میترا جلیلی
خبرنگار
جمعیت شهری جهان از 751 میلیون نفر در سال 1950 به 4.46 میلیارد نفر در سال 2021 افزایش یافته است و البته انتظار می‌رود که این جمعیت شهر نشین تا سال 2050 به 6.68 میلیارد نفر برسد. طبق آمار در سال 2021، حدود 56.61 درصد از جمعیت جهان در مناطق شهری زندگی کرده‌اند و انتظار می‌رود این نسبت تا سال 2050 به 68 درصد(و حتی بیشتر) افزایش یابد. این روند روبه رشد شهرنشینی مشکلات بسیاری ایجاد کرده و محققان تلاش کرده‌اند تا با کمک فناوری و ایجاد شهرهای هوشمند براین چالش‌ها غلبه کنند. تحقیقات نشان می‌دهد بسیاری از شهرها نه تنها در حال رشد هستند، بلکه در تلاشند خود را مجدداً پیکربندی کنند تا قادر به برآورده کردن نیازهای آینده باشند. هوش مصنوعی (AI) و یادگیری ماشینی به‌عنوان ابزارهای مهم برای رشد و تغییرات شهرها درحال ظهور هستند تا شهرهای هوشمند تشکیل شوند.
یک تحول بزرگ
هوش مصنوعی، محرک مهم انقلاب صنعتی چهارم است ، بنابراین نه تنها دنیای تجارت، بلکه شهرها و نحوه زندگی، کار و معاشرت بشر را  متحول می‌کند، اما این تحول چگونه رخ می‌دهد؟ نوآوری مداوم در هوش مصنوعی به شکل خودروهای خودران، کنترل ترافیک هوشمند، پیش‌بینی جرم، بهینه‌سازی مصرف انرژی، کنترل انتشار گازهای گلخانه‌ای، مدیریت آب و پسماند، تعمیر و نگهداری زیرساخت‌ها و برنامه‌ریزی شهری باعث شده تا شهرهای هوشمند به‌عنوان یک مکان شهری مستقل برای زندگی و کار در کانون توجه قرار بگیرند. درواقع در شهرهای هوشمند نوظهور، هوش مصنوعی مدیریت خدمات شهری و حکمرانی شهری را بر عهده می‌گیرد. از آنجایی که هوش مصنوعی می‌تواند حجم عظیمی از داده‌ها را بسیار سریع پردازش کند، بسیاری از کارکردها را از دست انسان‌ها خارج می‌کند تا یک شهر را به شیوه‌ای فناورانه اداره کند. فعال‌سازی بسیاری از راه حل‌های هوشمند شهری توسط هوش مصنوعی، مزایای متعددی را برای شهرها و ساکنان آن به ارمغان می‌آورد و عملاً هوش مصنوعی چهره شهرها را تغییر می‌دهد.
سیستم حمل‌ونقل هوشمند
در شهرهای هوشمند قرار است خودروهای خودران در خیابان‌ها تردد کنند و فناوری‌های مدرن ازجمله LiDAR (تشخیص نور و محدوده) همراه با هوش مصنوعی، این امکان را برای چنین خودروهایی فراهم می‌کند تا آب و هوای نامساعد را تشخیص دهند و هنگام رانندگی نیز بر همه زوایا کنترل داشته باشند. این خودروها به گونه‌ای طراحی شده‌اند که عابران پیاده، دوچرخه سواران و وسایل نقلیه روبه‌رو و همچنین موانع موجود را تشخیص دهند و از آنها اجتناب کنند. برنامه ریزان برای توسعه شهرهای هوشمند در سراسر جهان امیدوارند که پیشرفت تکنولوژی، منجر به ازدحام کمتری در خیابان‌ها شود و به تبع آن، ضمن کاهش میزان حوادث، آلودگی نیز قابل کنترل شود. برخی کارشناسان حوزه شهرهای هوشمند بر این باورند که تا سال 2030، بیشتر کیلومترهای پیموده شده در شهرهای بزرگ دنیا توسط وسایل نقلیه الکتریکی خودران و بر اساس میزان تقاضا انجام می‌گیرد، بنابراین نیاز به حضور خودروهای شخصی در شهر کاهش می‌یابد و مشکلات ترافیکی و پارکینگ نیز تا حد قابل ملاحظه‌ای حل می‌شود.
