Maison > Article > Périphériques technologiques > Jusqu'où les villes sont-elles parvenues à adopter l'intelligence artificielle ?
Comment fonctionne l'intelligence artificielle et comment en arriver au stade où sa promotion dans les villes et les espaces publics constitue la prochaine étape du développement des villes intelligentes
Dans le contexte de la compréhension du fonctionnement de l’intelligence artificielle, il y a deux aspects importants à considérer : la formation et l’inférence. La formation équivaut à enseigner aux enfants. Nous entraînons les systèmes d’IA à reconnaître les choses comme le font les humains. En lui montrant des images à plusieurs reprises, il peut apprendre et comprendre différents concepts. Par exemple, si nous voulons analyser les schémas de circulation ou utiliser efficacement l'espace grâce au mouvement, nous devons exposer l'IA à plusieurs reprises à des images de bus, de taxis, de vélos, etc., dans diverses conditions telles que le jour et la nuit, la pluie et le brouillard. . Grâce à ce processus itératif, l’intelligence artificielle acquiert progressivement la capacité d’identifier avec précision les objets et atteint une certaine précision.
Une fois qu'un modèle d'IA atteint le stade de maturité, il est empaqueté et déployé pour l'inférence. L'inférence est la deuxième partie du travail de l'IA, qui consiste à appliquer les connaissances acquises pour faire des suppositions éclairées. À mesure que les données en temps réel arrivent, l’IA convertit les informations visuelles en texte ou en d’autres formes de données non-image. Ces données, ainsi que des métadonnées supplémentaires telles que les horodatages et les facteurs environnementaux, sont traitées à l'aide de logiques et de règles métier.
Pour une inférence efficace, le calcul haute performance est nécessaire, en particulier lorsqu'il s'agit de modèles complexes ou de grandes quantités de données. En raison du temps nécessaire au traitement des données, les méthodes informatiques traditionnelles peuvent ne pas suffire. C’est là qu’interviennent le calcul accéléré et le traitement parallèle. Cette puissance de calcul avancée permet à plusieurs modèles d’IA de s’exécuter simultanément. Par exemple, une caméra peut être équipée de plusieurs modèles pour détecter non seulement les véhicules, mais aussi les incendies, les fumées, les bagarres, les accidents, etc. Ce déploiement multimodal fournit de multiples conclusions à partir d'une seule source de données et nécessite une puissance de traitement importante.
Les options de déploiement incluent la périphérie, où les systèmes d'IA à grand volume sont placés directement à l'intérieur ou à proximité de capteurs, ou les centres de données, où plusieurs caméras sont connectées à un point central, tel qu'un serveur. Ces paramètres peuvent être trouvés dans des endroits tels que les stades ou les aéroports. Alternativement, le déploiement dans le cloud peut être choisi lorsqu'un traitement urgent n'est pas requis, et les données peuvent être transférées vers un serveur cloud distant pour analyse.
Lorsqu'il s'agit de transformation numérique des villes, nous voyons une variété de termes utilisés pour décrire cette transformation, notamment les villes intelligentes, les villes intelligentes, les villes cognitives et les villes vertes. L’accent initial est mis sur l’utilisation des technologies de l’information pour améliorer l’efficacité et réduire les déchets dans les environnements urbains, confrontés à des défis d’infrastructure dus à des facteurs tels que l’urbanisation et la migration. Les méthodes traditionnelles de mise à l’échelle des infrastructures s’avèrent insuffisantes. Des solutions plus intelligentes sont donc nécessaires pour optimiser l’espace et la capacité limités.
Le développement de la technologie a joué un rôle essentiel dans cette transformation. À mesure que la connectivité est devenue omniprésente, l’accent a d’abord été mis sur la connexion des appareils, ce qui a abouti à des solutions IP. Cela a ouvert la voie à l’interrogation bidirectionnelle des appareils, conduisant à l’Internet des objets, aux appareils intelligents et à la prolifération des données appelées « datafication ». Avec l’énorme croissance des appareils IoT connectés, ainsi que les progrès de l’informatique mobile, de la technologie cloud et des connexions plus rapides telles que la 4G et la 5G, de grandes quantités de données deviennent disponibles, créant de nouveaux défis quant à la manière de les utiliser efficacement.
Des controverses sont apparues autour des notions de big data, de données utiles et de données gaspillées. Dans la quête de la transformation numérique, trouver des moyens d’extraire de la valeur à partir d’énormes quantités de données est devenu un problème urgent. La conclusion était que s'appuyer uniquement sur des data scientists pour traiter et analyser les données via des méthodes traditionnelles telles que les plateformes de business intelligence et les langages de requête tels que SQL n'est pas évolutif. Cependant, l’émergence de l’edge computing a changé la donne en réduisant considérablement les coûts informatiques. Des technologies telles que le GPU introduisent le calcul parallèle et le calcul accéléré, améliorant les performances de 100 à 1 000 fois.
