Aθανάσιος Τσαδήρας
Αναπληρωτής Καθηγητής
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.
Αποτελέσματα μελετών αναφέρουν ότι ο παγκόσμιος αστικός πληθυσμός θα φτάσει στα επίπεδα 66%-70% μέχρι το 2050 [1, 2]. Αυτό κάνει την ανάγκη για δημιουργία έξυπνων πόλεων να γίνεται όλο και μεγαλύτερη. Για την δημιουργία έξυπνων πόλεων, αναγκαία είναι η αποτελεσματική αξιοποίηση τεχνολογιών πληροφορίας και επικοινωνίας (ΤΠΕ) και βεβαίως του τομέα αιχμής της Επιστήμης των Υπολογιστών, δηλαδή της Τεχνητής Νοημοσύνης.
Θα πρέπει να αναφερθεί η Τεχνητή Νοημοσύνη βρίσκεται σε μια εξαιρετικά ενδιαφέρουσα φάση. Όταν το 1977 ο ηλεκτρονικός υπολογιστής Deep Blue κέρδισε στο σκάκι τον τότε παγκόσμιος πρωταθλητή Garry Kasparov, είχε τροφοδοτηθεί με τους κανόνες που διέπουν το σκάκι και μπορούσε να εξετάσει 200 εκατομμύρια κινήσεις το δευτερόλεπτο. Τόσο στην περίπτωση του Deep Blue όσο και μετέπειτα σε αυτή του ΙΒΜ Watson, που το 2011 κέρδισε 2 φορές ανθρώπους παίκτες του παιχνιδιού ερωτήσεων Jeopardy!, ο τρόπος με τον οποίο τα συστήματα αυτά προγραμματίστηκαν και κέρδισαν ήταν ξεκάθαρος και κατανοητός στον άνθρωπο. Το 2016 όμως, όταν το σύστημα AlphaGo (και μετά AlphaGo Zero) κέρδισε στο επιτραπέζιο παιχνίδι Go (πιθανά το πιο πολύπλοκο που δημιούργησε ποτέ ο άνθρωπος) τον Νοτιοκορεάτη πρωταθλητή Lee Sedol, κανένας άνθρωπος, ούτε και οι προγραμματιστές του, μπορούσαν να καταλάβουν τον τρόπο με τον οποίο κέρδισε. Και αυτό γιατί το σύστημα AlphaGo έμαθε μόνο του να παίζει, παρακολουθώντας παρτίδες άλλων παικτών. Έμαθε δηλαδή από δεδομένα που του δόθηκαν και ο τρόπος «σκέψης» του είναι τελείως διαφορετικός από αυτό των παικτών-ανθρώπων. Ανέπτυξε δηλαδή μια μηχανική, δική του νοημοσύνη, διαφορετική από την ανθρώπινη. Και όλα αυτά βάσει των δεδομένων που έλαβε.
Είναι γεγονός ότι ζούμε στην εποχή των δεδομένων. Το περιοδικό Economist διατείνεται ότι πλέον τα δεδομένα είναι πιο πολύτιμος πόρος από το πετρέλαιο, ιδίως εάν αναλογιστούμε τις εταιρείες τεχνολογίας όπως η Google, το Facebook, η Microsoft, η Amazon και τα δεδομένα που συλλέγουν από χρήστες. Όροι όπως Μεγάλα Δεδομένα (Big Data), Μηχανική Μάθηση (Machine Learning), Νευρωνικά Δίκτυα (Neural Networks), Βαθιά Μάθηση (Deep Learning) και Διαδίκτυο των Πραγμάτων (Internet of Things, IoT) γίνονται όλο και πιο επίκαιροι.
Οι ποσότητες δεδομένων που συλλέγονται καθημερινά μέσω Διαδικτύου (π.χ. μέσω IoT, κοινωνικά μέσα, ψηφιακές φωτογραφίες, τηλεπικοινωνίες) είναι εξαιρετικά αυξανόμενες. Για παράδειγμα, το 90% όλων των δεδομένων στον κόσμο που ήταν διαθέσιμα μέχρι τα μέσα του 2018 δημιουργήθηκαν τα προηγούμενα δύο χρόνια [3]. Οι Δήμοι και η Τοπική Αυτοδιοίκηση δεν μπορούν να μείνουν έξω από αυτήν την εξέλιξη. Κατέχουν ήδη μεγάλο όγκο δεδομένων που θα μπορούσαν να αξιοποιηθούν για την δημιουργία υπηρεσιών έξυπνων πόλεων. Οι νέες τεχνολογίες δίνουν επίσης νέες ευκαιρίες για τη συλλογή και την επεξεργασία δεδομένων ως βασικό στοιχείο προς τον ψηφιακό κυβερνητικό μετασχηματισμό, και την «έξυπνη διακυβέρνηση» [4]. Όλο και πιο καίρια γίνεται η ιδέα του datafication του δημόσιου τομέα δηλαδή της ανίχνευσης και της επακόλουθης συλλογής όλων των δεδομένων σε μορφές άμεσα αναγνώσιμες από υπολογιστή.
Η ύπαρξη μεγάλου όγκου δεδομένων καθώς και οι τεχνολογίες αιχμής που αναφέρθηκαν, επιτρέπουν την μετάβαση των δήμων από την ανοικτή διακυβέρνηση (2.0), στην έξυπνη διακυβέρνηση (3.0) και τελικά στην μετασχηματισμένη διακυβέρνηση (4.0), σύμφωνα με την παρακάτω εικόνα
.
