استفاده از هوش مصنوعی در مدیریت شهری | راهی پر چالش برای فردایی روشن

همشهری آنلاین –یکتا فراهانی: روز شنبه بیست و چهارم آذرماه به همت مؤسسه آموزش عالی علمی‌کاربردی شهرداری تهران و همکاری هیئت های اندیشه‌ورز، نشستی با حضور جمعی از استادان و متخصصان حوزه هوش مصنوعی در ساختمان مرکزی شهرداری تهران برگزار شد که متخصصان این حوزه در این باره پیشنهادات و راهکارهایی را مطرح کردند.

*ضرورت تمرکز بر مهارت‌محوری

سارا ناصرنصیر، مدیر روابط‌عمومی دانشگاه علمی‌کاربردی شهرداری در مورد برگزاری این نشست می‌گوید: ما در دانشگاه علمی‌کاربردی شهرداری تهران، علاوه بر توجه به رشته‌های تخصصی هم‌سو با سیاست‌های مجموعه مدیریت شهری به پرورش مهارت‌ها و توانمندی‌های عملی و اجرایی می‌پردازیم و ازآنجاکه تمرکز این دانشگاه بر مهارت‌محوری است؛ سلسله‌نشست‌های علمی و کاربردی را نیز با تمرکز بر ارتقای مهارت‌های مجموعه مدیریت شهری پایه‌گذاری کرده‌ایم و چشم‌انداز ما نیز در این نشست‌ها، ارتقای مهارت‌های مدیران و سیاست‌گذاران است.

*راهی پر چالش برای فردایی روشن

مسعود ندافان، رئیس مؤسسه آموزش عالی علمی‌کاربردی شهرداری تهران درباره لزوم اجرای چنین نشست‌هایی می‌گوید:

سلسله‌نشست‌های تخصصی تهران آینده، بهگشت مهارت و مدیریت با اتکا بر هویت ذاتی دانشگاه علمی‌کاربردی شهرداری و باهدف بهبود روش‌ها و برنامه‌های مجموعه مدیریت شهری با نگاه به آینده و هم‌سو باسیاست کلان‌شهرهای جهان در مسیر پیشرفت برنامه‌ریزی‌شده است.

برآنیم که با نگاه علمی و کاربردی به موضوعات کلان جهانی در حوزه مدیریت شهری ضرورت‌ها و الزامات حرکت در مسیر ارتقای مهارت‌های مدیریتی و واکاوی تجارب جهانی را مورد مداقه قرار دهیم.

در سومین هم‌اندیشی تخصصی بررسی الزامات و زمینه‌های کاربرد هوش مصنوعی در آینده نظام مدیریت کلان‌شهری را مورد بررسی و پژوهش قرار داده‌ایم.

هوش مصنوعی، به تحلیل داده‌ها در مدیریت شهری کمک خواهد کرد و از این رهگذر می‌توان با بررسی تکنیک‌ها، چالش‌ها و زمینه‌های کارآمدی هوش مصنوعی به افزایش بهره‌وری و مدیریت منابع در برنامه‌ریزی برای بهبود سیستم‌ها در مسیر آینده‌نگری امیدوار بود.

حضور اساتید خبره و برجسته نیز چراغی است فراسوی مدیران و سیاست‌گذاران در راهی پر چالش برای فردای روشن در آینده نظام مدیریت کلان‌شهری.

بیشتر بخوانید :
چالش‌های مدیریت شهری در کلانشهر تهران

آزمایش هوش مصنوعی در ترافیک شهری

*بررسی الزامات در آینده مدیریت شهری

محمدحسین بوچانی، رییس هیات اندیشه‌ورز مؤسسه آموزش عالی علمی‌کاربردی شهرداری تهران در مورد لزوم برگزاری چنین جلساتی می‌گوید: هوش مصنوعی این امکان را به ما می‌دهد که بتوانیم به مشکلات به‌گونه‌ای دیگر نگاه کنیم که باید در کنار ما به‌عنوان یک دستیار عمل کند.

به گفته او؛ دانشگاه علمی‌کاربردی باتوجه‌به نیاز مدیریت شهری می‌تواند برای تدوین دوره‌های مختلف در حوزه هوش مصنوعی برنامه‌ریزی کند.

چه کسی در دنیا هوش مصنوعی را توسعه می‌دهد؟

دکتر هادی ویسی، استاد دانشگاه تهران و عضو شورای علمی مرکز نوآوری و توسعه هوش مصنوعی، از جمله دلایل مهم برگزاری این جلسات را شناسایی و واکاوی مسائل پیش روی مدیریت شهری می‌داند

به عقیده او اکنون وقت عمل و سندنویسی است و نکته مهم در سندنویسی نیز طرح این سوال است که چه کسی در دنیا هوش مصنوعی را توسعه می‌دهد.

*نگرانی از قدرت هوش مصنوعی

این استاد دانشگاه تهران، شناسایی، درک، استدلال، برنامه‌ریزی و قابلیت یادگیری را از جمله کارهای مهم هوش مصنوعی می‌داند و می‌گوید: معیار اصلی در هوش مصنوعی خود انسان است. انسان بر خلاف هوش مصنوعی می‌تواند درعین‌حال چندین کار را با هم انجام دهد. البته هوش مصنوعی نیز در لایه agi می‌تواند چندین کار را هم با هم انجام دهد و حتی می‌توان پیش‌بینی کرد که از انسان باهوش‌تر و کارآمدتر شود؛ چیزی که باعث نگرانی برای بعضی افراد خواهد شد.

