人工智能是如何工作的呢，以及我們如何達到將其在城市和公共空間的推廣作為智慧城市發展的下一步的階段?

人工智能部署不僅僅是選擇一個解決方案

在了解人工智能如何工作的背景下，有兩個重要方面需要考慮：訓練和推理。訓練，就相當于教導孩子。我們訓練人工智能系統像人類一樣識別事物。通過反復向其展示圖像，使之能夠學習和理解不同的概念。例如，如果我們想通過移動來分析交通模式或有效利用空間，就需要在白天和黑夜、雨和霧等各種條件下反復將人工智能暴露在公共汽車、出租車、自行車等的圖像中。通過這一迭代過程，人工智能逐漸具備了準確識別物體的能力，達到了一定的準確率。

一旦人工智能模型達到成熟階段，就會被打包并部署用于推理。推理是人工智能工作的第二部分，其應用所學到的知識來做出有根據的猜測。隨著實時數據的流入，人工智能將視覺信息轉換為文本或其他形式的非圖像數據。這些數據以及時間戳和環境因素等附加元數據是使用邏輯和業務規則進行處理的。

為了高效推理，高性能計算是必要的，尤其是在處理復雜模型或大量數據時。由于處理數據需要時間，傳統的計算方法可能不夠。這就是加速計算和并行處理發揮作用的地方。這種先進的計算能力允許多個人工智能模型同時運行。例如，一個攝像頭可以配備多個模型，不僅可以檢測車輛，還可以檢測火災、煙霧、打斗、事故等。這種多模式部署從單個數據源提供多個結論，需要強大的處理能力。

部署選項包括邊緣其中高容量人工智能系統直接放置在傳感器內部或附近，或數據中心，其中多個攝像頭連接到一個中心點，如服務器。這些設置可以在體育場或機場等場所找到。或者，當不需要時間關鍵的處理時，可以選擇云部署，并且可以將數據傳輸到遠程云服務器進行分析。

當談到城市的數字化轉型時，我們看到了各種術語來描述這種轉變，包括智慧城市、智能城市、認知城市和綠色城市。最初的重點是利用信息技術來提高城市環境的效率，并減少浪費，而城市環境面臨著由于城市化和移民等因素帶來的基礎設施挑戰。傳統的擴大基礎設施的方法被證明是不夠的，因此需要更智能的解決方案來優化有限的空間和容量。

技術的發展在這一轉變中發揮了至關重要的作用。隨著連接變得越來越普遍，最初的重點是連接設備，從而產生了支持IP的解決方案。這為雙向查詢設備鋪平了道路，導致了物聯網、智能設備的誕生，以及被稱為“數據化”的數據激增。隨著連接物聯網設備的巨大增長，以及移動計算、云技術以及4G和5G等更快連接的進步，大量數據變得可用，這給如何有效使用數據帶來了新的挑戰。

圍繞大數據、有用數據與浪費數據等概念出現了爭論。在尋求數字化轉型的過程中，尋找從海量數據中提取價值的方法成為一個緊迫的問題。得出的結論是，僅僅依靠數據科學家通過傳統方法，如商業智能平臺和SQL等查詢語言，來處理和分析數據是不可擴展的。然而，邊緣計算的出現通過顯著降低計算成本改變了這種情況。GPU等技術引入了并行計算和加速計算，將性能提高了100倍到1,000倍。

成本的降低和計算能力的增加催生了深度學習，可以教會機器處理數據，無論數據大小如何。機器將學習如何處理和分析數據，從而無需大量勞動力，而是需要充足的計算能力。數據集越大，處理速度越快，結果越顯著。我們進入了一個可以真正完成看似不可能的事情的時代。

5G、深度學習和GPT AI等技術的融合帶來了一場革命，人工智能現在有望推動未來30年、40年、50年甚至60年的創新，就像互聯網推動了前30年一樣。人工智能現在可以集成到各種應用中，包括自動駕駛車輛和傳感器。這種集成需要不同組件和利益相關者的協作，以創建無縫且無摩擦的體驗。

城市已經開始接受這種技術轉變，認識到人工智能在解決問題和為公民創造價值方面的潛力。重點已從將人工智能理解為一個概念轉向探索其實際應用和影響。在交通管理等領域部署人工智能可以顯著減少事故，有時根據交通流量和位置可以減少高達70%，而工廠可以利用人工智能來優化機器性能、增強安全性并預測維護需求。此外，人工智能輔助的自動駕駛汽車可以通過主動應對潛在風險來增強安全性。

潛在的應用范圍包括分析人們如何使用道路和空間、將視覺傳感器與空氣質量監測相結合，以及將數據與醫療保健和應急系統集成。這樣就可以做出明智的決策，例如根據空氣質量和交通狀況動態改變交通燈模式。然而，融入實際城市運營不僅僅涉及技術能力。其需要制定流程并管理變革，以確保城市運營者和決策者的舒適度和接受度。

城市正處于不同的采用階段，其中交通、運輸、機場、火車站和高速公路是值得注意的重點領域。機場可以通過了解人們的行為來優化運營、加強健康和安全措施并管理風險。火車站可以監控人群、分析障礙物使用情況、檢查軌道并通過匿名分析確保健康和安全。潛在應用和用例的列表非常廣泛，并且還在不斷增長。

人工智能有潛力在未來半個世紀塑造創新

人工智能在私營基礎設施(如機場)的私營部門用例，會在公共部門用例之前成熟嗎?

