Zrównoważona przyszłość na horyzoncie – miasta oparte na inteligentnych algorytmach
Prawdziwe inteligentne miasto niekoniecznie będzie wyglądało tak, jak metropolie znane wszystkim z filmów fantastyczno-naukowych – na próżno będzie szukać w nich futurystycznych drapaczy chmur i latających samochodów. Badacze finansowanego ze środków działania „Maria Skłodowska-Curie” projektu NeCOL przedstawiają nam przykład tego, jak mogą wyglądać nowe miasta przyszłości – według nich ludzie będą w nich stali na pierwszym miejscu dzięki koncentracji na rozwiązywaniu problemów związanych z życiem w metropoliach zamiast na nowych budynkach i inwestycjach. „Zaawansowane technologie, takie jak sztuczna inteligencja, powinny być wykorzystywane w celu usprawnienia procesów decyzyjnych i zapewniania ludziom lepszej jakości życia. Naszym obowiązkiem jest pomoc ludziom, jeśli dysponujemy narzędziami, które nam to umożliwiają”, zauważa koordynator projektu Jamal Toutouh.
Ewolucja gatunków inspiruje algorytmy
Jako pracownik naukowy Laboratorium Informatyki i Sztucznej Inteligencji przy MIT oraz Uniwersytetu w Maladze, Toutouh zgłębiał możliwość stosowania algorytmów inspirowanych naturą w głębokim uczeniu. Jego koncepcja zakładała zwiększenie efektywności najnowocześniejszej metodologii i wykorzystanie głębokiego uczenia do rozwiązania trudnych problemów, takich jak te, z którymi borykają się inteligentne miasta. Badacz skupił się na opracowaniu algorytmów optymalizacji treningu sieci neuronowych, które nie są oparte na metodach gradientowych. „Natura jest źródłem wielu dobrych pomysłów. Z tego powodu wraz z zespołem skupiliśmy się na badaniach, które zakładają wykorzystanie procesów ewolucyjnych do rozwoju sieci neuronowej”, zauważa Toutouh. W ten sposób nawiązuje do koncepcji ewolucji Karola Darwina – na podstawie mechanizmu doboru naturalnego i genetyki do trenowania sieci wykorzystywane są najsilniejsze algorytmy genetyczne. Do aproksymacji trudnych problemów optymalizacyjnych Toutouh wykorzystał również algorytmy inteligencji rozproszonej. Opierają się one na obserwowanych w przyrodzie zachowaniach zbiorowych, które pozwalają przedstawicielom tych samych gatunków na współpracę w celu wykonywania złożonych zadań. Stosują je między innymi kolonie mrówek, roje pszczół, stada ptaków czy ławice ryb. Innymi badanymi strategiami kolektywnymi były algorytmy koewolucyjne, które zakładają istnienie dwóch konkurujących ze sobą gatunków. „W modelu drapieżnik–ofiara drapieżnik uczy się, jak atakować słabą ofiarę, z kolei ofiara próbuje uciec. Taką sytuację można zastosować do różnych problemów optymalizacyjnych – drapieżnik jest w takim modelu celem, a ofiary są możliwymi rozwiązaniami”, wyjaśnia Toutouh. Wszystkie te wnioski wyciągnięte z algorytmów (ko)ewolucyjnych posłużyły jako dane wejściowe wykorzystane w celu opracowania narzędzia o nazwie Lipizzaner, czyli ram pozwalających na stworzenie wydajnej i odpornej metody trenowania generatywnych sieci przeciwstawnych.
Inteligentne algorytmy mogą poprawić jakość życia w miastach
Wszystkie zagadnienia poruszane w ramach projektu NeCOL opierały się na realnych scenariuszach i danych zgromadzonych w rzeczywistych warunkach. „Po decyzji Rady Miasta Madrytu o uchwaleniu zakazu wjazdu samochodów do centrum miasta wykorzystaliśmy dostępne dane dotyczące zanieczyszczenia powietrza i zastosowaliśmy algorytmy uczenia maszynowego, aby określić, czy ta decyzja rzeczywiście przyczyni się do poprawy jakości powietrza. Łącząc dane o jakości powietrza z innymi źródłami, nasze inteligentne metody pomogły nam wywnioskować, że poziom zanieczyszczenia powietrza może ulec rzeczywistemu zmniejszeniu”, zauważa Toutouh. Zespół projektu NeCOL zajął się również inteligentną gospodarką odpadami. „Wykorzystaliśmy sztuczną inteligencję, aby w pierwszej kolejności ustalić optymalne miejsca rozmieszczenia pojemników na śmieci, uwzględniając jakość usługi oraz koszty, a następnie by ustalić najlepszą trasę dla ciężarówek odbierających pojemniki. Kolejnym wprowadzonym parametrem była ilość śmieci w pojemniku, co pozwoliło nam na podejmowanie decyzji dotyczących częstotliwości odbioru”, wyjaśnia badacz. Dodatkowo Toutouh wykorzystał inteligentne algorytmy, aby ustalić najlepsze lokalizacje do zainstalowania ładowarek pojazdów elektrycznych w hiszpańskiej Maladze. „Nasza metoda nie stanowi pojedynczego rozwiązania – jest zbiorem rozwiązań, który charakteryzuje się pewnymi kompromisami pod względem jakości, kosztów i czasu. Zwykle koncentrują się na optymalizacji kosztów. Niemniej jednak dzięki technologii sztucznej inteligencji oferujemy decydentom wszystkie narzędzia, które pomogą im w procesie podejmowania decyzji”, podsumowuje badacz.
Słowa kluczowe
NeCOL, SI, sztuczna inteligencja, inteligentne algorytmy, inteligentne miasto, uczenie głębokie, algorytmy ewolucyjne, sieć neuronowa
