基于AI构建的智慧城市还远吗？

本篇文章1587字，读完约4分钟

HC安全网络新闻机器学习正在帮助城市规划者认同或反驳关于城市的长期理论。

为什么有些城市让人们感到安全，而另一些城市让人们感到危险？为什么其他城市都很美？随着时间的推移，城市是如何发展和变化的？最重要的是，我们如何量化我们对城市的感知，并利用它来更合理地规划城市地区？ 麻省理工学院媒体实验室(Media Lab)集体学习小组主任塞萨雷达尔戈(césarhidalgo)花了几年时间，利用众包数据和机器视觉技术构建了一个城市模型，来回答统计和调查根本无法回答的问题。 hidalgo的研究表明，人工智能已经渗透到我们日常生活的各个方面，从芭比娃娃到网页设计，并且已经开始渗透到学术研究领域，尤其是我们对智能城市的研究。然而，随着这一新领域的发展，人工智能也面临着新的挑战。 研究人员使用机器学习来分析谷歌7年来的街景照片，观察城市是如何变化的。 是什么让城市发生变化？ 以最近发表在《美国国家科学院院刊》上的论文为例。本研究使用了谷歌在过去七年中发布的五个城市的街道照片，并分析了一些关于城市更新的著名观点。这是一个已经研究了几十年的关键问题。人们围绕几所学校关于如何以及为什么会有城市复兴的想法展开了很多辩论。伊达尔戈和他的团队以160万张街道照片作为对照组，通过机器学习测试那些“经典”的城市理论。研究小组发现，城市积极变化的最大因素实际上是受过高等教育的人数。此外，清洁城市和商业区也是相关的，它们的“安全得分”也是相关的。令人惊讶的是，与一些理论相反，收入和住房成本与城市的正面或负面物理变化无关。伊达尔戈在麻省理工学院的新闻中解释道:“城市复兴与收入理论无关，也就是说，高收入群体的城市并不意味着高等教育。” 利用机器学习来加深我们对城市化的理解，我们可以把这个主题变成一门科学，而不仅仅是一门社会科学。伊达尔戈说:“我希望这项研究能帮助我们了解城市环境对人们的影响以及人们对环境的影响。”这样，当我们制定城市规划方案时，我们就会对不同的设计方案有一个更科学的解释。这些方法还可以帮助我们了解官方数据没有计算在内的增长和变化。” 从社会科学到科学 然而，在这种情况下使用机器学习仍然存在许多挑战。最大的挑战是什么？数据。 在伊达尔戈之前的研究中使用的数据来自他和他的同事创建的网页。在网页上，用户可以评估街景的安全性和美观性，从而为研究人员提供人们如何看待街景的数据。但是如果他想全面开展这项研究，他需要更多的数据来支持。到目前为止，他们仍然依靠网络用户的有机增长来填充机器学习的数据。但是为了真正扩大样本量，伊达尔戈说他们可能会给参与者提供一些奖励。 然而，这种研究方法的挑战不会随着数据的获取而结束。城市是不断变化和动态的，并不是每幅图像都能理想地应用到算法处理中。Hidalgo说，nikhilnaik是麻省理工学院贫困行动实验室的博士后研究员，多年来致力于数据研究。在研究过程中，主要的挑战是分析谷歌街景图像，因为即使只有一辆卡车在行驶，也会导致图像分析前后的巨大差异。此外，团队还必须考虑季节变化，如地面积雪和暴风雨天气。 为了纠正数据中的这些异常，研究人员必须对数据库中160万幅图像中每个像素所描绘的真实物体进行分类。如果太多的像素被识别为卡车或行人，程序将不会使用精确的图像，但会将其转换为同一块中的类似图像。这个系统也设置为忽略像树木或空日这样的东西，因为在不同的季节，它们变化太多，无法获得准确的变化图像。 真正的挑战是将实验室的研究成果应用于城市建设。伊达尔戈说:“我认为这两种方法的结合在城市规划中相当普遍。”但是，这种方法需要更好地扩展，即如何将这些方法整合到规划师和建筑师的手中。” 机器学习的前景是光明的，就像伊达尔戈的工作一样。他认为机器学习将在未来5-10年用于智能城市研究。这些变化是相互关联的。城市随着时间而变化，这也适合机器学习的传播。