οποίο υπάρχουν αισθητήρες, αυτοματισμοί, επικοινωνία και υπολογιστές για τη βελτίωση της απόδοσης, της αξιοπιστίας και της ασφάλειας ενός ηλεκτρικού συστήματος. Τα συστήματα έξυπνων δικτύων μπορούν να ωφελήσουν μια πόλη με πολλούς τρόπους, μεταξύ των οποίων8:
- Αυτόματη επαναδρομολόγηση όταν υπάρχουν ανωμαλίες στο σύστημα.
- Περισσότερη ενοποίηση συστημάτων ανανεώσιμων πηγών ενέργειας και συστημάτων παραγωγής ηλεκτρικής ενέργειας που ανήκουν στον πελάτη
- Μεγαλύτερη απόδοση μετάδοσης ηλεκτρικής ενέργειας
- Μειωμένο κόστος λειτουργίας και διαχείρισης για τις επιχειρήσεις κοινής ωφέλειας.
- Μειωμένα ποσοστά ζήτησης αιχμής.
- Βελτιωμένη ασφάλεια δικτύου
Ταχύτερη αποκατάσταση της ηλεκτρικής ενέργειας μετά από διαταραχές ρεύματος (η οποία είναι κρίσιμη σε σοβαρά καιρικά φαινόμενα όπως χιονοθύελλες ή καύσωνες.)
Δημόσια ασφάλεια
Όταν είναι αδύνατο για τα ανθρώπινα μάτια να παρακολουθούν όλες τις τροφοδοσίες ασφαλείας μέσα σε μια πόλη, η τεχνητή νοημοσύνη μπορεί να βοηθήσει – για παράδειγμα, η είσοδος μικροφώνου από τις κάμερες του δρόμου μπορεί να ερμηνευτεί από την τεχνητή νοημοσύνη ως πυροβολισμοί όπλων ή άλλοι ήχοι ενδεικτικοί κινδύνου. Σε τέτοιες περιπτώσεις, οι αλγόριθμοι τεχνητής νοημοσύνης μπορούν να ειδοποιήσουν τους χειριστές υπηρεσιών έκτακτης ανάγκης με δεδομένα τοποθεσίας και οποιαδήποτε άλλα απαιτούμενα δεδομένα για να αποφασίσουν να αποστείλουν υπηρεσίες έκτακτης ανάγκης ή όχι. Η ψηφιακή σήμανση μπορεί να ενημερώνεται σε πραγματικό χρόνο για να ειδοποιεί το κοινό για καταστάσεις που απαιτούν προσοχή, όπως πλημμύρες ή άλλες καταστάσεις έκτακτης ανάγκης. Ένας άλλος τρόπος με τον οποίο η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για τη βελτίωση της δημόσιας ασφάλειας είναι μέσω του ελέγχου των φωτεινών σηματοδοτών προκειμένου να ανοίξει ο δρόμος για τους πρώτους ανταποκριτές αντί να βασιστείτε στις αστυνομικές δυνάμεις για την άφιξη.
αναφορές
[1] R. Toews, Αυτές είναι οι νεοφυείς επιχειρήσεις που εφαρμόζουν την τεχνητή νοημοσύνη για την αντιμετώπιση της κλιματικής αλλαγής (2021), Forbes.
[2] C. Huntingford, ES Jeffers, MB Bonsall, HM Christensen, T. Lees, H. Yang, Μηχανική μάθηση και τεχνητή νοημοσύνη για την ενίσχυση της έρευνας και της ετοιμότητας για την κλιματική αλλαγή (2019), IOPScience.
[3] Έξυπνα πάρκα, Τεχνητή Νοημοσύνη στη Διατήρηση Άγριας Ζωής (2019).
[4] Υπηρεσία Προστασίας Περιβάλλοντος των Ηνωμένων Πολιτειών, Ποιότητα αέρα – Εθνική Σύνοψη (2021).
[5] X. Mo, L. Zhang, H. Li, Z. Qu, Ένα νέο σύστημα έγκαιρης προειδοποίησης για την ποιότητα του αέρα που βασίζεται στην τεχνητή νοημοσύνη (2019), International Journal of Environmental Research and Public Health.
[6] N. Joshi, Τα συστήματα στάθμευσης που βασίζονται σε τεχνητή νοημοσύνη μπορούν να αντιμετωπίσουν προβλήματα στάθμευσης. Να πώς. Allerin.
[7] Βιώσιμο Λεωφορείο, Η τεχνητή νοημοσύνη ως μέσο βελτιστοποίησης της φόρτισης των οχημάτων. Συνέντευξη με το BluWave-ai (2020).
