编者按:本文系布鲁金斯学会“AI未来蓝图 ”系列研究报告之一,“AI未来蓝图 ”项目主要研究人工智能及其他新兴技术所带来的新挑战,以提出可行对策。
城市是人类繁荣的引擎,通过集聚人员、商业,成为商品、服务乃至创意进行交换的重要枢纽。每年越来越多的人涌入城市及其周边的大都会区,寻觅集聚空间中的新机会。
技术对于保证城市运行居功至伟,人口集聚可形成优势,但安置和容纳人口及其活动则代价高昂,故而城市化催动人们开发新技术,古时为应对城市化挑战,便诞生了多层建筑、渠道、导水管和格子状的道网。
今日,我们依然享用第二次工业革命所带来的技术进步,钢铁和电力即为佐证。多层建筑和摩天大楼满足了人们在同一地点开展业务的需求,电气化和地铁则为城内拥挤空间中的普罗大众提供更快的旅行,电梯与自动扶梯的发明结合先进的施工设备使建筑得以长得更高、地铁可挖得更深,电灯照明让我们的城郊小镇俱得为不夜城,空调则提升宜居性让湿热地区变得人丁繁盛,无线电和电视则拓展人们沟通的距离并保证讯息传递时的保真度。
我们已进入“数字时代”,这是一个全新的工业时代,之所以能成为“工业革命”,并非只有一两样新奇的产品就能说明,称之为“数字时代”是因其拥有一个全新的平台,可承载日常亿万活动的运行,平台的背后是算力、便携性、计算成本各自的此消彼长,再加上大容量、高可靠的数字通信。
人工智能(AI)突飞猛进,从根本上来说,AI是一组模拟人类决策的编程算法,即便定义不完全统一,还存在诸如“AI的根本构成为何”、“在真实世界中存在的面目是什么样”、“AI应用能做什么”等问题,更别说还有与之俱来的挑战这类问题。唯一可以确定的是,好奇及渴望有助于人们更好地理解AI并造福这个星球。
AI天然在构筑生活环境时运行就符合预期,显而易见的是,即便AI尚为婴幼,人们已是须臾不离,也许就在视频会议中自动切换麦克风来拾取讲话者的声音时,就在智能手机自动重新设定周边路线时,就在恒温器在凉爽时节自动调低空调温度,谁能料到人工智能已参与其中。
本文研究人工智能及其应用如何应对城市和大都会区域所面临的那些最紧迫的挑战。与以往任何技术普遍应用一样,社会应当认识到用人工智能去解决现实问题必将带来真切的挑战,而且收益于AI应用只能是一部分社会群体与行业。人工智能羽翼未丰,但实为在城市应用的最佳良机。
数字城市的人工智能应用
数据一直是实践者从事如何规划、构建和运营构建环境系统的核心。构建城市物理系统所需的庞大的工程、地理和设计原理等知识,皆由数学驱使,亘古及今,定量信息和数学原理对大规模项目从蓝图成功变为物理现实至关重要。数字时代只会强化通过数据化来管理建筑环境的需求,21世纪的每一项人类活动都构成数据示踪:商业交易、电话与短信、精细导航。计算产业也在不断创新,创造了更快的处理能力、更大的存储容量、更强的分析软件。我们目前数据和处理能力过度丰盈,关节在于如何最大化数据价值。现时,环境传感器和网络设备的生产成本持续下降,借助可靠的无线通讯和云计算技术,物联网(IOT)走进日常生活。物联网系统应用于城市,传感器部署于建筑环境系统和设备之间,让它们能够相互通信,增加数据转移的数量和速度,创造出物理操作互连的新际遇。
物联网广泛应用的结果就是创造出一种新型数据驱动的城市管理方法,有人称其为智慧城市计划。虽然智慧城市计划定义尚不统一,而且除了一些可在线使用的评估表之外,的确也没有什么好办法来认定整个城市或都市区是否足够“聪明”。
所有智慧城市定义的共同点之一,就是使用互联的传感器、数据管理和分析平台,来提高建筑环境系统的质量和运营效能。与机器学习相结合,AI非常适合构建智慧城市的分析基础,机器学习能处理由建筑环境系统吐出的海量数据,创建自动化的实时响应,为人类提供恰当、可管理的分析。数据将呈指数级增长,地方政府及其合作伙伴可利用人工智能技术从数据潮涌中斩获收益最大化的机会。由此,Gartner预计到2020年人工智能将在智慧城市应用中超过30%,对比前几年仅为5%。
倘若没有明确有为的目标,人工智能就毫无价值。人们希望机器学习算法达成的结果首要任务是规划、构建和管理物理系统,至于组织、处理、分析甚至自动处理数据倒在其次。
数字城市中的AI要解决哪些问题?
