Eine nachhaltige Zukunft am Horizont: Städte, die von intelligenten Algorithmen gesteuert werden
Eine echte intelligente Stadt wird jedoch nicht unbedingt so aussehen wie in Science-Fiction-Filmen mit futuristischen Gebäuden und fliegenden Autos. Das im Rahmen der Marie-Skłodowska-Curie-Maßnahmen finanzierte Projekt NeCOL zeichnet ein Bild davon, wie die nächste Generation an Städten aussehen könnte: Sie stellen die Menschen in den Mittelpunkt, indem sie städtische Probleme lösen, statt sich auf auffallende Neuentwicklungen zu konzentrieren. „Fortgeschrittene Technologien wie KI sollten gezielt eingesetzt werden, um bessere Entscheidungen zu treffen und den Menschen eine bessere Lebensqualität zu bieten. Es ist unsere Pflicht, den Menschen zu helfen, da uns solche Instrumente nun zur Verfügung stehen“, merkt der Projektkoordinator Jamal Toutouh an.
Die Evolution von Tierarten als Inspiration für Algorithmen
Gemeinsam mit dem Labor für Informatik und künstliche Intelligenz des MIT und der Universität Málaga lotete Toutouh aus, wie von der Natur inspirierte Algorithmen im Deep Learning angewendet werden können. Die Idee bestand darin, die Effizienz moderner Methoden zu verbessern und Deep Learning auf schwierige Probleme anzuwenden, wie zum Beispiel auf die Herausforderungen, denen intelligente Städte gegenüberstehen. Der Schwerpunkt lag auf der Entwicklung von Optimierungsalgorithmen für das Training neuronaler Netzwerke, die nicht auf Gradientenmethoden basieren. „Die Natur hat immer gute Ideen. Wir haben uns auf einen Forschungsbereich konzentriert, der dazu anregt, ein neuronales Netzwerk einen evolutionären Prozess durchlaufen zu lassen“, gibt Toutouh an. Dabei wird auf Darwins Konzept der Evolution gesetzt: Basierend auf den Mechanismen der natürlichen Auslese und Genetik werden die stärksten genetischen Algorithmen verwendet, um das Netzwerk zu trainieren. Um schwierige Optimierungsprobleme zu approximieren, wendete Toutouh außerdem Schwarmintelligenz-Algorithmen an. Diese sind von kollektiven Verhaltensweisen inspiriert, die man in der Natur beobachten kann und die es Organismen derselben Art ermöglichen, gemeinsam komplexe Aufgaben zu bewältigen, wie bei Ameisenkolonien, Bienenvölkern, Vogel- oder Fischschwärmen. Darüber hinaus wurden auch koevolutionäre Algorithmen, die der Konkurrenz zweier Arten in der Natur zugrundeliegen, als weitere kollektive Strategien untersucht. „Im Raubtier-Beutetier-Modell lernt das Raubtier, wie es schwache Beutetiere angreifen muss, während letzteres zu entkommen versucht. Eine solche Situation kann auf Optimierungsprobleme übertragen werden: Das Raubtier ist ein Ziel und die Beutetiere sind denkbare Lösungen“, erklärt Toutouh. Sämtliche Lehren, die aus den (ko-)evolutionären Algorithmen gezogen wurden, bildeten die Grundlage für ein Instrumentarium namens Lipizzaner. Dieses Rahmenwerk definiert eine robuste Methode, um erzeugende gegnerische Netzwerke zu trainieren.
Intelligente Algorithmen für eine verbesserte Lebensqualität in Städten
Alle Fragen, die NeCOL anging, beruhten auf Szenarien aus der echten Welt und echten Daten. „Nach der Entscheidung des Stadtrats von Madrid, Autos aus der Innenstadt zu verbannen, nutzten wir bestehende Daten zur Luftverschmutzung und wendeten maschinelles Lernen an, um herauszufinden, ob diese Entscheidung die Luftqualität tatsächlich verbessern würde. Indem wir die Daten zur Luftqualität mit anderen Datenquellen kombinierten, ermöglichten uns unsere intelligenten Methoden, zu dem Schluss zu kommen, dass die Luftverschmutzung dadurch in der Tat gesenkt werden könnte“, so Toutouh. NeCOL nahm sich außerdem der intelligenten Müllentsorgung an. „Wir nutzten zunächst KI, um den optimalen Ort für Mülltonnen zu bestimmen, was die Dienstleistungsqualität und Kosten angeht, und wählten dann die beste Route für die Müllabfuhr aus. Darüber hinaus berücksichtigten wir die Abfallmenge in den Mülltonnen, um zu bestimmen, wie oft sie geleert werden müssen“, erklärt Toutouh. Zu guter Letzt implementierte Toutouh Algorithmen, die die besten Standorte für Ladesäulen für Elektrofahrzeuge im spanischen Málaga ausmachten. „Unsere Methode stellt nicht nur eine einzige Lösung, sondern einen ganzen Satz an Lösungen bereit, die verschiedene Kompromisse zwischen Qualität, Kosten und Zeitaufwand aufzeigen. Normalerweise liegt der Schwerpunkt auf der Optimierung der Kosten. Nichtsdestotrotz geben wir den Entscheidungsverantwortlichen mithilfe von KI sämtliche Instrumente an die Hand, die sie benötigen, um ihre Entscheidungen zu treffen“, merkt er abschließend an.
Schlüsselbegriffe
NeCOL, KI, intelligente Algorithmen, intelligente Stadt, Deep Learning, evolutionäre Algorithmen, neuronales Netzwerk
