Uzmanlar yapay zekanın şehir planlamasını kökten değiştireceğine inanıyor. Gelecekte yazılım, yalnızca farklı hedeflere göre optimize edilmiş imar önerileri ve yol planları sunmakla kalmayacak, aynı zamanda bu planları iklim gibi etkileri açısından da inceleyebilecek. Ancak bu tür çözümler henüz mevcut değil. Her ne kadar Google, örneğin veri analiz aracı “Environmental Insights Explorer” (EIE) ile şehirlere mevcut planları belirli kriterlere (örn. emisyonlar veya ağaç nüfusu) göre kontrol etme olanağı sunsa da ve bu nedenle şehir planlamacılarını, tam otomatik kentsel gelişimi destekleyebilir. – İstense bile aşılması gereken çok sayıda teknik engel vardır.
Duyuru
Ancak bazı kısmi sorunlar artık çözüldü: Yakın zamanda “Nature Computational Science” dergisinde yayınlanan bir çalışmada Çinli araştırmacılar, şehir mahalleleri için sokak ve arazi kullanım planlarını özerk bir şekilde oluşturabilen ve insan uzmanlardan daha iyi performans gösteren bir makine öğrenimi modeli sunuyor.
Pekin’deki Tsinghua Üniversitesi’nden Yong Li ve meslektaşları takviyeli öğrenme yaklaşımını kullandılar: Takviyeli öğrenmeyle, eğitilecek model başlangıçta tamamen rastgele ilerliyor ve deneme yanılma yoluyla en uygun stratejiyi öğreniyor.
Parklar ve kamu altyapısı ne kadar erişilebilir?
Spesifik olarak, modelin, alan tamamen dolana kadar sanal bir şehrin belirli bir alanındaki alanları sırayla tahsis etmesi ve sokakları planlaması gerekiyordu. Biten proje daha sonra 15 dakikalık şehir konseptini temel alan kriterlere göre değerlendirildi. Bu, parklara ve kamu altyapısının bir kısmına sakinlerin yürüyerek veya bisikletle 15 dakika içinde erişebilmesi ve ulaşım yollarının verimli bir şekilde çalışması durumunda planın yüksek puan aldığı anlamına geliyor.
Yazılımın başarısı için iki fikir çok önemliydi: Bir yandan yazarlar tasarlanacak mahalleyi soyut ve matematiksel bir grafik olarak temsil ediyordu. Binalar veya mülkler bunun düğüm noktalarıdır. Birbirine yakın iki kentsel nesne birbirine bir kenar aracılığıyla bağlanıyor. “Kentsel Yakınlık Grafiği”, şehrin belki de karmaşık geometrisini tipolojik referanslara indirgediği için hesaplamaları oldukça basitleştiriyor.
Öte yandan yazarlar sadece bir model oluşturmakla kalmamış, aynı zamanda görevleri de paylaşmışlardır. Yazılımlarında bina dağıtım politikasını öğrenmiş bir sinir ağı, sokak planlama eğitimi almış bir ikincisi ve planlamayı şehrin 15 dakika kriterlerine göre değerlendiren bir “değer ağı” bulunuyor.
Daha küçük şehir mahalleleri için şu ana kadar planlama
Eğitilen model, yeteneklerini sanal bir şehir ve Pekin’in iki mahallesini kullanarak gösterecekti. Makalede yazarlar, yazılımın mekansal alanı ve yol düzenlerinin, diğer algoritmalar ve profesyonel insan tasarımcılar tarafından oluşturulan düzenlerden, dikkate alınan tüm parametrelerde yaklaşık %50 oranında daha iyi performans gösterdiğini ve 3.000 kata kadar daha hızlı olduğunu yazıyor. Ancak model şu anda yalnızca dört kilometre kareye kadar olan daha küçük kentsel mahalleler için çalışıyor. Bütün şehirleri bununla tasarlamak mümkün değil. Araştırmacılar, bu sorunun çok daha karmaşık olduğunu, çünkü şehirdeki birçok farklı alt sistemin etkileşiminin dikkate alınması gerektiğini yazıyor.
