Des villes alimentées par des algorithmes intelligents pour un avenir plus durable
La véritable ville intelligente ne ressemblera pas nécessairement à celles présentées dans les films de science-fiction, avec ses bâtiments futuristes et ses voitures volantes. Financé par le programme Actions Marie Skłodowska-Curie, le projet NeCOL nous donne un aperçu de ce à quoi pourrait ressembler la prochaine vague de villes : des cités conçues pour leurs habitants avec le souci de résoudre les problèmes urbains plutôt que de lancer de nouveaux développements tape-à-l’œil. «Les technologies avancées telles que l’IA doivent être utilisées de manière ciblée pour prendre de meilleures décisions et accroître la qualité de vie. Il est de notre devoir de répondre aux besoins des gens, car nous disposons aujourd’hui des outils pour le faire», fait remarquer le coordinateur du projet, Jamal Toutouh.
Des algorithmes inspirés de l’évolution des espèces
Au sein du laboratoire d’informatique et d’intelligence artificielle du MIT et de l’université de Malaga où il travaille, Jamal Toutouh a étudié comment appliquer des algorithmes inspirés de la nature à l’apprentissage profond. Son idée était d’augmenter l’efficacité des méthodologies de pointe et de mettre en pratique l’apprentissage profond pour résoudre des problèmes complexes, tels que ceux auxquels sont confrontées les villes intelligentes. L’accent a été mis sur le développement d’algorithmes d’optimisation pour la formation de réseaux neuronaux non basés sur des méthodes de gradient. «La nature a de bonnes idées. Nous nous sommes concentrés sur un domaine d’étude qui suppose de soumettre un réseau neuronal à des processus évolutifs», déclare Jamal Toutouh. Cela rappelle le concept d’évolution de Darwin: en s’appuyant sur les mécanismes de la sélection naturelle et de la génétique, les algorithmes génétiques les plus puissants sont utilisés pour entraîner le réseau. Pour aborder les problèmes d’optimisation complexes, Jamal Toutouh a également eu recours à des algorithmes d’intelligence en essaim. Ceux-ci s’inspirent du comportement collectif observé dans la nature qui permet à des organismes de la même espèce de coopérer pour accomplir des tâches complexes, comme les colonies de fourmis, les essaims d’abeilles, les volées d’oiseaux ou les bancs de poissons. D’autres stratégies collectives ont également été étudiées, comme les algorithmes de coévolution, qui supposent la coexistence de deux espèces concurrentes dans la nature. «Dans le modèle prédateur-proie, le prédateur apprend à attaquer la proie faible, tandis que cette dernière tente de s’échapper. Une telle situation peut être transposée à des problèmes d’optimisation, où le prédateur représente l’objectif, et les proies les solutions réalisables», explique Jamal Toutouh. Tous ces enseignements tirés des algorithmes de (co)évolution ont servi de socle à un outil appelé Lipizzaner. Ce cadre définit une méthode résiliente pour entraîner des réseaux antagonistes génératifs.
Des algorithmes intelligents pour améliorer la qualité de vie urbaine
Tous les problèmes abordés dans le cadre du projet NeCOL reposaient sur des scénarios du monde réel utilisant des données du monde réel. «Suite à la décision du conseil municipal de Madrid d’interdire l’accès des voitures au centre-ville, nous avons utilisé les données disponibles sur la pollution atmosphérique et appliqué l’apprentissage automatique pour savoir si cette décision contribuerait réellement à améliorer la qualité de l’air. En combinant les données sur la qualité de l’air avec d’autres sources de données, nos méthodes intelligentes nous ont permis de déduire que les niveaux de pollution atmosphérique pouvaient effectivement être réduits», explique Jamal Toutouh. NeCOL s’est également penché sur la question de la gestion intelligente des déchets. «Nous avons d’abord utilisé l’IA pour détecter les endroits optimaux où placer les poubelles en termes de qualité de service et de coût, puis pour sélectionner le meilleur itinéraire pour les camions chargés de collecter les déchets. Un autre paramètre injecté était la quantité de déchets à l’intérieur de la poubelle, ce qui a permis de décider finalement de la fréquence des collectes», explique Jamal Toutouh. Enfin, Jamal Toutouh s’est appuyé sur des algorithmes intelligents pour identifier les emplacements les plus indiqués pour installer des chargeurs de véhicules électriques à Malaga, en Espagne. «Notre méthode ne propose pas une solution unique mais un ensemble de possibilités avec différents arbitrages en matière de qualité, de coût et de temps. En général, l’accent porte plutôt sur l’optimisation des coûts. Néanmoins, en utilisant l’IA, nous offrons aux décideurs tous les outils nécessaires pour statuer», conclut-il.
Mots‑clés
NeCOL, IA, algorithmes intelligents, ville intelligente, apprentissage profond, algorithmes évolutifs, réseau neuronal