城市各有各的不同,问题也不相似。无论前景,地方领导层必然需要采取干预措施,以提高居民的生活质量,帮助当地企业成长并吸引新企业,促成环境恢复。
如果将AI应对城市挑战的干预政策设计核心, AI就能协助实现这些基本目标,智慧城市面临的最紧迫的挑战如下:
气候变化和都市环境适应能力
从小小的乡村到特大型都市,气候影响都是对社区生存最大的威胁。城市在几十年前建造环境系统时,对废水处理及土地使用控制等考虑并不周全,现在必须面对这些气候现状,社区需要一个新的议程来优先考虑多方面的环境适应能力,包括物理设计、融资模式、土地使用政策等。
贸易产业的增长和吸引力
贸易是城市经济的命脉,利润对于新产品和人才的再投资极为重要,如果在本地经济体中良性循环,社区可成为一个充满活力的长期生态系统,如果贸易枯竭,整个社区都会消亡。
地方政府的重要职能就是借助公共基础设施网络,促进货物、数据及人员的富有效率并公平的流动,教育和劳动力系统应该支持一系列高技能人才流动,应将非常规技能纳入人才培育,应对和适应自动化的兴起,法律应该帮助投资资金流入社区,投向企业家和固定资产,法律还应该在保护消费者隐私的同时促进数据自由流动。
收入增长与财富不平等
不服务于所有人的城市经济,既没有塑造真正共享的繁荣之路,也没有充分发挥经济潜力。
城市必须正面解决经济不平等问题,除要面对与自动化相关的收益问题外,还要考虑一系列与建筑环境相关的重要目标,鉴于大型住房计划或新能源网络,大多数建筑环境项目可能需要数年甚至数十年才能达到完全成熟,及早构筑这些共同价值观尤为难能可贵。
过时的治理模式
在美国,政治和经济地理并不一致,目前治理机制分散,在整个大都会区域设置共同目标非常困难。解决气候不稳定、产业竞争和家庭收入不平等需要采取协调一致的行动,由于其中大部分问题都是跨学科的,大都会区域需要治理平台,来推动不同地方政府之间的合作,减少狭隘的地方保护主义造成的摩擦。
财政约束和风险容忍度
每个地方政府都面临财政能力问题,但许多技术尚未得到证实,可能无法取得正向效果,这些会对未来技术的投资产生影响,新技术通常需要前期投入较高,以后才能产生长期的运营成本节约。
地方政府需要有能力让人们对包括AI在内的数字技术服务产生信心,可采取新的融资模式,让技术开发商、私募股权和政府购买者之间承担风险。
解决数字城市中AI相关的挑战
虽然人工智能和机器学习对应对管理城市和大都会区所面临的挑战行之有效,但人工智能不是万能药。AI系统的设计和部署也存在一系列独特的挑战,已经出现在许多美国城市中。为确保智慧城市计划及与之密切相关的人工智能推进措施,既能保护个人隐私,又要创造经济、社会和环境价值,就必须积极面对这些挑战。
人工智能相关的挑战最核心的是都市道德观,开发人工智能服务及其相关算法将要求地方政府、州和联邦政府共同制定一套道德原则,既可以是地方规范,也可以是国家标准。但在每个案例中,都应该让道德观明确而且有目的,使之可用来指导AI算法开发,并作为算法的治理原则。
冗余和安全
随着人工智能的重要性不断提高,电力和人员配备冗余甚至变得更重要。但直接服务失败使得安全在数字化城市中尤为重要,保障信息安全至关重要,这是全球性的安全威胁。
隐私问题
由于产业势力与控制个人信息密切相关,而且个人信息泄露的可能更高,要在向公众开放数据和算法与个人保护之间取得适当的平衡。编制法制化的道德规范是保护数字时代适当隐私的唯一途径。
算法偏见
AI系统都依赖于算法,算法本身可以产生偏见,可能来源于编写算法的个人或者算法在运算时使用的偏见数据。一旦存在偏见,在算法中使用多层代码就会使它们随着时间的推移更难定位。因此,城市必须有一套偏见检测策略来防止人工智能产生的不公平结果。
公众批评是促进算法开放的另一个推动因素,如果允许公众查阅算法的底层代码可更容易地发现偏见。
城市应用AI的下一步
人工智能系统在城市已得到应用,而且数量还在不断增长,还需要同步出台互补性政策。
开源运动将继续为组织和数据分析人员促进开放数据的可用性和共享标准,但是对于哪些数据应该留在私人手中还会引发争议。
试点人工智能项目及尝试实施互补性政策,对于建立人人得益的数字城市至关重要。但为了实现这种共同繁荣,人工智能只是次要选项。
无论技术时代如何发展,第一步都是:从民间团体到官员再到商界,地方领导层都必须共同来制定希望技术来解决的城市挑战,只有目标一致,城市才能充分享用AI的全部便利。
编译 | 石建兵
编辑 | 李书峰
原文链接:https://www.brookings.edu/research/artificial-intelligence-in-americas-digital-city/
声明:本文来自赛博研究院,版权归作者所有。文章内容仅代表作者独立观点,不代表士冗科技立场,转载目的在于传递更多信息。如有侵权,请联系 service@expshell.com。