도시는 인공 지능을 채택하는 데 얼마나 멀리 떨어져 있습니까?

인공 지능은 어떻게 작동하며, 도시와 공공 장소에서의 홍보가 스마트 도시 개발의 다음 단계인 단계에 도달하려면 어떻게 해야 할까요?

AI 배포는 단순히 솔루션을 선택하는 것 이상입니다

인공지능이 어떻게 작동하는지 이해하는 맥락에서 고려해야 할 두 가지 중요한 측면은 훈련과 추론입니다. 훈련은 아이들을 가르치는 것과 같습니다. 우리는 인간처럼 사물을 인식하도록 AI 시스템을 훈련합니다. 이미지를 반복적으로 보여줌으로써 다양한 개념을 배우고 이해할 수 있습니다. 예를 들어 교통 패턴을 분석하거나 이동을 통해 공간을 효율적으로 활용하려면 낮과 밤, 비와 안개 등 다양한 조건에서 버스, 택시, 자전거 등의 이미지에 AI를 반복적으로 노출시켜야 합니다. . 이러한 반복적인 과정을 통해 인공지능은 점차 사물을 정확하게 식별하는 능력을 획득하고 어느 정도 정확도에 도달하게 됩니다.

AI 모델이 성숙 단계에 도달하면 추론을 위해 패키징 및 배포됩니다. 추론은 AI 작업의 두 번째 부분으로, 학습된 지식을 적용하여 교육받은 추측을 내립니다. 실시간 데이터가 유입되면서 AI는 시각적 정보를 텍스트나 이미지가 아닌 다른 형태의 데이터로 변환합니다. 타임스탬프 및 환경 요인과 같은 추가 메타데이터와 함께 이 데이터는 논리 및 비즈니스 규칙을 사용하여 처리됩니다.

효율적인 추론을 위해서는 특히 복잡한 모델이나 대용량 데이터를 처리할 때 고성능 컴퓨팅이 필요합니다. 데이터를 처리하는 데 필요한 시간으로 인해 기존 계산 방법으로는 충분하지 않을 수 있습니다. 여기가 가속 컴퓨팅과 병렬 처리가 작동하는 곳입니다. 이러한 고급 컴퓨팅 성능을 통해 여러 AI 모델을 동시에 실행할 수 있습니다. 예를 들어 카메라에는 차량뿐만 아니라 화재, 연기, 싸움, 사고 등을 감지하는 여러 모델이 장착될 수 있습니다. 이 다중 모드 배포는 단일 데이터 원본에서 다양한 결론을 제공하며 상당한 처리 능력이 필요합니다.

배포 옵션에는 대용량 AI 시스템이 센서 내부 또는 근처에 직접 배치되는 엣지 또는 여러 카메라가 서버와 같은 중앙 지점에 연결되는 데이터 센터가 포함됩니다. 이러한 설정은 경기장이나 공항과 같은 장소에서 찾을 수 있습니다. 또는 시간이 중요한 처리가 필요하지 않은 경우 클라우드 배포를 선택할 수 있으며 분석을 위해 데이터를 원격 클라우드 서버로 전송할 수 있습니다.

도시의 디지털 변혁에 관해 우리는 스마트 도시, 스마트 도시, 인지 도시, 녹색 도시 등 이러한 변혁을 설명하는 데 사용되는 다양한 용어를 봅니다. 초기 초점은 정보 기술을 사용하여 도시화 및 이주와 같은 요인으로 인해 인프라 문제에 직면한 도시 환경에서 효율성을 향상시키고 폐기물을 줄이는 데 있습니다. 인프라를 확장하는 기존 방법으로는 충분하지 않으므로 제한된 공간과 용량을 최적화하려면 더 스마트한 솔루션이 필요합니다.

기술의 발전은 이러한 변화에 중요한 역할을 했습니다. 연결성이 더욱 보편화되면서 초기에는 장치 연결에 초점이 맞춰져 IP 지원 솔루션이 탄생했습니다. 이는 장치에 대한 양방향 조사의 길을 열었으며, 사물 인터넷, 스마트 장치 및 "데이터화"로 알려진 데이터의 확산으로 이어졌습니다. 연결된 IoT 장치의 엄청난 성장과 모바일 컴퓨팅, 클라우드 기술의 발전, 4G 및 5G와 같은 더 빠른 연결로 인해 방대한 양의 데이터를 사용할 수 있게 되면서 데이터를 효과적으로 사용하는 방법에 대한 새로운 과제가 발생하고 있습니다.

