Išmanieji miestai nėra tik tolimos ateities svajonė – jau šiandien kai kurie jų pasižymi tokiam miestui būdingomis savybėmis: egzistuoja išmanusis atliekų surinkimas, pažangusis apšvietimas ir automobilių statymas, nusikaltimus prognozuojantys mechanizmai ir kiti šiuolaikinėmis informacinėmis ir ryšio technologijomis (IRT) paremti sprendimai. Prognozuojama, kad jau greitai išmanieji miestai valdys elektros energiją, medžiagų srautus, logistiką ir net eismą.
2015 metais Pasaulio ekonomikos forumas įvardino kelias dešimtis virsmo taškų, tai yra, didžiojoje visuomenės dalyje įvyksiančių technologijų permainų, kurios formuos pasaulio ateitį. Tikimasi, kad virsmo taškai išryškės iki 2025 metų – būtent šiuo periodu, prognozuojama, įvyks esminiai ketvirtosios pramonės revoliucijos pokyčiai. Apie tai Forumo įkūrėjas, Kauno technologijos universiteto (KTU) garbės daktaras Klausas Schwabas kalba knygoje „Ketvirtoji pramonės revoliucija“.
Šie virsmo taškai buvo identifikuoti Forumo metu atlikus tyrimą dėl programinės įrangos ir visuomenės ateities („Deep Shift – Technology Tipping Points and Societal Impact“, 2015), kuriame dalyvavo daugiau kaip 800 įmonių vadovų bei ekspertų iš informacinių ir ryšių technologijų sektoriaus. Respondentų buvo klausiama, ar tiki, kad konkretus virsmo taškas bus pasiektas per 10 metų.
Prognozė: iki 2025 m. išsivystys pirmasis daugiau nei 50 tūkstančių gyventojų turintis miestas be šviesoforų
Tyrimas: 64 % respondentų tiki, jog tai įvyks.
„Kadangi duomenys vis intensyviau naudojami išmaniesiems miestams (ir daiktams) kurti, tikrai įmanoma, kad gali atsirasti eksperimentinis miestas, kuriame išmanusis transportas, gaudamas duomenis realiu laiku apie supančią aplinką ir pėsčiuosius, galės pats priimti sprendimus apie tai, kur ir kada sustoti, be šviesoforų“, – įsitikinusi Kauno technologijos universiteto (KTU) Statybos ir architektūros fakulteto (SAF) mokslininkė Irina Matijošaitienė.
Ji atskleidžia, kad tokiems sprendimams sukurti pasitelkiami automatinis (angl. Machine Learning) ir gilusis mokymasis (angl. Deep Learning), kurie svarbūs objektų atpažinimui vaizduose ir vaizdo įrašuose (angl. Object Recognition), taip pat įvairūs dirbtinio intelekto metodai.
„Žinant, kad šių metodų naudojimo ir tobulinimo mąstai itin dideli (ypač JAV), tikėtina, kad greitu laiku mokslininkams atsiras poreikis sukurti ir išbandyti prototipą miesto, pilnai valdomo dirbinio intelekto“, – teigia KTU mokslininkė.
Pasak I. Matijošaitienės, tokiuose miestuose žmonės galėtų judėti laisvai, o įvairūs mechanizmai – automobiliai, dviračiai ir kitos transporto priemonės – gebėtų atpažinti žmones ir supančios aplinkos objektus bei laiku prie jų priderinti judėjimo kryptį, manevrus ir greitį.
„Tai būtų patogu visuomenei, nes pėstieji orientuotųsi ne į eismo saugumą, o į kitus jiems svarbius dalykus. Tačiau tuo pačiu tai sumažintų visuomenės atsakingumo jausmą“, – sako ji.
Pavienės išmaniųjų miestų funkcijos – jau realybė
Tokie išmanieji miestai, kaip Singapūras ir Barselona, pasak K. Schwabo, jau dabar teikia daug naujų paslaugų, grindžiamų duomenimis: pavyzdžiui, pažangusis automobilio statymas, išmanus atliekų surinkimas ar pažangus apšvietimas. Be to, išmanieji miestai nuolat plečia jutiklių technologijų tinklą ir tvarko duomenų platformas.