اعمال فناورانه قانون
به دنبال تلاش برای ایجاد شهرهای هوشمند در جهان، تشخیص چهره ازطریق هوش مصنوعی در بسیاری از شهرها به یک روش استاندارد تبدیل شده است، به‌عنوان مثال در طول همه‌گیری کووید 19، پلیس دوبی از پهپادهای مجهز به نرم‌افزار تشخیص چهره استفاده کرد تا بتواند افرادی را که به طور غیرقانونی تجمع کرده‌اند یا از ماسک استفاده نمی‌کنند  به‌صورت هوشمند شناسایی کند. در ابوظبی نیز مجریان قانون وسایل نقلیه خود را به سیستم‌های بیومتریک تشخیص چهره تجهیز کردند. دوربین‌ها و نرم‌افزار هوش مصنوعی هنگام تعامل با سیستم فرماندهی پلیس مرکزی شهر، دائماً چهره افراد را اسکن می‌کنند تا چنانچه افرادی با حکم‌های معوق یا مظنونان در شهر پرسه بزنند، موفق به دستگیری آنها شود. پلیس ابوظبی بتازگی هم از هوش مصنوعی پیشرفته‌ای به‌ نام Ghost با قابلیت پیش‌بینی جرم برای دستگیری سه قاچاقچی مواد مخدر با مقدار زیادی هروئین استفاده کرد، البته این فناوری همیشه هم بی‌حاشیه نبوده و مخالفانی داشته است ،چراکه برخی معتقدند این فناوری عملاً حریم خصوصی را نقض می‌کند. به‌دلیل مخالفت‌های فراوان با فناوری تشخیص چهره، مسئولان در بارسلونا از هوش مصنوعی و سیستم‌های تصویربرداری حرارتی برای نظارت بر حضور پرتعداد مردم در سواحل این شهر در طول همه‌گیری کووید۱۹ استفاده کردند و با اسکن این مناطق به مقابله با تجمع در بحران کرونا پرداختند بدون این که حریم خصوصی افراد به خطر بیفتد.
بهره‌وری انرژی
یکی دیگر از بخش‌هایی که در شهرهای هوشمند مورد توجه قرار گرفته، بهره‌وری بهتر انرژی است چراکه تجزیه و تحلیل سریع داده‌های شهر هوشمند توسط هوش مصنوعی می‌تواند به بهره‌وری انرژی منجر شود. همچنین از هوش مصنوعی برای تجزیه و تحلیل داده‌های جریان ترافیک و مدیریت ترافیک به روشی پایدار استفاده می‌شود، به‌عنوان مثال در شهرهای هوشمند بریتانیا، با کمک هوش مصنوعی و ازطریق توالی‌بندی خودکار و بهبود یافته چراغ‌های راهنمایی، این مدیریت انجام می‌شود. این سیستم هوشمند در برخی دیگر از شهرهای هوشمند جهان به گونه‌ای متفاوت عمل می‌کند. در شهرهای هوشمندی مانند بارسلونا، روتردام، مونیخ و کپنهاگ با استفاده از رایانه‌های قدرتمند و یک سیستم هوش مصنوعی که از یادگیری ماشینی بهره می‌گیرد، داده‌ها بسرعت از میکروسنسورهای اینترنت اشیا (IoT) در چراغ‌های خیابانی LED، جمع‌آوری می‌شود تا به طور هوشمند سطوح روشنایی را در خیابان‌های این شهرها تنظیم کند.  مدیریت هوشمند زباله هم یکی دیگر از انواع خدمات عمومی نوآورانه در یک شهر هوشمند است. در این مدیریت که در شهر هوشمند روتردام هلند اجرا می‌شود، جمع‌آوری و پردازش زباله‌ها به‌صورت هوشمند رقم می‌خورد. به بیان دیگر حسگرهایی به ظروف زباله اضافه می‌شوند تا میزان پر شدن یا بی‌نظمی در عملکرد آن را اندازه‌گیری کنند. در این روش، با تجزیه و تحلیل سریع داده‌ها ازطریق مسیریابی بهینه جمع‌آوری زباله و با توجه به‌سرعت پر شدن ظرف‌های زباله می‌توان به افزایش بهره‌وری دست یافت. هوش مصنوعی بیشتر برای پیش‌بینی الگوهای چگونگی، زمان و مکان دور ریختن زباله استفاده می‌شود، بنابراین به شهرداری اجازه می‌دهد تا تولید و دور ریختن زباله را در بین شهروندان درک کند. همچنین گفته می‌شود که اگر از وسایل نقلیه خودران مجهز به هوش مصنوعی که به سیستم خودکار مدیریت زباله متصل هستند، برای جمع‌آوری زباله‌ها استفاده شود، می‌توان کارایی را دوچندان کرد. فناوری بینایی کامپیوتری(computer vision) کنترل‌شده با هوش مصنوعی نیز برای جداسازی زباله‌ها برای بازیافت مورد استفاده قرار می‌گیرد.