빅데이터, 유용한 데이터, 폐기물 데이터의 개념을 둘러싸고 논란이 일고 있습니다. 디지털 혁신을 추구하는 과정에서 막대한 양의 데이터에서 가치를 추출하는 방법을 찾는 것이 시급한 문제가 되었습니다. 도달한 결론은 비즈니스 인텔리전스 플랫폼과 SQL과 같은 쿼리 언어와 같은 전통적인 방법을 통해 데이터를 처리하고 분석하기 위해 데이터 과학자에만 의존하는 것은 확장 가능하지 않다는 것입니다. 그러나 엣지 컴퓨팅의 등장으로 컴퓨팅 비용이 크게 절감되면서 이러한 상황이 바뀌었습니다. GPU와 같은 기술은 병렬 컴퓨팅과 가속 컴퓨팅을 도입하여 성능을 100~1,000배 향상시킵니다.

비용을 절감하고 컴퓨팅 성능을 향상시키면서 크기에 관계없이 기계가 데이터를 처리하도록 가르칠 수 있는 딥 러닝이 등장했습니다. 기계는 데이터를 처리하고 분석하는 방법을 학습하여 막대한 노동력이 필요하지 않고 대신 충분한 컴퓨팅 성능이 필요합니다. 데이터 세트가 클수록 처리 속도가 빨라지고 결과가 더욱 중요해집니다. 불가능해 보이는 일도 현실로 이룰 수 있는 시대에 들어섰습니다.

5G, 딥 러닝, GPT AI 등 기술의 융합은 혁명을 가져왔고, 이전에 인터넷이 주도했던 것처럼 이제 인공지능도 향후 30년, 40년, 50년, 심지어 60년 동안 혁신을 주도할 것으로 예상됩니다. 30 년. 이제 인공지능은 자율주행차, 센서 등 다양한 애플리케이션에 통합될 수 있습니다. 이러한 통합에는 원활하고 원활한 경험을 만들기 위해 다양한 구성 요소와 이해관계자의 협력이 필요합니다.

도시에서는 문제를 해결하고 시민을 위한 가치를 창출할 수 있는 AI의 잠재력을 인식하면서 이러한 기술 변화를 수용하기 시작했습니다. AI를 개념으로 이해하는 것에서 실제 적용 및 영향을 탐구하는 것으로 초점이 옮겨졌습니다. 교통 관리와 같은 분야에 AI를 배치하면 교통 흐름과 위치에 따라 사고를 최대 70%까지 크게 줄일 수 있으며, 공장에서는 AI를 사용하여 기계 성능을 최적화하고 안전을 강화하며 유지 관리 요구 사항을 예측할 수 있습니다. 또한 AI를 활용한 자율주행차는 잠재적 위험에 선제적으로 대응해 안전성을 높일 수 있다.

잠재적인 응용 분야는 사람들이 도로와 공간을 어떻게 사용하는지 분석하고, 시각 센서를 공기 질 모니터링과 결합하고, 의료 및 응급 시스템과 데이터를 통합하는 것까지 다양합니다. 이를 통해 대기 질 및 교통 상황에 따라 신호등 패턴을 동적으로 변경하는 등 정보에 입각한 결정을 내릴 수 있습니다. 그러나 실제 도시 운영에 통합하려면 단순한 기술 역량 이상의 것이 필요합니다. 도시 운영자와 의사 결정자 사이의 편안함과 수용을 보장하려면 프로세스를 개발하고 변화를 관리해야 합니다.

도시는 교통, 운송, 공항, 기차역 및 고속도로가 주목할 가치가 있는 주요 영역 등 다양한 채택 단계에 있습니다. 공항은 사람들의 행동을 이해함으로써 운영을 최적화하고 건강 및 안전 조치를 강화하며 위험을 관리할 수 있습니다. 기차역에서는 군중을 모니터링하고, 장벽 사용을 분석하고, 선로를 검사하고, 익명 분석을 통해 건강과 안전을 보장할 수 있습니다. 잠재적인 응용 프로그램 및 사용 사례 목록은 광범위하며 계속 늘어나고 있습니다.

