Перспективы и опасности использования визуального ИИ для изучения городов.

В своей новой книге «Как ИИ видит город» руководители лаборатории Senseable City Lab Массачусетского технологического института рассматривают возможности применения этой технологии для исследования городской жизни. Телефон: 617-253-2709 Пресс-служба MIT. Подпись : В книге «Как ИИ видит город» авторы описывают множество потенциальных проблем, связанных с этой технологией, включая навязчивость широко распространенного визуального наблюдения и потенциальную возможность усиления предвзятости с помощью систем ИИ. Источник : Изображение: Предоставлено авторами. В книге «Как ИИ видит город» исследователи из Массачусетского технологического института рассматривают последствия использования визуального ИИ для изучения городской жизни. Авторы: Фабио Дуарте, Мартина Маццарелло, Карло Ратти и Фань Чжан. Изображение: Предоставлено авторами.

Несколько месяцев назад исследователи из лаборатории MIT Senseable City Lab опубликовали исследование о загрязнении воздуха в Нью-Йорке, в котором были представлены новые методы. Например: с помощью машинного обучения они определили типы транспортных средств, запечатленных на 331 камере видеонаблюдения в городе, и оценили выбросы от каждого автомобиля. При наличии достаточного количества камер эти методы визуального искусственного интеллекта могли бы отслеживать выбросы с беспрецедентным сочетанием точности и масштаба.

В этом смысле современный визуальный ИИ способен ответить на самые разные вопросы градостроителей. Почему именно возникают пробки? Какие участки перекрестков наиболее опасны? Какие части площадей или парков привлекают больше всего людей?

В разных городах больше изображений означает больше данных, больше информации — и больше опасений по поводу конфиденциальности и справедливости.

«Мы можем рассматривать эти цифровые изображения как данные и количественно оценивать характеристики города», — говорит Фабио Дуарте, исследователь из Массачусетского технологического института и соавтор новой книги о визуальном искусственном интеллекте и урбанистике. «В компьютерном зрении каждое изображение представляет собой набор данных». Тем не менее, добавляет он, «мы должны быть осторожны с этим».

И хотя урбанисты уже давно используют визуальный анализ для обоснования своих идей, теперь это стало возможным в беспрецедентных масштабах.

«Все наблюдают за городской средой и пытаются получить представление о ней», — говорит Мартина Маццарелло, исследовательница из Массачусетского технологического института и соавтор новой книги. «Но что, если мы сможем сделать это в больших масштабах и получить представление о ситуации повсюду?»

В статье «Как ИИ видит город» авторы описывают множество потенциальных проблем, связанных с этой технологией, включая навязчивость широко распространенного визуального наблюдения и возможность усиления предвзятости с помощью систем ИИ. Изображение: Предоставлено авторами.

Предыдущий элемент Следующий элемент

Ученые исследуют эти темы в книге «Как ИИ видит город: визуальный интеллект в городской среде», опубликованной в этом месяце издательством Routledge. Авторами являются Дуарте, ведущий научный сотрудник и заместитель директора лаборатории MIT Senseable City Lab; Маццарелло, научный сотрудник и руководитель глобальных инициатив MIT Senseable City Lab; Карло Ратти, профессор-практик, основатель и директор MIT Senseable City Lab; и Фань Чжан, доцент Института дистанционного зондирования и ГИС Пекинского университета.

«Великие урбанисты, такие как Кевин Линч и Уильям Х. Уайт, показали нам исключительную ценность «взгляда» на город», — говорит Ратти, имея в виду двух видных мыслителей о динамике городов, чьи работы описаны в книге. «Сегодня визуальный искусственный интеллект дает нам новые возможности для развития этой традиции, позволяя наблюдать за городами в масштабе и с уровнем детализации, которые ранее были невозможны».

Новый инструмент, давняя традиция

Книга «Как ИИ видит город» основана на работе лаборатории MIT Senseable City Lab, созданной в 2004 году, которая использует данные для лучшего понимания городской динамики. Как обсуждают авторы в книге, существует долгая история визуальных представлений, формирующих наше представление о городах, от римлян, создававших мраморные карты, до появления фотографии, которая породила влиятельные городские образы, например, о переустройстве Парижа Хаусманом или о перенаселенности многоквартирных домов в Нижнем Ист-Сайде Нью-Йорка в XIX веке.

В последнее время некоторые ученые стали использовать визуальные методы для лучшего понимания городской структуры, в том числе Линч, бывший профессор Массачусетского технологического института, чья книга 1960 года «Образ города» оказала влияние на многих исследователей. Уайт, социолог, известный своей книгой «Человек-организация», впоследствии стал урбанистом, внимательно изучающим общественные пространства.

