برای مثال، ابزار مدلسازی سناریوی کمکی هوش مصنوعی در شهرهای پیشرو به برنامهریزان اجازه میدهد پیامدهای پیشنهادها تغییر منطقهبندی را بر ترافیک، تقاضای خدمات، ظرفیت مدارس و ریسک جابهجایی ساکنان در عرض چند ساعت ارزیابی کنند. این سیستمها با یکپارچهسازی دادههای قطعات زمینی، اطلاعات دموگرافیک، ظرفیت زیرساختها، ثبتنام مدارس و الگوهای توسعه تاریخی، مبادلههای بین گزینههای مختلف سیاستی را آشکار میسازند و تصمیمگیری آگاهانهتر را آسان میکنند.
در حوزه تولید طرحهای اولیه، هوش مصنوعی مولد میتواند بر اساس پارامترهای ورودی همچون تراکم مجاز، ارتفاع ساختمان، کاربری زمین و محدودیتهای محیطی، چندین گزینه طراحی تولید کند. این سیستمها با استفاده از الگوریتمهای بهینهسازی و شبکههای مولد تخاصمی، ترکیبات مختلفی از چیدمان ساختمانها، فضاهای سبز، زیرساختها و کاربریهای مختلط را بررسی میکنند و طرحهایی را پیشنهاد میدهند که همزمان کارایی فضایی، پایداری زیستمحیطی و کیفیت زندگی را بهینه میکنند. این سیستمها نهتنها زمان طراحی را کاهش میدهند، بلکه گزینههایی را پیشنهاد میکنند که ممکن است از دید طراحان انسانی پنهان بماند.
در مشارکت شهروندی، هوش مصنوعی مولد با ترجمه سناریوهای پیچیده برنامهریزی به زبان ساده، تحلیل خودکار بازخوردهای شهروندان و تولید تجسمهای تعاملی از طرحها، مشارکت گستردهتر و معنادارتر جامعه را تسهیل میکند. همچنین در تولید گزارشهای تأثیر زیستمحیطی، هوش مصنوعی مولد میتواند دادههای پیچیده را تحلیل و گزارشهای جامع و استاندارد تولید کند که زمان تهیه این گزارشها را تا ۶۰ درصد کاهش میدهد.
هوش مصنوعی مولد با تحلیل حجم عظیمی از دادههای تاریخی و لحظهای، الگوهایی را شناسایی میکند که ممکن است از دید تحلیلگران انسانی پنهان بماند. این سیستمها میتوانند ریسکهای بالقوه همچون جابهجایی ساکنان، فشار بر زیرساختها، یا تأثیرات زیستمحیطی را پیشبینی کنند و راهحلهای پیشگیرانه پیشنهاد دهند.
از دیدگاه مشارکت شهروندی، هوش مصنوعی مولد با فراهمکردن تجسمهای تعاملی و قابلدرک از طرحهای پیچیده، مشارکت شهروندان را تسهیل کرده و شفافیت فرایندهای برنامهریزی را افزایش داده است. این سیستمها با ترجمه سناریوهای فنی و پیچیده به زبان ساده، تولید روایتهای سیاستی قابلفهم و ایجاد پلتفرمهای گفتوگوی دیجیتال، امکان درک عمیقتر پیامدهای طرحها را برای شهروندان عادی فراهم میکنند. شهروندان میتوانند پیش از اجرای فیزیکی، تأثیرات طرحها را بر محله خود مشاهده کنند و بازخوردهای معناداری ارائه دهند. این رویکرد نهتنها پذیرش عمومی طرحها را افزایش میدهد، بلکه به شناسایی و رفع نگرانیهای جامعه محلی پیش از اجرای پروژه کمک میکند.
با وجود مزایای قابلتوجه، استقرار هوش مصنوعی مولد در برنامهریزی شهری با چالشهایی همراه است. سوگیری الگوریتمی یکی از مهمترین نگرانیهاست: سیستمهای هوش مصنوعی آموزشدیده بر دادههای تاریخی ممکن است برای مثال در پیشبینی جرم یا تخصیص منابع نابرابریهای موجود را تقویت کنند. شفافیت و پاسخگویی نیز چالشبرانگیز است، زیرا تصمیمات مبتنی بر هوش مصنوعی ممکن است برای شهروندان و حتی برنامهریزان غیرقابل تفسیر باشند.
حریم خصوصی دادهها، وابستگی بیش از حد به فناوری و نیاز به آموزش مستمر نیروی انسانی از دیگر چالشهای کلیدی هستند. موفقیت هوش مصنوعی مولد مستلزم ایجاد چارچوبهای حکمرانی شفاف، استفاده از دادههای متنوع و نماینده برای آموزش مدلها و حفظ نقش تصمیمگیری نهایی برای انسانها است.