AI는 다음 반세기 동안 혁신을 형성할 잠재력을 가지고 있습니다.

공항과 같은 민간 인프라의 AI에 대한 민간 부문 사용 사례가 공공 부문 사용 사례보다 먼저 성숙할까요?

민간 인프라와 공공 부문 사용을 위한 인공 지능 사례 스마트 사용 사례의 성숙도는 특정 애플리케이션에 따라 다릅니다. 공공 부문에서는 모니터링 및 지속 가능성 이니셔티브가 중요한 역할을 하는 도로 관리가 그 예입니다. 도시 전역에 센서를 설치함으로써 폐기물, 범죄, 교통 등을 포함한 도시 운영 및 상태에 대한 포괄적인 시각을 얻을 수 있습니다. 차량이나 보행자 모니터링, 불법 주차 감지, 주차장 관리 등 교통 관리 분야에서 AI 솔루션에 대한 수요가 늘어나고 있습니다.

공공부문 이니셔티브도 시민과 의사결정자에게 실시간 정보를 제공하는 것을 목표로 합니다. 예를 들어, 카메라를 사용하면 사용 가능한 주차 공간을 식별하고 앱이나 기타 플랫폼을 통해 시민들에게 전달할 수 있습니다. 또 다른 사용 사례는 AI가 넘쳐나는 쓰레기통을 감지하고 적절한 직원에게 경고를 보낼 수 있는 폐기물 관리와 관련이 있습니다. 전반적으로 교통, 이동성, 지속 가능성, 도시 관리 및 서비스와 관련된 육안 검사에 대한 관심이 높아지고 있습니다.

반면, 민간 부문은 ROI 중심 특성으로 인해 AI 사용 사례를 더 쉽게 채택하는 경향이 있습니다. 민간 기업은 가치와 이점이 입증될 수 있다면 AI 솔루션을 신속하게 투자하고 확장하려는 경향이 더 큽니다. 그러나 공공 부문에서는 금전적 수익 이상의 가치를 추구하는 경우가 많습니다. AI가 어떻게 서비스를 개선하고 시민 복지를 향상하며 안전을 증진할 수 있는지 고려합니다. 결과적으로 공공 부문 조달 및 예산 책정 프로세스가 더 길어질 가능성이 높습니다.

이 분야에는 이러한 유형의 사용 사례에 대한 AI 솔루션을 제공하는 150개 이상의 스타트업이 있습니다. 일부 스타트업은 도시가 자본 지출(CapEx) 형태로 프로젝트에 투자하거나 운영 지출(OpEx) 모델을 선택할 수 있도록 하는 혁신적인 비즈니스 모델을 도입했습니다. OpEx 모델에는 SaaS(Software-as-a-Service) 또는 DaaS(Data-as-a-Service) 모델을 통해 서비스를 제공하는 동시에 인프라를 배포 및 유지 관리하는 스타트업이 포함됩니다. 이러한 스타트업은 기기 자체보다는 자신이 제공하는 가치를 판매하는 데 중점을 둡니다.

인공지능 측면에서 한 산업이 다른 산업보다 상호작용하기 쉬울까요? 그중 하나는 다른 산업보다 인공지능 솔루션을 더 적극적으로 모색하는 것입니다.

다양한 산업과의 인공지능 협력 측면에서 참여 난이도는 다양합니다. 지역별. 특히 영국, 독일, 프랑스, ​​이탈리아, 스페인 등 유럽, 중동, 아프리카의 특정 국가에서는 AI 기반 솔루션을 적극적으로 추구하고 있습니다. 특히 중동 도시는 특정 목표를 위해 NVIDIA를 찾고 이를 달성하는 데 도움을 주지만 이러한 참여 수준은 더 작은 비율의 도시로 제한됩니다.

도시의 기술 성숙도나 디지털 변혁의 성숙도 곡선을 고려한다면, 발전된 도시일수록 인공지능 솔루션을 적극적으로 추구할 것입니다. 그들은 연구를 수행하고 성공 사례를 읽었으며 더 많은 것을 탐구하고 싶어합니다. 그러나 대부분의 도시(약 70%)는 여전히 AI를 학습하는 과정에 있으며 필요한 인프라와 AI 여정을 시작하는 방법에 대한 이해가 부족할 수 있습니다.