[8] SmartGrid.Gov, Το Έξυπνο Δίκτυο (2021).
- 2019
- 2020
- 2021
- 7
- Λογαριασμός
- Λογιστήριο
- Ενέργειες
- ενεργός
- Ad
- AI
- Στοχεύω
- αλγόριθμος
- αλγόριθμοι
- Όλα
- κατανομή
- αγελάδων
- Εφαρμογή
- εφαρμογές
- ΠΕΡΙΟΧΗ
- γύρω
- άρθρο
- τεχνητή νοημοσύνη
- αυτόματη
- Αυτοματοποίηση
- εφεδρικός
- μπαταρίες
- μπαταρία
- αποθήκευση μπαταρίας
- Big Data
- Ενισχυμένος
- bots
- χτίζω
- λεωφορείο
- επιχειρήσεις
- φωτογραφικές μηχανές
- άνθρακας
- εκπομπές διοξειδίου του άνθρακα
- αποτύπωμα άνθρακα
- περιπτώσεις
- προκαλούνται
- πρόκληση
- αλλαγή
- χρέωση
- φορτισμένα
- φόρτισης
- Παιδιά
- Πόλεις
- Πόλη
- Κλιματική αλλαγή
- Κοινός
- Επικοινωνία
- Εταιρείες
- εταίρα
- υπολογιστές
- Καταναλωτές
- κατανάλωση
- περιεχόμενο
- Δικαστικά έξοδα
- δημιουργία
- ημερομηνία
- Λήψη Αποφάσεων
- delay
- Ζήτηση
- ανάπτυξη
- ψηφιακό
- Αποστολή
- Αποτελεσματικός
- αποδοτικότητα
- Ηλικιωμένος
- Ηλεκτρικό
- ηλεκτρικό όχημα
- ηλεκτρικά οχήματα
- ηλεκτρικής ενέργειας
- Εκπομπές
- ενέργεια
- περιβάλλοντος
- Οργανισμός Προστασίας του Περιβάλλοντος
- εκδηλώσεις
- έξοδα
- Όνομα
- τροφή
- Forbes
- ορυκτά καύσιμα
- μελλοντικός
- General
- Πλέγμα
- Μεγαλώνοντας
- καθοδηγήσει
- Υγεία
- Ψηλά
- Σπίτι
- Πως
- Πώς να
- HTTPS
- Εκατοντάδες
- ιδέα
- προσδιορίσει
- παράνομος
- Επίπτωση
- πληροφορίες
- ολοκλήρωση
- Νοημοσύνη
- τόκος
- International
- συνέντευξη
- διαίσθηση
- θέματα
- IT
- large
- μάθηση
- Επίπεδο
- τοπικός
- τοποθεσία
- μάθηση μηχανής
- Κατασκευή
- διαχείριση
- Εικόνες / Βίντεο
- εκατομμύριο
- μοντέλο
- παρακολούθηση
- μετακινήσετε
- ΝΙΗ
- λειτουργίας
- λειτουργίες
- τάξη
- επιχειρήσεις
- ΑΛΛΑ
- στάθμευση
- πάρκα
- σχεδιασμό
- Πλατφόρμες
- συνδέω
- Police
- φτωχός
- δύναμη
- πρόβλεψη
- Προβλέψεις
- Παράγεται
- Προϊόν
- παραγωγή
- προστασία
- αποδεικνύει
- δημόσιο
- τη δημόσια υγεία
- μεσά μαζικής μεταφοράς
- ποιότητα
- Τιμές
- Ακατέργαστος
- ακατέργαστα δεδομένα
- μείωση
- οπισθοδρόμηση
- ανανεώσιμες πηγές ενέργειας
- έρευνα
- πόρος
- Κίνδυνος
- εκτίμηση του κινδύνου
- τρέξιμο
- Ασφάλεια
- οικονομία
- ασφάλεια
- αισθητήρες
- Υπηρεσίες
- σειρά
- Sites
- έξυπνος
- So
- Spot
- Start-up
- Startups
- Μελών
- χώρος στο δίσκο
- δρόμος
- προμηθευτές
- Βιωσιμότητα
- βιώσιμης
- σύστημα
- συστήματα
- Τεχνολογία
- Το μέλλον
- ο κόσμος
- ώρα
- τόνους
- τροχιά
- ΚΙΝΗΣΗ στους ΔΡΟΜΟΥΣ
- διαμετακόμιση
- μεταφορά
- Ενωμένος
- United States
- αστικός
- επιχειρήσεις κοινής ωφέλειας
- όχημα
- Οχήματα
- Ευάλωτες
- Νερό
- WILDLIFE
- εντός
- κόσμος
- X
- Βελτιστοποίηση