*یک توسعه برادرانه یا یک ضرورت قطعی!؟

دکتر علی بزرگی امیری، مجری برگزاری دوره های علم داده و هوش مصنوعی دانشگاه تهران با طرح عبارتی به نقش هوش مصنوعی در توسعه شهری پرداخت؛ «هوشمند سازی هوش مصنوعی، یک توسعه برادرانه نه یک ضرورت قطعی»

به عقیده او، سازمان ها زیر بار نشست ها یا پروژه ها می روند، اما تنها در مرحله عملیاتی است که این جمله مصداق پیدا می کند. البته نه فقط در زمینه هوشمند سازی و هوش مصنوعی؛ بلکه کلید واژ ه هایی که نزدیک به این حوزه هم هستند مانند کلید واژه علم داده یا دیتا ساینس و تحول دیجیتال هم سرنوشتی مانند هو ش مصنوعی پیدا خواهند کرد.

*لزوم شناسایی وضعیت موجود در مدیریت شهرداری

به گفته دکتر بزرگی امیری، اگر ما ندانیم در مجموعه شهرداری‌ها و مدیریت شهرداری وضعیت خدمت و اهداف در فضای توسعه اقتصادی و توسعه پایدار در چه وضعیتی هستیم هر چقدر هم فناوری پیش رو داشته باشیم باز هم نمی‌توانیم اثبات کنیم که بهتر عمل خواهیم کرد.

*کشف الگو از دل داده‌ها

دکتر امیررضا تجلی، مدرس دانشگاه و پروژه‌های علم داده در مورد نقش هوش مصنوعی می‌گوید: تمرکز اصلی این قضیه بر بحث دانش و استخراج آن و همچنین کشف الگو از بطن و دل داده‌هاست.

او سه کلیدواژه ذکر می‌کند که گاهی اشتباه گرفته می‌شود؛ یکی کلیدواژه اتوماسیون یا خودکارسازی است، هوشمندسازی و هوش مصنوعی.

در موضوع مدیریت پسماندها در سطح شهر علاوه بر اتوماسیون می‌توان آن را با هوشمندسازی ارتقا بخشید. همچنین سیستم می‌تواند متوجه خرابی دستگاه نیز بشود و آن را تشخیص دهد؛ یعنی می‌توان به‌نوعی از تعمیرات نگهداری پیشگویانه استفاده کرد که هوش مصنوعی می‌تواند آن را بازآموزی کند و به بررسی مشکلات و نقاط قوت آنها باتوجه‌به راهکارهایی مبتنی بر AI بپردازد.

* رشد سریع افزایش جمعیت شهرنشین

آرش حسینی، دکترای هوش مصنوعی و رباتیکز و مدیر فناوری اطلاعات و هوش مصنوعی در صنعت پتروشیمی می‌گوید: در دو دهه گذشته جمعیت شهرنشین ایران تقریباً ۵۰ درصد افزایش داشته است و با رشد سریع افزایش جمعیت شهرنشینی مواجه بودیم و باتوجه‌به اینکه منابع ما محدود است فشار بیشتری بر آنها وارد می‌شود که نمی‌تواند پاسخگو باشد؛ بنابراین نیازمند سیستمی هستیم که مدیریت بهینه‌ای دراین‌خصوص داشته باشیم و خدمات خود را سریع‌تر و باکیفیت‌تر ارائه دهیم و البته شهروندان را هم در این تصمیم‌گیری مشارکت دهیم. در شهرهای هوشمند وقتی داده‌ها را از سنسورها، حسگرها، سامانه‌های حمل‌ونقل و حتی شبکه‌های مجازی جمع‌آوری می‌کنیم، این داده‌ها به کمک هوش مصنوعی تقلیل می‌شوند و برای تصمیم‌گیری‌های فوری یا برنامه‌ریزی‌های بلندمدت استفاده خواهند شد

*انسان تصمیم می گیرد یا هوش مصنوعی؟

محمدشاه جهان اقبال؛ نایب‌رئیس کارگروه کمیته استاندارد مالزی در حوزه شهر هوشمند با تاکید بر اینکه باید متوجه شویم چگونه هوش مصنوعی به تحلیل داده‌های کلان کمک می‌کند و آینده یک شهر را می‌سازد، می‌گوید: باید حاشیه‌های امنیتی مشخص شوند و قوانینی داشته باشیم که مشخص کند آیا هوش مصنوعی تصمیم‌گیرنده است و انسان از آن پیروی می‌کند یا بالعکس هوش مصنوعی داده را تحلیل می‌کند و انسان تصمیم می‌گیرد.

*افزایش ایمنی و کارایی

علیرضا نوری پژوهشگر حوزه حمل‌ونقل شهری دانشگاه بریتیش کلمبیای شمالی، عقیده دارد: تکنیک‌های هوش مصنوعی شامل یادگیری ماشین، شبکه‌های عصبی، تحلیل الگو و شبیه‌سازی به بهینه‌سازی زمان‌بندی چراغ‌های راهنمایی، تحلیل داده‌های ترافیکی و بهبود سیستم‌های نظارت تصویری کمک می‌کند.
به عقیده او با وجود پیشرفت‌های تکنولوژی، چالش‌هایی مانند کیفیت داده‌ها، حریم خصوصی و پیاده‌سازی نیز وجود دارد. اما فرصت‌های زیادی برای بهبود سیستم‌های حمل‌ونقل و کاهش ترافیک با استفاده از هوش مصنوعی وجود دارد که می‌تواند به افزایش ایمنی و کارایی کمک کند.