人工智能是如何工作的呢，以及我们如何达到将其在城市和公共空间的推广作为智慧城市发展的下一步的阶段?
人工智能部署不仅仅是选择一个解决方案
在了解人工智能如何工作的背景下，有两个重要方面需要考虑：训练和推理。训练，就相当于教导孩子。我们训练人工智能系统像人类一样识别事物。通过反复向其展示图像，使之能够学习和理解不同的概念。例如，如果我们想通过移动来分析交通模式或有效利用空间，就需要在白天和黑夜、雨和雾等各种条件下反复将人工智能暴露在公共汽车、出租车、自行车等的图像中。通过这一迭代过程，人工智能逐渐具备了准确识别物体的能力，达到了一定的准确率。
一旦人工智能模型达到成熟阶段，就会被打包并部署用于推理。推理是人工智能工作的第二部分，其应用所学到的知识来做出有根据的猜测。随着实时数据的流入，人工智能将视觉信息转换为文本或其他形式的非图像数据。这些数据以及时间戳和环境因素等附加元数据是使用逻辑和业务规则进行处理的。
为了高效推理，高性能计算是必要的，尤其是在处理复杂模型或大量数据时。由于处理数据需要时间，传统的计算方法可能不够。这就是加速计算和并行处理发挥作用的地方。这种先进的计算能力允许多个人工智能模型同时运行。例如，一个摄像头可以配备多个模型，不仅可以检测车辆，还可以检测火灾、烟雾、打斗、事故等。这种多模式部署从单个数据源提供多个结论，需要强大的处理能力。
部署选项包括边缘其中高容量人工智能系统直接放置在传感器内部或附近，或数据中心，其中多个摄像头连接到一个中心点，如服务器。这些设置可以在体育场或机场等场所找到。或者，当不需要时间关键的处理时，可以选择云部署，并且可以将数据传输到远程云服务器进行分析。
当谈到城市的数字化转型时，我们看到了各种术语来描述这种转变，包括智慧城市、智能城市、认知城市和绿色城市。最初的重点是利用信息技术来提高城市环境的效率，并减少浪费，而城市环境面临着由于城市化和移民等因素带来的基础设施挑战。传统的扩大基础设施的方法被证明是不够的，因此需要更智能的解决方案来优化有限的空间和容量。
技术的发展在这一转变中发挥了至关重要的作用。随着连接变得越来越普遍，最初的重点是连接设备，从而产生了支持IP的解决方案。这为双向查询设备铺平了道路，导致了物联网、智能设备的诞生，以及被称为“数据化”的数据激增。随着连接物联网设备的巨大增长，以及移动计算、云技术以及4G和5G等更快连接的进步，大量数据变得可用，这给如何有效使用数据带来了新的挑战。
围绕大数据、有用数据与浪费数据等概念出现了争论。在寻求数字化转型的过程中，寻找从海量数据中提取价值的方法成为一个紧迫的问题。得出的结论是，仅仅依靠数据科学家通过传统方法，如商业智能平台和SQL等查询语言，来处理和分析数据是不可扩展的。然而，边缘计算的出现通过显着降低计算成本改变了这种情况。GPU等技术引入了并行计算和加速计算，将性能提高了100倍到1,000倍。
成本的降低和计算能力的增加催生了深度学习，可以教会机器处理数据，无论数据大小如何。机器将学习如何处理和分析数据，从而无需大量劳动力，而是需要充足的计算能力。数据集越大，处理速度越快，结果越显着。我们进入了一个可以真正完成看似不可能的事情的时代。
5G、深度学习和GPT AI等技术的融合带来了一场革命，人工智能现在有望推动未来30年、40年、50年甚至60年的创新，就像互联网推动了前30年一样。人工智能现在可以集成到各种应用中，包括自动驾驶车辆和传感器。这种集成需要不同组件和利益相关者的协作，以创建无缝且无摩擦的体验。
城市已经开始接受这种技术转变，认识到人工智能在解决问题和为公民创造价值方面的潜力。重点已从将人工智能理解为一个概念转向探索其实际应用和影响。在交通管理等领域部署人工智能可以显着减少事故，有时根据交通流量和位置可以减少高达70%，而工厂可以利用人工智能来优化机器性能、增强安全性并预测维护需求。此外，人工智能辅助的自动驾驶汽车可以通过主动应对潜在风险来增强安全性。
潜在的应用范围包括分析人们如何使用道路和空间、将视觉传感器与空气质量监测相结合，以及将数据与医疗保健和应急系统集成。这样就可以做出明智的决策，例如根据空气质量和交通状况动态改变交通灯模式。然而，融入实际城市运营不仅仅涉及技术能力。其需要制定流程并管理变革，以确保城市运营者和决策者的舒适度和接受度。
城市正处于不同的采用阶段，其中交通、运输、机场、火车站和高速公路是值得注意的重点领域。机场可以通过了解人们的行为来优化运营、加强健康和安全措施并管理风险。火车站可以监控人群、分析障碍物使用情况、检查轨道并通过匿名分析确保健康和安全。潜在应用和用例的列表非常广泛，并且还在不断增长。
人工智能有潜力在未来半个世纪塑造创新
人工智能在私营基础设施(如机场)的私营部门用例，会在公共部门用例之前成熟吗?