AI 여정을 시작하는 것은 단순히 상자나 솔루션을 구입하는 것 이상입니다. 많은 도시에서는 자체 데이터를 사용하고 자체 모델을 개발하려는 욕구를 표명했습니다. 일부 도시에는 AI에 대한 이해와 구현이 성숙한 IT 또는 AI 기반 팀과 같은 전담 조직이 있습니다.

반대로 도시에는 두 가지 유형이 더 있습니다. 첫 번째 그룹은 AI를 이해하지만 이를 구현할 리소스와 전문 지식이 부족합니다. 그들은 기성품, 기성품 솔루션을 찾습니다. 두 번째 유형의 도시는 AI에 대한 더 나은 이해와 이를 구현하는 데 필요한 리소스가 모두 필요합니다. 이들 도시는 보다 온건하고 신중한 접근 방식을 취하고 있으며 AI 솔루션을 더 느린 속도로 탐색하고 있습니다. 전반적으로 도시의 상당 부분은 지속적인 교육이 필요하고 AI를 완전히 수용하기 위한 자원이 부족한 범주에 속합니다.

도시는 AI 여정의 다양한 단계에 있으며 최대 70%가 여전히 그 가능성을 이해하고 있습니다.

과거에는 시 정부와 지방 당국이 AI에 더 편안함을 느꼈기 때문에 1급 도시는 종종 더 많은 리소스를 갖춘 것으로 간주되었습니다. 솔루션 관심을 끄는 주요 동인입니다. 그러나 상황이 바뀌었고 이제 AI 도입의 원동력은 도시의 규모나 자원을 넘어 확장됩니다. 이제 문제는 인재와 리더십이다.

독일에는 인구 9,000명 정도의 작은 마을이 있습니다. 이 마을에는 인공 지능의 가치를 이해하고 컴퓨터 비전 기술을 사용하여 마을 전체를 스캔하고 디지털 트윈을 생성하는 탁월한 지능과 비전 있는 리더십을 갖춘 사람들이 있습니다. 때로는 소규모 도시가 더 유연하고 관리하기 쉬우므로 크고 복잡한 도시보다 AI 솔루션을 구현하기가 더 쉽습니다.

도시의 인공지능 배치는 실제로 다양한 요인에 따라 달라집니다. 기술의 잠재력을 인식하는 인재와 리더십이 중요한 역할을 합니다. 하지만 우리가 '재능'에 관해 이야기할 때, 그것이 단지 개인에 관한 것이 아니라는 점을 기억하는 것이 중요합니다. 이제 우리는 AI 플랫폼에 투자하고 대학 및 연구 기관과의 혁신 및 협력 기회를 열어 도시가 퍼스트 무버(First Mover)가 되는 것을 보고 있습니다. AI 분야의 스타트업 및 일자리 창출에 대한 주요 장벽은 인프라와 데이터 액세스입니다. 미래 지향적인 도시에서는 민관 파트너십이나 기타 모델을 통해 컴퓨팅 인프라에 투자하여 이 문제를 해결하고 있습니다. 중요한 것은 플랫폼을 누가 소유하느냐가 아니라 플랫폼 자체의 존재 여부입니다. 컴퓨팅 리소스를 제공하고, 관련 데이터를 제공하고, 대학 및 지역 사회와의 연결을 촉진함으로써 이들 도시는 많은 지역 이니셔티브를 개발하고 인력의 기술을 향상시켜 미래의 기술을 갖추게 하고 있습니다. 이는 결국 이러한 노력을 통해 스타트업이 등장하면서 일자리를 창출합니다.

AI 솔루션에 대한 관심이 촉발되는 것은 더 이상 대도시만의 문제가 아닙니다. 크고 작은 도시들은 재능, 비전 있는 리더십, 혁신과 협업을 촉진하는 이니셔티브를 바탕으로 인공 지능의 잠재력을 적극적으로 탐구하고 있습니다.

위 내용은 도시는 인공 지능을 채택하는 데 얼마나 멀리 떨어져 있습니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!