Li ve meslektaşlarına göre bulgular, şehir planlamasının bundan sonra tamamen otomatikleştirilmesi gerektiği anlamına gelmiyor; bu, insan planlamacıların değiştirilmesiyle ilgili değil. Bunun yerine, insan uzmanları destekleyen yazılımın %15’e kadar verimlilik artışı sağlaması gerektiğini öngörüyorlar.
(batı)
Haberin Sonu
Duyuru
Ancak bazı kısmi sorunlar artık çözüldü: Yakın zamanda “Nature Computational Science” dergisinde yayınlanan bir çalışmada Çinli araştırmacılar, şehir mahalleleri için sokak ve arazi kullanım planlarını özerk bir şekilde oluşturabilen ve insan uzmanlardan daha iyi performans gösteren bir makine öğrenimi modeli sunuyor.
Pekin’deki Tsinghua Üniversitesi’nden Yong Li ve meslektaşları takviyeli öğrenme yaklaşımını kullandılar: Takviyeli öğrenmeyle, eğitilecek model başlangıçta tamamen rastgele ilerliyor ve deneme yanılma yoluyla en uygun stratejiyi öğreniyor.
Parklar ve kamu altyapısı ne kadar erişilebilir?
Spesifik olarak, modelin, alan tamamen dolana kadar sanal bir şehrin belirli bir alanındaki alanları sırayla tahsis etmesi ve sokakları planlaması gerekiyordu. Biten proje daha sonra 15 dakikalık şehir konseptini temel alan kriterlere göre değerlendirildi. Bu, parklara ve kamu altyapısının bir kısmına sakinlerin yürüyerek veya bisikletle 15 dakika içinde erişebilmesi ve ulaşım yollarının verimli bir şekilde çalışması durumunda planın yüksek puan aldığı anlamına geliyor.
Yazılımın başarısı için iki fikir çok önemliydi: Bir yandan yazarlar tasarlanacak mahalleyi soyut ve matematiksel bir grafik olarak temsil ediyordu. Binalar veya mülkler bunun düğüm noktalarıdır. Birbirine yakın iki kentsel nesne birbirine bir kenar aracılığıyla bağlanıyor. “Kentsel Yakınlık Grafiği”, şehrin belki de karmaşık geometrisini tipolojik referanslara indirgediği için hesaplamaları oldukça basitleştiriyor.
Öte yandan yazarlar sadece bir model oluşturmakla kalmamış, aynı zamanda görevleri de paylaşmışlardır. Yazılımlarında bina dağıtım politikasını öğrenmiş bir sinir ağı, sokak planlama eğitimi almış bir ikincisi ve planlamayı şehrin 15 dakika kriterlerine göre değerlendiren bir “değer ağı” bulunuyor.
Daha küçük şehir mahalleleri için şu ana kadar planlama
Eğitilen model, yeteneklerini sanal bir şehir ve Pekin’in iki mahallesini kullanarak gösterecekti. Makalede yazarlar, yazılımın mekansal alanı ve yol düzenlerinin, diğer algoritmalar ve profesyonel insan tasarımcılar tarafından oluşturulan düzenlerden, dikkate alınan tüm parametrelerde yaklaşık %50 oranında daha iyi performans gösterdiğini ve 3.000 kata kadar daha hızlı olduğunu yazıyor. Ancak model şu anda yalnızca dört kilometre kareye kadar olan daha küçük kentsel mahalleler için çalışıyor. Bütün şehirleri bununla tasarlamak mümkün değil. Araştırmacılar, bu sorunun çok daha karmaşık olduğunu, çünkü şehirdeki birçok farklı alt sistemin etkileşiminin dikkate alınması gerektiğini yazıyor.
Li ve meslektaşlarına göre bulgular, şehir planlamasının bundan sonra tamamen otomatikleştirilmesi gerektiği anlamına gelmiyor; bu, insan planlamacıların değiştirilmesiyle ilgili değil. Bunun yerine, insan uzmanları destekleyen yazılımın %15’e kadar verimlilik artışı sağlaması gerektiğini öngörüyorlar.
(batı)
Haberin Sonu