私营基础设施与公共部门用例的人工智能用例的成熟度取决于具体应用。在公共部门，一个例子是路边管理，其中监控和可持续发展举措发挥着重要作用。通过在整个城市安装传感器，可以全面了解城市运营和情况，包括废物、犯罪和交通。交通管理领域对人工智能解决方案的需求不断增长，包括车辆或行人监控、非法停车检测和停车场管理。
公共部门的举措还旨在向民众和决策者提供实时信息。例如，通过使用摄像头，可以识别可用的停车位，并可以通过应用或其他平台将其传达给公民。另一个用例涉及废物管理，其中人工智能可以检测溢出的垃圾箱并向适当的人员触发警报。总体而言，人们越来越关注与城市管理和服务相关的交通、流动性、可持续性、目视检查。
相比之下，由于投资回报率驱动的性质，私营部门往往更容易采用人工智能用例。如果价值和收益能够得到证明，私营企业更倾向于快速投资和扩展其人工智能解决方案。然而，公共部门往往追求的价值不仅仅是财务回报。其考虑人工智能如何改善服务、增强公民福祉并促进安全。因此，公共部门的采购和预算流程可能会更长。
在这个领域，有超过150家初创企业为这些类型的用例提供人工智能解决方案。一些初创企业引入了创新的商业模式，允许城市以资本支出(CapEx)的形式投资项目或选择运营支出(OpEx)模式。OpEx模型涉及初创企业部署和维护基础设施，同时通过软件即服务(SaaS)或数据即服务(DaaS)模型提供服务。这些初创企业专注于销售其提供的价值，而不是设备本身。
人工智能方面在与某个行业的互动会比与另一个行业的互动更容易?其中一个比另一个更积极地寻求人工智能解决方案?
在与不同行业的人工智能合作方面，参与的难易程度因地区而异。具体而言，如欧洲、中东和非洲，英国、德国、法国、意大利和西班牙等某些国家正在积极寻求人工智能支持的解决方案。尤其是中东城市，其会向NVIDIA寻求具体目标，并寻求帮助来实现这些目标，但这种程度的参与仅限于较小比例的城市。
如果考虑城市的技术成熟度或数字化转型的成熟度曲线，更先进的城市会积极主动地寻求人工智能解决方案。他们已经完成了研究，阅读了成功案例，并渴望进一步探索。然而，大多数城市(约占70%)仍处于学习人工智能的过程中，可能缺乏必要的基础设施和对如何开始人工智能之旅的了解。
开始人工智能之旅不仅仅是购买一个盒子或一个解决方案。许多城市表达了使用自己的数据并开发自己的模型的愿望。一些城市内部有专门的实体，例如IT或人工智能驱动的团队，其对人工智能的了解和实施已经成熟。
相比之下，还有另外两种类型的城市。第一类人了解人工智能，但缺乏实施其资源和专业知识。他们寻求现成的、现成的解决方案。第二种类型的城市既需要对人工智能有更好的了解，也需要必要的资源来实施它。这些城市采取更加温和和谨慎的态度，以较慢的速度探索人工智能解决方案。总体而言，很大一部分城市属于需要继续教育且缺乏资源来充分拥抱人工智能的类别。
城市正处于人工智能之旅的不同阶段，多达70%的城市仍在了解其可能性
过去，通常认为拥有更多资源的一线城市是城市政府和地方当局对人工智能解决方案感兴趣的主要驱动力。然而，情况已经发生了变化，现在人工智能采用背后的驱动力已经超出了城市的规模或资源。现在的问题是人才和领导力。
德国有一个小镇，人口约9000人。这个小镇拥有具有非凡智慧和富有远见的领导力的人才，他们了解人工智能的价值，因此利用计算机视觉技术扫描整个小镇，并创建数字孪生。有时，较小的城市可能更灵活、更易于管理，与更大、更复杂的城市相比，更容易实施人工智能解决方案。
人工智能在城市的部署实际上取决于多种因素。认识到技术潜力的人才和领导力发挥着重要作用。然而，当我们谈论“人才”时，重要的是要记住这不仅仅限于个人。我们现在看到，城市通过投资人工智能平台，开辟与大学和研究机构进行创新和合作的机会，成为先行者。人工智能领域初创企业和创造就业机会的主要障碍是基础设施和数据访问。有远见的城市正在通过公私合作伙伴关系或其他模式投资计算基础设施来解决这个问题。重点不在于谁拥有平台，而在于平台本身的存在。通过提供计算资源，提供相关数据，以及促进与大学和当地社区的联系，这些城市正在制定许多当地举措，并提高劳动力技能，为其提供未来的技能。反过来，随着初创企业从这些努力中涌现出来，这又会创造就业机会。
激发人们对人工智能解决方案兴趣的不再只是大城市的问题。在人才、富有远见的领导力以及促进创新和协作的举措的推动下，大大小小的城市都在积极探索人工智能的潜力。