گزارش خدمات ارائه‌ شده توسط مرکز ماهر در بهمن‌ماه نشان می‌دهد بیشترین فراوانی رخدادهای رایانه‌ای با نزدیک به ۱۵۰مورد آلودگی، مربوط‌ به بدافزار و بات بوده که حاکی از افزایش قابل‌توجهی در مقایسه با ماه قبل بوده است. به گزارش «ایران»، گزارشی از ۳۶۴خدمت ارائه‌ شده توسط مرکز ماهر (مدیریت امداد و هماهنگی رخدادهای رایانه‌ای) در بهمن‌ماه ارائه شده که طبق آن، بیشترین فراوانی رخداد به‌ترتیب مربوط به آلودگی بدافزار و بات، فیشینگ سایت‌های خارجی، شناسایی آسیب‌پذیری، فیشینگ سایت‌های داخلی، درخواست ارزیابی، درخواست مشاوره، گزارش‌های خبری، افشای اطلاعات، دیفیس سایت، منع سرویس داخلی و باج‌افزار بوده است. بیشترین فراوانی رخدادهای رایانه‌ای با حدود ۱۵۰مورد آلودگی، مربوط‌ به بدافزار و بات است درحالی که ماه قبل‌تر، آمار بدافزارها ۱۲۰مورد بود. طبق این گزارش، بیشترین اطلاع‌رسانی از طریق منابع داخلی به‌ترتیب از گزارش آپاها، سامانه هوشیار، سامانه دانا، کارشناسان مرکز ماهر، میانگین روزانه پویش سرور ویرا، گزارش مردمی، سامانه تله بدافزار، سامانه بینا، گزارش بخش خصوصی و گزارش نهادهای حاکمیتی بوده است. همچنین ماه گذشته بیشترین هشدار مرکز ماهر به دستگاه‌های حاکمیتی ارائه شده است که در صدر آن قوه‌قضائیه و به‌دنبال آن وزارت عتف، وزارت ارتباطات و فناوری اطلاعات، وزارت بهداشت، درمان و آموزش پزشکی، وزارت امور اقتصادی و دارایی و ریاست‌جمهوری قرار دارد. وزارت فرهنگ و ارشاد اسلامی، وزارت میراث فرهنگی، گردشگری و صنایع دستی ، وزارت راه و شهرسازی، وزارت کشور، وزارت نیرو، وزارت آموزش و پرورش، وزارت امور خارجه و قوه‌مقننه هم در جایگاه‌های بعدی قرار دارند.

عضو هیأت مدیره شرکت ارتباطات زیرساخت گفت: قضیه کندی اینترنت را قبول داریم اما باید بدانیم که تنها یک عامل در کندی اینترنت دخیل نیست.
محمدزاده لاجوردی تأثیر ظرفیت پهنای باند بر مشکلات اینترنت را ۲۰درصد عنوان کرد و گفت: پهنای باند به میزان لازم خریداری کرده‌ایم. هم اکنون حدود ۷ترابیت برثانیه، ظرفیت ترافیک اینترنت بین‌الملل است که حدود ۶ترا مردم در حال استفاده هستند و یک ترا نیز به‌عنوان مازاد و پشتیبانی در نظر گرفته شده تا اگر کابلی قطع شد، استفاده شود.
وی نبود ظرفیت انتقال در لایه دسترسی را یکی از چالش‌های فعلی شبکه اینترنت عنوان کرد و افزود: این موضوع ۴۰درصد در کیفیت اینترنت نقش دارد که مربوط به شبکه مخابرات و اپراتورهای ارتباطات ثابت است.
عضو هیأت مدیره شرکت ارتباطات زیرساخت، نبود مهندسی ترافیک را یکی دیگر از دلایل کندی اینترنت دانست و گفت: مهندسی ترافیک در کشور باید اصلاح شود. خیلی از داده‌ها در کشور باید به تهران بیاید و برگردد و این موضوع، زمان دریافت را افزایش می‌دهد.
بر این اساس باید برای دیتای خارج از کشور نیز با پلتفرم‌های خارجی وارد مذاکره شویم تا CDN‌های خود را داخل کشور بیاورند و حتی اگر تمایلی نداشتند این مراکز تحویل محتوا را حداقل در اطراف کشور ما ایجاد کنند، مانند کشورهایی مثل عمان، ارمنستان و آذربایجان تا به این ترتیب ما دیتا را در کمترین فاصله دریافت کنیم. اما هم اکنون شاهد هستیم که در برخی موارد، دیتا تا فرانکفورت می‌رود و برمی‌گردد.
به گفته وی این عوامل، برخی در کوتاه‌مدت (خرید پهنای باند) و برخی در بلندمدت (مهندسی ترافیک) باید رفع شوند. محمدزاده لاجوردی در پاسخ به این سؤال که چرا در یک مقطعی افت کیفیت محسوس‌تر می‌شود، گفت: ساعت ۱۰ تا ۱۲ شب پیک مصرف اینترنت است و همه می‌خواهند استفاده کنند از این‌رو به لایه دسترسی فشار مضاعف وارد می‌شود و ظرفیت انتقال که باید به پهنای باند زیرساخت متصل شود، پاسخگو نیست.
عضو هیأت مدیره شرکت ارتباطات زیرساخت درخصوص نمودارهای پینگ نیز گفت: این نمودارها را از لحاظ فنی نمی‌توان به کل شبکه تعمیم داد. نرخ پینگ در سایت‌های دیگر هم تقریباً همین میزان است. میزان پینگ به سایت و فاصله مسیری که در آن هاست (میزبانی) شده است، بستگی دارد.  وی افزود: اینکه گفته می‌شود کندی اینترنت به‌دلیل اجرای طرح صیانت است، درست نیست. اگر مشکلاتی که عنوان شد حل نشود ماه به ماه و روز به روز وضعیت اینترنت بدتر هم می‌شود.