سنگاپور؛ هوش مصنوعی مولد و شبیهسازی سناریوهای شهری
سنگاپور بهعنوان بخشی از ابتکار «ملت هوشمند» هوش مصنوعی مولد را در دوقلوی دیجیتال ملی خود یکپارچه کرده است. این کشور با سرمایهگذاری ۷۰ میلیون دلاری در سنگاپور مجازی، نخستین دوقلوی دیجیتال در مقیاس ملی را ایجاد کرده که اکنون با هوش مصنوعی مولد تقویت شده است. استراتژی هوش مصنوعی سنگاپور بر سه محور استوار است: توسعه زیرساختهای محاسباتی، آموزش نیروی انسانی متخصص و استقرار موارد استفاده عملیاتی در بخشهای کلیدی از جمله برنامهریزی شهری.
در سنگاپور مجازی، هوش مصنوعی مولد در چندین حوزه کلیدی به کار گرفته میشود. نخست، شبیهسازی پویای شهری با شبکههای عصبی است. سنگاپور از شبکههای مولد تخاصمی (GANs) و مدلهای چندوجهی برای شبیهسازی پویاییهای شهری در سنگاپور مجازی استفاده میکند. این سیستمها میتوانند سناریوهای ترافیکی جدید، الگوهای مصرف انرژی و حتی رفتارهای جمعیتی را در پاسخ به تغییرات سیاستهای شهری تولید و شبیهسازی کنند.
دومین حوزه کلیدی در دوقلوی دیجیتال سنگاپور، تولید سناریوهای برنامهریزی با مدلهای زبانی است. مدلهای زبانی بزرگ (LLMs) در سنگاپور مجازی برای تولید روایتهای سناریو و تحلیل پیامدهای سیاستهای مختلف به کار میروند. برای مثال، وقتی شهرداری در نظر دارد یک منطقه را از کاربری صنعتی به مختلط مسکونیتجاری تغییر دهد، مدل زبانی بزرگ میتواند چندین سناریوی توسعه را تولید کند که هر کدام شامل پیشبینیهایی درباره تأثیرات ترافیکی، تقاضای مسکن، فشار بر مدارس و خدمات عمومی و پیامدهای زیستمحیطی است.
سومین حوزه بهینهسازی طراحی شهری است. هوش مصنوعی مولد میتواند بر اساس پارامترهای ورودی همچون تراکم مجاز، ارتفاع ساختمان، نسبت سطح اشغال و محدودیتهای محیطی، چند گزینه طراحی تولید کند. این سیستمها نهتنها زمان طراحی را کاهش میدهند، بلکه گزینههایی را پیشنهاد میکنند که ممکن است از دید طراحان انسانی پنهان بماند.
یکپارچهسازی هوش مصنوعی مولد در سنگاپور مجازی تأثیرات قابلتوجهی بر کارایی برنامهریزی شهری سنگاپور داشته است. در حوزه ترافیک، شبیهسازیهای مبتنی بر GAN به بهینهسازی جریانهای ترافیکی کمک کردهاند که منجر به کاهش ۱۵ درصدی زمان سفر در ساعات اوج ترافیک شده است. در بخش انرژی، تحلیلهای هوش مصنوعی مولد به شناسایی الگوهای مصرف و پیشنهاد بهینهسازیهایی منجر شده که مصرف انرژی ساختمانهای دولتی را ۱۲ درصد کاهش داده است.
در حوزه مشارکت شهروندی، استفاده از مدلهای زبانی بزرگ برای تولید سناریوهای قابلدرک و روایتهای سیاستی، کیفیت گفتوگوی عمومی را بهبود بخشیده است. شهروندان میتوانند پیش از جلسات عمومی، پیامدهای مختلف طرحها را در قالب داستانها و سناریوهای تولیدشده توسط هوش مصنوعی مطالعه کنند و بازخوردهای آگاهانهتری ارائه دهند. این رویکرد مشارکتی منجر به افزایش کارایی توسعه شهری از ۵۴.۶۹ درصد به ۷۶.۰۳ درصد شده است.
سنگاپور مجازی نشان داده است که یکپارچهسازی هوش مصنوعی مولد در دوقلوهای دیجیتال موجود، امکان استفاده از زیرساختهای قبلی را فراهم میکند و هزینههای استقرار را کاهش میدهد. افزون بر این، مشارکت زودهنگام شهروندان در طراحی و ارزیابی سناریوهای تولیدشده توسط هوش مصنوعی، اعتماد عمومی را افزایش میدهد و کیفیت تصمیمگیریها را بهبود میبخشد. این تجربه سنگاپور را بهعنوان الگویی برای شهرهای آسیایی و جهانی در استفاده از هوش مصنوعی مولد برای برنامهریزی شهری پیشبین و مشارکتی تبدیل کرده است.
