Inteligentný svet: Nasadenie strojového učenia pre projekty Smart City
- Autor:
- Lubo Straka
- Zverejnené:
- 3. 6. 2019
- Hodnotenie:
- Už ste hlasovali.
Na to, aby sa mohlo vedenie samosprávy efektívne rozhodnúť v rôznych oblastiach, musí mať správne podklady. Rovnako to funguje aj pri riešeniach, ktoré by sa mali za zástupcov obce v budúcnosti rozhodovať autonómne. No aj keď všetky takéto údaje získame, rozhodnutie nepadne bez ich analýzy. Táto oblasť je zrejme jednou z najdôležitejších a základom pre efektívne závery. Aj preto jej dnes venujeme samostatný priestor.
Dnešná moderná doba začína písať svoju digitálnu históriu. K slovu sa stále viac dostáva reč čísel. Práve čísla pritom charakterizujú zozbierané údaje z rôznych oblastí života samosprávy. A vlastne prenášajú verný obraz reality do digitálneho prostredia.
„V meste potrebujem mať množstvo senzorov, aby som dokázal popísať, ako sa to mesto správa a ako funguje a potom sa na základe toho môžem dobre rozhodovať,“ hovorí pán Adam Votava, CEO, aLook Analytics.
Senzory a ich dáta sú určite východiskovou základňou moderných riešení, no ich nasadenie nemôže byť neuvážené.
„Mal by som rozmýšľať o tom, čo potrebujem riešiť za problém a potom by som si ten problém mal hovoriť, takto by sa dal riešiť s pomocou dát, keby som tieto dáta mal k dispozícii a to my definuje aké senzory a aké dáta potrebujem získať.“
Ďalšou nadstavbou nad zozbieranými údajmi sú už potom matematické a štatistické algoritmy, ktoré ich vyhodnotia. Tie sú súčasťou takzvanej analytiky, ktorá môže byť prepojená aj s umelou inteligenciou.
„Ideálne by to malo byť tak, že ja zapojím analytiku do bežnej prevádzky mesta. To znamená, že veci, ktoré sa môžu robiť automaticky sa budú robiť automaticky a budú fungovať rozumne múdro tak, aby som tie rozhodnutia mohol robiť plynule."
O umelej inteligencii sa začína hovoriť čoraz častejšie i v súvislosti s témou SMART CITIES. A základom sú aj tu údaje, bez ktorých sa nedá ďalej postupovať. A dokonca je potrebné poznať aj ich históriu, čo je predpokladom strojového učenia.
„Samozrejme je dôležité zbierať historicky dáta, pretože na tomto data setu sa ten algoritmus učí. To znamená, že na historických dátach ja sa naučím nejaké trendy a ten algoritmus sa učí to, ako reagovať na konkrétne podnety, ako by mal asi riešiť spätne situáciu v histórii, pretože tam vie ako to dopadlo a bude sa snažiť nejakým spôsobom to optimalizovať.“
Veľkou výhodou je ukladanie získaných verejných dát do cloudu, ku ktorému môžu byť pripojené aj viaceré samosprávy.
„To čo ja ešte chcem zaistiť je, aby som tie algoritmy netrénoval lokálne na jednotlivé križovatky, aby som ich netrénoval lokálne v jednotlivých mestách, ale aby tu tie informácie sa zdieľali. To znamená, ten algoritmus bude samozrejme silnejší, pokiaľ bude môcť zdielať skúsenosti z iných miest alebo z iných štvrtí,“ dodáva pán Adam Votava, CEO, aLook Analytics.
Ešte skôr ako v samosprávach sa umelá inteligencia už postupne udomácňuje v priemysle. Cieľ je jasný, zbaviť ľudí monotónnej práce a umožniť im venovať sa iným aktivitám, s vyššou pridanou hodnotou. Podobne to bude, pri nasadzovaní umelej inteligencie, platiť aj v prípade miest a obcí. Práve analytici budú v tomto smere zohrávať veľmi dôležitú úlohu, a to najmä preto, že budú autonómnej automatizácii pokladať základné kamene v podobe dômyselných algoritmov.