Четко помещая ИИ в континуум с этими визуальными исследованиями городской среды, авторы подчеркивают: каким бы мощным он ни был, мы все еще можем рассматривать ИИ прежде всего как инструмент, служащий человеческим целям, когда мы стремимся проектировать и совершенствовать городскую форму.

«Кевин Линч из Массачусетского технологического института использовал только бумагу и ручку, — говорит Дуарте. — Теперь мы можем масштабировать то, что он делал, с помощью визуального ИИ, рассматривая при этом множество различных аспектов городов».

Существует множество возможностей для применения визуального ИИ в городском планировании, начиная от выбросов и заканчивая транспортными потоками, безопасностью, улучшением качества изображений уличной активности и тротуаров и многим другим. В книге также рассматривается, например, городское озеленение. Хотя спутниковые снимки могут показать нам, сколько деревьев и зеленых насаждений есть в городах, почти повсеместно распространенные изображения с телефонов и других источников также могут показать, в какой степени люди видят зелень в повседневной жизни, что является фактором, влияющим на их самочувствие.

«Настоящий потенциал визуального ИИ заключается не просто в том, что компьютеры могут обрабатывать миллионы изображений, — говорит Чжан. — Он состоит в том, что мы можем связать то, что видно на этих изображениях — улицы, здания, зелень, транспорт, общественные пространства — с более масштабными вопросами о том, как функционируют города и как люди их воспринимают».

Улучшенное распознавание изображений с помощью ИИ распространяется даже на городские интерьеры. В недавнем исследовании Senseable City, основанном на изображениях из 400 000 объявлений AirBnB по всему миру, показано, что, вопреки некоторым утверждениям, стили дизайна интерьеров не становятся более однородными в глобальном масштабе, а отражают значительные географические различия.

«Независимо от того, что это, мы можем учиться на том, что видим, и затем использовать это в качестве городских дизайнеров, планировщиков, политиков и граждан», — говорит Маццарелло. «Это могут быть наши глаза или камеры с компьютерами, но в конечном итоге методология одна и та же, и теперь мы пытаемся оптимизировать способы использования этих инструментов».

Перспективы и подводные камни

Если перспективы использования визуального ИИ в урбанистических исследованиях огромны, то подводные камни вызывают опасения. В статье «Как ИИ видит город» авторы описывают множество потенциальных проблем, связанных с этой технологией, включая навязчивость широко распространенного визуального наблюдения и возможность усиления предвзятости с помощью систем ИИ.

Установка повсеместно распространенных камер может быстро вызвать опасения по поводу слежки. В Лондоне, одном из первых городов, внедривших системы видеонаблюдения, на квадратную милю приходится около 210 камер. Но восемь из десяти городов мира с наибольшим количеством камер находятся в Китае; в Шанхае их более 5000 на квадратную милю. Подобная практика слежки вызвала споры и в других частях мира, и в этом году в США также разгорелись дебаты по поводу использования камер видеонаблюдения на дорогах.

Оценивая потенциальные преимущества интенсивной видеозаписи с точки зрения безопасности, авторы пишут: «Преимущества необходимо сопоставить со значительным ограничением личной свободы и потенциальной возможностью злоупотреблений, присущей системе постоянного наблюдения».

Между тем, системы ИИ могут также усиливать социальные предрассудки, приводя к созданию данных, которые подкрепляют как прежние представления, так и лежащие в их основе реалии — о людях, районах и целых городах. Если модели ИИ обучаются на группах населения, составляющих большинство, они могут оценивать группы меньшинства иначе.

«Нам нужно научить ИИ видеть, и в зависимости от того, как мы его обучаем, он будет видеть то, что укоренилось в культуре», — говорит Дуарте. «ИИ не нейтрален».

Тем не менее, как добавляет Маццарелло, «наши глаза тоже не нейтральны. Каждый инструмент должен быть направлен в нужное русло и обучен наилучшим образом».

Другие ученые высоко оценили книгу «Как ИИ видит город». Майкл Батти из Университетского колледжа Лондона назвал ее «увлекательной книгой», которая «показывает, как мы начинаем интерпретировать мир городского дизайна, предлагая способы улучшения дизайна с помощью городской аналитики, ИИ и больших языковых моделей».

В конечном счете, хотя авторы считают, что использование визуального ИИ для получения дополнительных знаний о наших городах, их функционировании и возможностях улучшения имеет большую ценность, при условии осторожности и независимого мышления прогресс возможен. Или, как они заключают в книге: «Мы должны исследовать это мудро, критически и творчески».

Источник: news.mit.edu