La réduction des coûts et l'augmentation de la puissance de calcul ont donné naissance au deep learning, qui peut apprendre aux machines à traiter les données, quelle que soit leur taille. Les machines apprendront à traiter et à analyser les données, éliminant ainsi le besoin d’une main-d’œuvre massive et nécessitant plutôt une grande puissance de calcul. Plus l’ensemble de données est volumineux, plus le traitement est rapide et plus les résultats sont significatifs. Nous sommes entrés dans une ère où ce qui semble impossible peut réellement être accompli.
La convergence de technologies telles que la 5G, le deep learning et l'IA GPT a provoqué une révolution, et l'intelligence artificielle devrait désormais stimuler l'innovation dans les 30, 40, 50 ou même 60 prochaines années, tout comme Internet a conduit la précédente. 30 ans. L’intelligence artificielle peut désormais être intégrée à diverses applications, notamment les véhicules autonomes et les capteurs. Cette intégration nécessite la collaboration de différents composants et parties prenantes pour créer une expérience transparente et sans friction.
Les villes ont commencé à adopter ce virage technologique, reconnaissant le potentiel de l’IA pour résoudre les problèmes et créer de la valeur pour les citoyens. L’accent est passé de la compréhension de l’IA en tant que concept à l’exploration de ses applications et impacts pratiques. Le déploiement de l'IA dans des domaines tels que la gestion du trafic peut réduire considérablement les accidents, parfois jusqu'à 70 % en fonction du flux de circulation et de l'emplacement, tandis que les usines peuvent utiliser l'IA pour optimiser les performances des machines, améliorer la sécurité et prévoir les besoins de maintenance. De plus, les voitures autonomes assistées par l’IA peuvent améliorer la sécurité en répondant de manière proactive aux risques potentiels.
Les applications potentielles vont de l'analyse de la façon dont les gens utilisent les routes et les espaces, à la combinaison de capteurs visuels avec la surveillance de la qualité de l'air et à l'intégration de données avec les systèmes de santé et d'urgence. Cela permet de prendre des décisions éclairées, telles que la modification dynamique des modèles de feux de circulation en fonction de la qualité de l'air et des conditions de circulation. Cependant, l’intégration dans les opérations réelles de la ville implique bien plus que de simples capacités techniques. Cela nécessite de développer des processus et de gérer le changement pour garantir le confort et l’acceptation des opérateurs urbains et des décideurs.
Les villes sont à différents stades d'adoption, les transports, les transports, les aéroports, les gares et les autoroutes étant des domaines clés à noter. Les aéroports peuvent optimiser leurs opérations, améliorer les mesures de santé et de sécurité et gérer les risques en comprenant le comportement des personnes. Les gares peuvent surveiller les foules, analyser l'utilisation des barrières, inspecter les voies et garantir la santé et la sécurité grâce à des analyses anonymes. La liste des applications et des cas d’utilisation potentiels est longue et croissante.
Les cas d'utilisation de l'IA par le secteur privé dans les infrastructures privées, telles que les aéroports, arriveront-ils à maturité avant les cas d'utilisation du secteur public
L'intelligence artificielle pour les infrastructures privées par rapport à l'utilisation dans le secteur public ? cas La maturité des cas d'utilisation intelligents dépend de l'application spécifique. Dans le secteur public, un exemple est la gestion des abords des routes, où les initiatives de surveillance et de durabilité jouent un rôle important. En installant des capteurs dans toute la ville, il est possible d'obtenir une vue complète des opérations et des conditions de la ville, notamment des déchets, de la criminalité et de la circulation. Il existe une demande croissante de solutions d’IA dans la gestion du trafic, notamment la surveillance des véhicules ou des piétons, la détection du stationnement illégal et la gestion des parkings.
Les initiatives du secteur public visent également à fournir des informations en temps réel aux citoyens et aux décideurs. Par exemple, grâce à l’utilisation de caméras, les places de stationnement disponibles peuvent être identifiées et communiquées aux citoyens via des applications ou d’autres plateformes. Un autre cas d’utilisation concerne la gestion des déchets, où l’IA peut détecter les poubelles qui débordent et déclencher des alertes au personnel concerné. Dans l’ensemble, l’accent est de plus en plus mis sur la circulation, la mobilité, la durabilité et les inspections visuelles liées à la gestion et aux services urbains.
En revanche, le secteur privé a tendance à adopter plus facilement les cas d’utilisation de l’IA en raison de leur nature axée sur le retour sur investissement. Les entreprises privées sont plus enclines à investir et à faire évoluer rapidement leurs solutions d’IA si la valeur et les avantages peuvent être prouvés. Cependant, le secteur public recherche souvent de la valeur au-delà des rendements financiers. Il examine comment l’IA peut améliorer les services, améliorer le bien-être des citoyens et promouvoir la sécurité. En conséquence, les processus de passation des marchés publics et de budgétisation seront probablement plus longs.