„Šiuolaikiniai miestai „gamina“ terabaitus duomenų, kurie yra įvairių tipų – struktūriniai, nestruktūriniai, teksto, nuotraukų, garso ar vaizdo įrašų – skirtingų mastelių, istoriniai ir realaus laiko. Tai miesto didieji duomenys“, – pasakoja I. Matijošaitienė.
KTU SAF profesorė taip pat patvirtina tai, kad JAV, Jungtinėje Karalystėje, Singapūre ir kai kuriose kitose Europos šalyse šie duomenys jau naudojami miestų planavimui ir modernizavimui: tiek valstybiniuose miestų planavimo departamentuose, tiek nevyriausybinėse organizacijose, privačiose kompanijose (ypatingai startuoliuose) ir mokslo / tyrimo institutuose.
„Dirbtinis intelektas, automatinis mokymasis ir gilusis mokymasis taikomi pėsčiųjų ir transporto srautų planavime, saugumo ir kitose srityse, kuriant sumanųjį miestą – pavyzdžiui, naudojant objektų atpažinimą gatvėse arba prognozuojant įvykius mieste“, – pastebi I. Matijošaitienė.
Profesorė pateikia ir pavyzdžių. Pavyzdžiui, Lisabonoje, Portugalijoje, projektuojamos viešojo transporto juostos su pertrūkiais, kai sensoriai aptinka viešojo transporto judėjimą juostoje ir rezervuoja tą eismo juostą viešajam transportui. Andoroje mobiliųjų operatorių duomenys naudojami srautų planavimui ir miesto bendrojo plano rengimui, o nusikaltimus prognozuojantys mechanizmai jau sukurti ne tik JAV, bet ir Lietuvoje.
Plėtra ir džiugina, ir baugina
Visgi I. Matijošaitienė pažymi, kad visiškai be jokių šviesoforų gyvuojantis miestas netolimoje ateityje galėtų būti tik eksperimentinis. Tai lemia tai, jog šiuo metu egzistuojantys objektų atpažinimo algoritmai vis dar padaro klaidų (angl. errors arba misclassification).
„Tam, kad gilaus mokymosi modeliai būtų kuo tikslesni ir nedarytų klaidų, modelį reikia treniruoti ir testuoti, naudojant itin daug ir labai įvairių duomenų. Šiai sąlygai įgyvendinti ne visada yra galimybių arba ne visi faktoriai būna įvertinti“, – sako ji.
„Pavyzdžiui, kompanijos „Tesla“ sukurtas automobilis su automatinio važiavimo paketu įvykdė avariją Kalifornijoje, JAV, kai gilaus mokymosi algoritmas nesugebėjo teisingai atpažinti objekto greitai judančiuose vaizduose“, – konkrečiu atveju dalijasi KTU SAF profesorė.
Išmaniuosiuose miestuose taip pat galėtų būti pažeidžiamas privatumas, atsirasti tikimybė, kad žmonės yra sekami, ar jaučiama nuolatinė rizika, kad ištekliai gali išsekti, nefunkcionuojant energijos tiekimo sistemai, o be to, sumažėtų atsparumas kibernetinėms atakoms – tokį neigiamą išmaniųjų miestų poveikį apibrėžia K. Schwabas.
Tačiau tuo pačiu metu būtų veiksmingiau išnaudojami ištekliai, išaugtų produktyvumas, pagerėtų gyvenimo kokybė, būtų teigiamai veikiama aplinka, visuomenei sudaromos platesnės galimybės naudotis ištekliais ir pan.
„Statista“ duomenys rodo, kad kuriant išmaniuosius miestus 2015 m. visame pasaulyje buvo išleista 14,85 mlrd. JAV dolerių. Prognozuojama, kad jau 2022 m. išlaidos bus daugiau nei dvigubai didesnės ir sieks net 34,35 mlrd. JAV dolerių.
