Visuaalne tehisintellekt võib muuta viisi, kuidas linnu uuritakse ja kujundatakse. Kaamerapiltide, satelliidifotode ja muude visuaalsete andmete abil on võimalik analüüsida liiklust, sõidukite heitmeid, avaliku ruumi kasutust ning linnade rohelust senisest suuremas mahus.

MIT Senseable City Labi teadlased rõhutavad samal ajal, et suurem mõõtevõime ei tähenda automaatselt paremaid otsuseid. Nende hinnangul tuleb arvesse võtta nii privaatsuse kadu, pideva jälgimise ohtu kui ka seda, et tehisintellekt võib ühiskonnas juba olemas olevaid eelarvamusi andmetes ja otsustes kinnistada.

Linnapilt muutub analüüsitavaks andmestikuks

MIT teadlased on kasutanud masinõpet, et tuvastada New Yorgi liikluskaamerate piltidelt eri tüüpi sõidukeid ja hinnata nende tekitatud heitmeid. Selline lähenemine võib võimaldada liikluse ja õhukvaliteedi seoseid jälgida samaaegselt suurel alal ning detailsemalt kui üksnes valimipõhiste uuringutega.

Visuaalse AI võimalik kasutusala on laiem. Linnaplaneerijad saavad uurida, miks liiklus teatud kohtades takerdub, millised ristmike omadused on seotud suurema ohuga ning millised pargi või väljaku osad inimesi kõige rohkem meelitavad. Ka tänavate, kõnniteede ja avaliku ruumi igapäevane kasutus võib muutuda mõõdetavaks.

Ühe näitena käsitlevad teadlased linnade rohelust. Satelliidipildid aitavad hinnata puude ja haljasalade hulka, kuid telefonide ja muude allikate pildid võivad näidata ka seda, kui sageli inimesed oma igapäevases keskkonnas rohelust näevad. Teadlaste sõnul võib see täiendada arusaama sellest, kuidas linnakeskkond inimeste heaoluga seostub.

AI jätkab varasemat visuaalse linnauuringu traditsiooni

MIT teadlaste uus raamat „How AI Sees the City: Urban Visual Intelligence” seob tehisintellekti varasema linnade visuaalse uurimise traditsiooniga. Linnade kujutamine kaartidel, fotodel ja vaatlustes on juba kaua aidanud mõista nende ruumilist vormi ja inimeste käitumist avalikus ruumis.

Autorite käsitluses ei ole AI eesmärk linnaplaneerija või elaniku otsuseid asendada. Pigem nähakse seda tööriistana, mis võimaldab varasemaid vaatlusmeetodeid suuremas mahus rakendada ning ühendada nähtavad tunnused – näiteks liiklus, hooned, tänavad ja haljastus – küsimustega selle kohta, kuidas linn toimib ja kuidas inimesed seda kogevad.

Visuaalset AI-d saab kasutada ka siseruumide analüüsimiseks. MIT Senseable City Labi uuring, milles vaadeldi suure hulga Airbnb majutuskuulutuste pilte, leidis autorite sõnul, et sisekujundusstiilid ei ole muutunud üle maailma täielikult ühesuguseks, vaid neis säilivad märgatavad geograafilised erinevused.

Suurem nähtavus võib tähendada väiksemat privaatsust

Tehnoloogia peamine risk on seotud ulatusliku visuaalse jälgimisega. Kui kaameraid kasutatakse pidevalt liikluse, inimeste liikumise või avaliku ruumi jälgimiseks, võib paraneda turvalisuse ja linnakorraldusega seotud analüüs. Samal ajal võib selline süsteem vähendada isikuvabadust ning luua võimalusi andmete väärkasutuseks.

Teine probleem on kallutatus. Kui AI-mudelid õpetatakse peamiselt enamusrühmade andmetega, ei pruugi need hinnata vähemusgruppe või eri piirkondi samal viisil. MIT teadlaste sõnul ei ole AI neutraalne: see peegeldab osaliselt kultuuri ja valikuid, mis määravad, milliste andmetega süsteemi õpetatakse ning mida sellelt küsitakse.

See tähendab, et visuaalse AI kasutamisel ei piisa üksnes mudeli täpsuse hindamisest. Vaja on küsida, milliseid inimesi ja kohti andmed esindavad, milliseid nähtusi süsteem ei näe ning kuidas mõjutavad tulemused linnaplaneerimise otsuseid. Teema on oluline ka ettevõtetele ja teistele organisatsioonidele, kes kasutavad kaamerapilte või muid visuaalseid andmeid oma tööprotsessides: tehniline võimalus mõõta ei lahenda automaatselt privaatsuse ega õigluse küsimusi.

Mida edasi jälgida?

Jälgida tasub seda, kuidas linnad ühendavad visuaalse AI praktilise kasu, läbipaistva andmekasutuse ja sõltumatu kontrolliga ning milliseid meetodeid arendatakse mudelite kallutatuse vähendamiseks.

Algallikas: MIT AI