私營基礎設施與公共部門用例的人工智能用例的成熟度取決于具體應用。在公共部門，一個例子是路邊管理，其中監控和可持續發展舉措發揮著重要作用。通過在整個城市安裝傳感器，可以全面了解城市運營和情況，包括廢物、犯罪和交通。交通管理領域對人工智能解決方案的需求不斷增長，包括車輛或行人監控、非法停車檢測和停車場管理。

公共部門的舉措還旨在向民眾和決策者提供實時信息。例如，通過使用攝像頭，可以識別可用的停車位，并可以通過應用或其他平臺將其傳達給公民。另一個用例涉及廢物管理，其中人工智能可以檢測溢出的垃圾箱并向適當的人員觸發警報。總體而言，人們越來越關注與城市管理和服務相關的交通、流動性、可持續性、目視檢查。

相比之下，由于投資回報率驅動的性質，私營部門往往更容易采用人工智能用例。如果價值和收益能夠得到證明，私營企業更傾向于快速投資和擴展其人工智能解決方案。然而，公共部門往往追求的價值不僅僅是財務回報。其考慮人工智能如何改善服務、增強公民福祉并促進安全。因此，公共部門的采購和預算流程可能會更長。

在這個領域，有超過150家初創企業為這些類型的用例提供人工智能解決方案。一些初創企業引入了創新的商業模式，允許城市以資本支出(CapEx)的形式投資項目或選擇運營支出(OpEx)模式。OpEx模型涉及初創企業部署和維護基礎設施，同時通過軟件即服務(SaaS)或數據即服務(DaaS)模型提供服務。這些初創企業專注于銷售其提供的價值，而不是設備本身。

人工智能方面在與某個行業的互動會比與另一個行業的互動更容易?其中一個比另一個更積極地尋求人工智能解決方案?

在與不同行業的人工智能合作方面，參與的難易程度因地區而異。具體而言，如歐洲、中東和非洲，英國、德國、法國、意大利和西班牙等某些國家正在積極尋求人工智能支持的解決方案。尤其是中東城市，其會向NVIDIA尋求具體目標，并尋求幫助來實現這些目標，但這種程度的參與僅限于較小比例的城市。

如果考慮城市的技術成熟度或數字化轉型的成熟度曲線，更先進的城市會積極主動地尋求人工智能解決方案。他們已經完成了研究，閱讀了成功案例，并渴望進一步探索。然而，大多數城市(約占70%)仍處于學習人工智能的過程中，可能缺乏必要的基礎設施和對如何開始人工智能之旅的了解。

開始人工智能之旅不僅僅是購買一個盒子或一個解決方案。許多城市表達了使用自己的數據并開發自己的模型的愿望。一些城市內部有專門的實體，例如IT或人工智能驅動的團隊，其對人工智能的了解和實施已經成熟。

相比之下，還有另外兩種類型的城市。第一類人了解人工智能，但缺乏實施其資源和專業知識。他們尋求現成的、現成的解決方案。第二種類型的城市既需要對人工智能有更好的了解，也需要必要的資源來實施它。這些城市采取更加溫和和謹慎的態度，以較慢的速度探索人工智能解決方案。總體而言，很大一部分城市屬于需要繼續教育且缺乏資源來充分擁抱人工智能的類別。

城市正處于人工智能之旅的不同階段，多達70%的城市仍在了解其可能性

過去，通常認為擁有更多資源的一線城市是城市政府和地方當局對人工智能解決方案感興趣的主要驅動力。然而，情況已經發生了變化，現在人工智能采用背后的驅動力已經超出了城市的規模或資源。現在的問題是人才和領導力。

德國有一個小鎮，人口約9000人。這個小鎮擁有具有非凡智慧和富有遠見的領導力的人才，他們了解人工智能的價值，因此利用計算機視覺技術掃描整個小鎮，并創建數字孿生。有時，較小的城市可能更靈活、更易于管理，與更大、更復雜的城市相比，更容易實施人工智能解決方案。

人工智能在城市的部署實際上取決于多種因素。認識到技術潛力的人才和領導力發揮著重要作用。然而，當我們談論“人才”時，重要的是要記住這不僅僅限于個人。我們現在看到，城市通過投資人工智能平臺，開辟與大學和研究機構進行創新和合作的機會，成為先行者。人工智能領域初創企業和創造就業機會的主要障礙是基礎設施和數據訪問。有遠見的城市正在通過公私合作伙伴關系或其他模式投資計算基礎設施來解決這個問題。重點不在于誰擁有平臺，而在于平臺本身的存在。通過提供計算資源，提供相關數據，以及促進與大學和當地社區的聯系，這些城市正在制定許多當地舉措，并提高勞動力技能，為其提供未來的技能。反過來，隨著初創企業從這些努力中涌現出來，這又會創造就業機會。

激發人們對人工智能解決方案興趣的不再只是大城市的問題。在人才、富有遠見的領導力以及促進創新和協作的舉措的推動下，大大小小的城市都在積極探索人工智能的潛力。