Strefy oparte na sztucznej inteligencji stanowią odpowiedź dla inteligentnych i „sprawiedliwych” miast

Kody stref mają setki lat i są siłą napędową wszystkich głównych miast w USA (z wyjątkiem prawdopodobnie Houston), określając, co można zbudować gdzie i jakie działania mogą mieć miejsce w okolicy. Jednak wraz ze wzrostem ich złożoności naukowcy coraz częściej badają, czy ich oparte na regułach systemy racjonalizacji przestrzeni miejskiej można zastąpić systemami dynamicznymi opartymi na blockchainach, algorytmach uczenia maszynowego i danych przestrzennych, potencjalnie zrewolucjonizując planowanie i rozwój urbanistyczny dla następnych stu lat

Te wizje przyszłości zostały zainspirowane moimi niedawnymi rozmowami z Kentem Larsonem i Johnem Clippingerem, dynamicznym duetem myślenia urbanistycznego, który sprawił, że ulepszanie miast i zarządzania miejskiego stało się ich głównym celem. Larson jest główny naukowiec w MIT Media Lab, gdzie kieruje City Science Group, a Clippinger był wcześniej naukowcem w Human Dynamics Group w MIT Media Lab, a obecnie jest współzałożycielem Swytch.io który rozwija token narzędziowy o nazwie Swytch.

Jednym z najtrudniejszych wyzwań stojących przed głównymi miastami USA jest cena mieszkań, która gwałtownie wzrosło w ciągu ostatnich kilku dekad, niezwykle obciążając budżet młodych i starych, singli i rodzin. Średnia Apartament z jedną sypialnią to $ 3,400 w San Francisco, $ 3,350 w Nowym Jorku, czyniąc te mekki innowacji coraz bardziej niedostępnymi nawet dla dobrze finansowanych założycieli startupów, nie mówiąc już o artystach i pedagogach.

Obudowa nie wystarcza jednak, aby zaspokoić współczesnego pracownika gospodarki opartej na wiedzy. Oczekuje się, że każda dzielnica będzie miała listę pralni udogodnień, od ładnych i tanich restauracji, otwartych przestrzeni i instytucji kultury po krytyczne usługi dla ludzi, takie jak sklepy spożywcze, pralnie chemiczne i salony fryzjerskie.

Dzisiaj, plan zagospodarowania przestrzennego po prostu próbowałby wymagać, aby różne opracowania obejmowały niezbędne udogodnienia w ramach procesu wydawania pozwoleń, prowadząc do pustynie żywności i ciekawi bezduszność niektórych dzielnic miejskich. Jednak w świecie Larsona i Clippingera modele oparte na regułach zostałyby wyrzucone na potrzeby „dynamicznych, samoregulujących się systemów” opartych na czymś, co agnostycznie można by nazwać tokenami.

Każda dzielnica składa się z różnych rodzajów ludzi o różnych celach życiowych. Larson wyjaśnił, że „Możemy modelować różne scenariusze tego, kogo chcemy tutaj pracować i jakiego rodzaju udogodnień potrzebujemy, a następnie można to zdefiniować matematycznie jako algorytmy, a zachęty mogą być dynamiczne w oparciu o dane w czasie rzeczywistym”.

Chodzi o to, aby najpierw zebrać zbiory danych, takie jak czasy mobilności, ekonomia jednostek, oceny udogodnień i wyniki zdrowotne, i włączyć je do modelu uczenia maszynowego, który stara się zmaksymalizować szczęście mieszkańców. Tokeny byłyby wówczas walutą, która zapewni rynkom sygnały o tym, co należy dodać do społeczności lub usunąć, aby poprawić szczęście.

Deweloper luksusowego apartamentu może być zmuszony do zapłaty tokenów, szczególnie jeśli budynek nie oferuje żadnych krytycznych udogodnień, podczas gdy inny deweloper, który przekształci swoją nieruchomość w otwartą przestrzeń, może być całkowicie dotowany przez tokeny, które zostały wcześniej wpłacone do systemu. „Nie musisz zawijać sygnałów w jeden mechanizm cenowy” - powiedział Clippinger. Zamiast tego dzięki „pętlom sprzężenia zwrotnego wiesz, że istnieją zakresy dynamiczne, które próbujesz zachować”.

Porównaj to podejście oparte na systemach z dzisiejszą złożonością…

Przeczytaj całą historię tutaj…