سئول؛ هوش مصنوعی مولد برای تسریع مجوزهای توسعه زمین و مشارکت شهروندی
دولت شهری سئول استراتژی جامع تحول هوش مصنوعی را با تمرکز بر توسعه نیروی انسانی، زیرساختها و کاربردهای صنعتی راهاندازی کرده است. هدف این استراتژی تبدیل سئول به یک شهر جهانی دوستدار «هوش مصنوعی فیزیکی (Physical AI)» تا ۲۰۲۶ است. هسته مرکزی این تلاش، ایجاد یک سیستم مدیریت شهری مبتنی بر هوش مصنوعی است که برنامهریزی، نمایش و گسترش را در یک جریان واحد متصل میکند.
وزارت زمین، زیرساخت و حملونقل کره جنوبی در ژوئن ۲۰۲۶ سرویس هوش مصنوعی برای تسریع مجوزهای توسعه زمین را راهاندازی کرد. این سرویس که با ترکیب فناوری دوقلوی دیجیتال و الگوریتمهای پیشرفته هوش مصنوعی ساخته شده است، امکان بررسی پیشاززمان امکان دریافت مجوزهای پیچیده توسعه زمین را فراهم میکند.
سیستم هوش مصنوعی وزارت زمین، زیرساخت و حملونقل کره جنوبی چندین قابلیت کلیدی دارد که نخستین آن، تحلیل خودکار قوانین و مقررات است. وقتی کاربر موقعیت زمین یا شرایط ساختمان خاصی را وارد میکند، یک عامل هوش مصنوعی بهطور مستقل قوانین و مقررات متعدد محلی را تحلیل میکند، از جمله منطقهبندی منطقه، نسبت سطح اشغال، نسبت سطح زیربنا و محدودیتهای فعالیت. این سیستم بیش از ۲۰۰ قانون کاربری زمین را تحلیل میکند و مراحل مجوز را تا یکسوم کاهش میدهد.
دومین قابلیت کلیدی هوش مصنوعی سئول، درک زبان طبیعی و راهنمایی تعاملی است. هوش مصنوعی مولد بهطور دقیق قصد پشت سؤالات متقاضی را درک میکند و کاربر را از طریق مراحل اداری لازم و اقلامی که باید از پیش آماده کند، راهنمایی میکند. این قابلیت که از پردازش زبان طبیعی پیشرفته استفاده میکند، به متقاضیان اجازه میدهد سؤالات خود را به زبان روزمره مطرح کنند و پاسخهای دقیق و قابلاقدام دریافت کنند.
سومین قابلیت، تولید گزارشهای تطبیق و پیشبینی است. سیستم هوش مصنوعی گزارشهای جامعی تولید میکند که احتمال دریافت مجوز، موانع بالقوه مقرراتی و اقدامات اصلاحی پیشنهادی را نشان میدهد. این گزارشها بهصورت خودکار و در عرض چند دقیقه تولید میشوند، فرایندی که بهطور سنتی هفتهها یا ماهها طول میکشید.
طبق برنامه پایلوت، وزارت زمین، زیرساخت و حملونقل عملیات آزمایشی را در چهار دولت محلی در دسامبر ۲۰۲۶ آغاز خواهد کرد. در ژوئن ۲۰۲۷، مناطق هدف به ۱۰ دولت محلی گسترش خواهد یافت تا سیستم را اصلاح کند و در نیمه دوم سال آینده، برنامه دارد سرویس را بهطور کامل در سطح ملی، از جمله یک اپلیکیشن موبایل باز کند تا عموم و کارمندان دولتی بتوانند از هر جایی از آن استفاده کنند.
سئول انتظار دارد که پس از عملیات کامل سیستم، رفاه اداری بهطور چشمگیری بهبود پیدا کند، زیرا مردم میتوانند خودشان احتمال دریافت مجوز را از پیش بررسی کنند و مقرراتی را که میتواند به موانع تبدیل شود، شناسایی کنند. در عمل، برای ساخت یک ساختمان واحد باید ۲۳ مجوز مرتبط را گذراند و برای تأسیس یک کارخانه تا ۳۶ مجوز که نارضایتیهایی ایجاد میکند که از حداقل دو ماه تا بیش از یک سال از آمادهسازی تا تأیید نهایی طول میکشد. هوش مصنوعی مولد این فرایند را بهطور قابلتوجهی سرعت میبخشد و شفاف میکند. موفقیت در این تجربه سئول و کره جنوبی را بهعنوان الگویی برای شهرهای آسیایی در استفاده از هوش مصنوعی مولد برای تسریع فرایندهای اداری، افزایش شفافیت و تسهیل مشارکت شهروندی تبدیل خواهد کرد. کد مطلب 996205