Dans cet espace, plus de 150 startups proposent des solutions d'IA pour ces types de cas d'utilisation. Certaines start-up ont introduit des modèles économiques innovants qui permettent aux villes d'investir dans des projets sous forme de dépenses en capital (CapEx) ou d'opter pour un modèle de dépenses opérationnelles (OpEx). Le modèle OpEx implique que les startups déploient et maintiennent une infrastructure tout en fournissant des services via un modèle de logiciel en tant que service (SaaS) ou de données en tant que service (DaaS). Ces startups se concentrent sur la vente de la valeur qu’elles apportent plutôt que sur l’appareil lui-même.
Sera-t-il plus facile d'interagir avec une industrie qu'une autre en termes d'intelligence artificielle ? L'une d'entre elles recherche plus activement des solutions d'intelligence artificielle que l'autre
En termes de coopération en matière d'intelligence artificielle avec différentes industries, la participation Le niveau de difficulté varie ? par région. Plus précisément, certains pays d’Europe, du Moyen-Orient et d’Afrique, comme le Royaume-Uni, l’Allemagne, la France, l’Italie et l’Espagne, recherchent activement des solutions basées sur l’IA. Les villes du Moyen-Orient, en particulier, se tourneront vers NVIDIA pour atteindre des objectifs spécifiques et les aideront à atteindre ces objectifs, mais ce niveau d'implication est limité à une plus petite proportion de villes.
Si l’on considère la maturité technologique d’une ville ou la courbe de maturité de la transformation numérique, les villes plus avancées rechercheront de manière proactive des solutions d’intelligence artificielle. Ils ont fait leurs recherches, lu des histoires de réussite et sont impatients d’explorer davantage. Cependant, la plupart des villes (environ 70 %) sont encore en train d’apprendre l’IA et ne disposent peut-être pas de l’infrastructure nécessaire ni de la compréhension nécessaire pour démarrer leur parcours vers l’IA.
Commencer votre voyage vers l'IA, c'est bien plus que simplement acheter une boîte ou une solution. De nombreuses villes ont exprimé le souhait d’utiliser leurs propres données et de développer leurs propres modèles. Certaines villes disposent d’entités dédiées en leur sein, telles que des équipes informatiques ou axées sur l’IA, dont la compréhension et la mise en œuvre de l’IA sont matures.
En revanche, il existe deux autres types de villes. Le premier groupe comprend l’IA mais ne dispose pas des ressources et de l’expertise nécessaires pour la mettre en œuvre. Ils recherchent des solutions prêtes à l’emploi. Le deuxième type de ville nécessite à la fois une meilleure compréhension de l’IA et les ressources nécessaires à sa mise en œuvre. Ces villes adoptent une approche plus modérée et prudente, explorant les solutions d’IA à un rythme plus lent. Dans l’ensemble, une grande partie des villes entrent dans la catégorie des villes ayant besoin de formation continue et manquant de ressources pour adopter pleinement l’IA.
Dans le passé, les villes de premier rang étaient souvent considérées comme disposant de plus de ressources, les gouvernements municipaux et les autorités locales se sentant plus à l'aise avec l'IA. solutions Le principal moteur d’intérêt. Cependant, les choses ont changé, et désormais le moteur de l’adoption de l’IA s’étend au-delà de la taille ou des ressources d’une ville. Le problème est désormais celui du talent et du leadership.
Il y a une petite ville en Allemagne avec une population d'environ 9 000 habitants. Cette ville compte des gens dotés d'une intelligence extraordinaire et d'un leadership visionnaire qui comprennent la valeur de l'intelligence artificielle et utilisent donc la technologie de vision par ordinateur pour scanner toute la ville et créer un jumeau numérique. Parfois, les petites villes peuvent être plus flexibles et plus gérables, ce qui facilite la mise en œuvre de solutions d’IA que les villes plus grandes et plus complexes.
Le déploiement de l’intelligence artificielle dans les villes dépend en réalité de divers facteurs. Les talents et le leadership qui reconnaissent le potentiel de la technologie jouent un rôle important. Cependant, lorsque l’on parle de « talent », il est important de se rappeler qu’il ne s’agit pas uniquement d’individus. Nous voyons désormais les villes devenir les premières à évoluer en investissant dans des plateformes d’IA et en ouvrant des opportunités d’innovation et de collaboration avec les universités et les instituts de recherche. Les principaux obstacles aux start-ups et à la création d’emplois dans le domaine de l’IA sont l’infrastructure et l’accès aux données. Les villes tournées vers l’avenir résolvent ce problème en investissant dans l’infrastructure informatique par le biais de partenariats public-privé ou d’autres modèles. La question n’est pas de savoir qui possède la plateforme, mais l’existence de la plateforme elle-même. En fournissant des ressources informatiques, en fournissant des données pertinentes et en favorisant les connexions avec les universités et les communautés locales, ces villes développent de nombreuses initiatives locales et perfectionnent leur main-d'œuvre pour la doter des compétences de demain. Cela crée à son tour des emplois à mesure que des start-ups émergent de ces efforts.
Ce n’est plus seulement un problème des grandes villes qui suscite l’intérêt pour les solutions d’IA. Les villes, grandes et petites, explorent activement le potentiel de l’intelligence artificielle, portées par des talents, un leadership visionnaire et des initiatives qui favorisent l’innovation et la collaboration.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!