وعده‌ها و خطرات استفاده از هوش مصنوعی بصری برای مطالعه شهرها
چند ماه پیش، محققان آزمایشگاه شهر قابل‌حس MIT مطالعه‌ای در مورد آلودگی هوا در نیویورک منتشر کردند که روش‌های جدیدی را به نمایش گذاشت. برای مثال، با استفاده از یادگیری ماشین، آن‌ها انواع وسایل نقلیه موجود در 331 دوربین ترافیکی شهر را شناسایی و میزان انتشار گازهای گلخانه‌ای هر خودرو را تخمین زدند. با تعداد کافی دوربین، این تکنیک‌های هوش مصنوعی بصری می‌توانند آلاینده‌ها را با ترکیبی بی‌نظیر از دقت و مقیاس نظارت کنند.
در واقع، هوش مصنوعی بصری امروزی می‌تواند به انواع سوالات برای برنامه‌ریزان شهری پاسخ دهد. چرا ترافیک در یک نقطه خاص به‌طور ناگهانی کند می‌شود؟ خطرناک‌ترین جنبه‌های تقاطع‌های مختلف کدامند؟ کدام قسمت از میدان‌ها یا پارک‌ها بیشترین افراد را جذب می‌کنند؟ در سراسر شهرها، تصاویر بیشتر به معنای داده‌های بیشتر، بینش عمیق‌تر و نگرانی‌های بیشتر در مورد حریم خصوصی و عدالت است.
«ما می‌توانیم این تصاویر دیجیتال را به‌عنوان داده در نظر بگیریم و ویژگی‌های شهری را کمی‌سازی کنیم»، می‌گوید فابیو دوآرت، محقق MIT و هم‌نویس کتاب جدیدی درباره هوش مصنوعی بصری و مطالعات شهری. «با تکنیک‌های بینایی کامپیوتر، هر تصویر یک مجموعه داده است.» با این حال، او اضافه می‌کند: «ما باید در مورد آن مراقب باشیم.»
در حالی که شهرسازان مدت‌هاست از تجزیه و تحلیل بصری برای اطلاع‌رسانی به تفکر خود استفاده می‌کنند، اکنون این کار تا حد بی‌سابقه‌ای امکان‌پذیر شده است.
«همه ما محیط شهری را مشاهده کرده‌ایم و سعی در کسب بینش داشته‌ایم»، می‌گوید مارتینا مازارلو، محقق MIT و هم‌نویس کتاب جدید. «اما اگر بتوانیم این کار را در مقیاس بزرگ انجام دهیم و به برخی از...»