Εικόνα 1: Μετάβαση στην Ηλεκτρονική Διακυβέρνηση 4.0
Πλέον πολλές πόλεις γίνονται «ζωντανά εργαστήρια» καθώς οι τεχνολογίες δεδομένων ενσωματώνονται στη λειτουργία των δημόσιων υποδομών και χώρων ως μέσο βελτιστοποίησης των δημόσιων υπηρεσιών [6] και της βιωσιμότητας των πόλεων [7]. Βέβαια στο πλαίσιο της έξυπνης πόλης, εμφανίζεται ένα ευρύ φάσμα τέτοιων υπηρεσιών, κυρίως μέσω μεμονωμένων περιπτωσιολογικών μελετών που αφορούν διάφορους τομείς όπως η διαχείριση αποβλήτων και οι μεταφορές. Ασφαλώς έχει μείνει ανεκμετάλλευτο μεγάλο εύρος εφαρμογών που αφορά κυρίως την αποδοτικότητα και τη βελτίωση των υπηρεσιών.
Οι νέες αυτές τεχνολογίες επιδρούν σε όλα τα δομικά στοιχεία της έννοιας «έξυπνη πόλη» δηλαδή τα έξυπνα δίκτυα, τις έξυπνες μεταφορές και την έξυπνη υγειονομική περίθαλψη. [8]. Ο νέος τρόπος συλλογής δεδομένων από κυβερνητικές οντότητες δίνει τη δυνατότητα μετασχηματισμού των υπηρεσίες της πόλης. Η ανάλυση αυτών των πληροφοριών επιτρέπει στους δήμους να καταφέρουν μεταξύ άλλων, τα παρακάτω [5]:
- Βελτίωση της απόδοσης, της διαχείρισης και της συντήρησης μέσω της προληπτικής παρακολούθησης κρίσιμων δημόσιων υποδομών και βελτιστοποίησης των διαδικασιών [9].
- Βελτιστοποίηση της χρήσης υποδομών και της χρήσης ενέργειας μέσω της αξιοποίησης δεδομένων σε πραγματικό χρόνο.
- Βελτίωση των υπηρεσιών βάση πληροφορίων σε πραγματικό χρόνο, οι οποίες μπορούν να βελτιώσουν την εμπιστοσύνη μεταξύ δήμου και πολιτών.
- Αύξηση της ασφάλειας των πολιτών μέσω της ταχύτερης και αποτελεσματικότερης αντιμετώπισης καταστάσεων έκτακτης ανάγκης, της παρακολούθησης των δρόμων και άλλων δημόσιων χώρων.
H Ευρωπαϊκή Επιτροπή έχει εντοπίσει τις νέες δυνατότητες που δίνουν στο δημόσιο τομέα οι λύσεις οδηγούμενες από τα δεδομένα και μιλά στις αναφορές της, για την καινοτομία στο δημόσιο τομέα, οδηγούμενη από δεδομένα [10]. Οι συνθήκες και στην Ελλάδα έχουν ωριμάσει και επιτρέπουν τη δραστηριοποίηση των δήμων στους παραπάνω τομείς προς όφελος των δημοτών.
Αναφορές
[1] O’Dwyer E., Pan I., Acha S., Shah N., Smart energy systems for sustainable smart cities: current developments, trends and future directions, Appl. Energy 237 (2019) 581–597.
[2] Liu Y., Yang C., Jiang L., Xie S., Zhang Y., Intelligent edge computing for IoT-based energy management in smart cities, IEEE Netw. 33 (2) (2019)
[3] Marr, B. (2018). How Much Data Do We Create Every Day? The Mind-Blowing Stats Everyone Should Read. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/05/21/how-much-data-do-we-create-every-day-the-mind-blowing-stats-everyone-should-read/#485b13a560ba
[4] Halaweh, M. (2018). Artificial Intelligence Government (Gov. 3.0): The UAE Leading Model. Journal of Artificial Intelligence Research, 62, 269-272.
[5] Barcevičius, E., Cibaitė, G., Codagnone, C., Gineikytė, V., Klimavičiūtė, L., Liva, G., Matulevič, L., Misuraca, G., Vanini, I., Editor: Misuraca, G., Exploring Digital Government transformation in the EU - Analysis of the state of the art and review of literature, EUR 29987 EN, Publications Office of the European Union, Luxembourg, 2019, ISBN 978-92-76-13299-8, doi:10.2760/17207, JRC118857.
[6] Bass, T., Sutherland, E. & Symons, T. (2018). Reclaiming the Smart City. Nesta; Naafs, S. (2018). 'Living laboratories': the Dutch cities amassing data on oblivious residents. Retrieved from https://www.theguardian.com/cities/2018/mar/01/smart-cities-data-privacy-eindhoven-utrecht
[7] UN Department of Economic and Social Affairs. (2018). UN E-Government Survey 2018. United Nations.
[8] Hashem, I.A.T, Chang, V. et al. (2016). The role of big data in smart city. International Journal of Information Management, 36(5), 748-758.
[9] Ju, J., Liu, L., & Feng, Y. (2018). Citizen-centered big data analysis-driven governance intelligence framework for smart cities. Telecommunications Policy, 42(10), 881-896.
[10] Misuraca, G., Barcevičius, E., Codagnone, C., (Eds.). Exploring Digital Government Transformation in the EU – Understanding public sector innovation in a data-driven society, EUR 30333 EN, Publications Office of the European Union, Luxembourg, 2020, ISBN 978-92-76-21326-0, doi:10.2760/480377, JRC121548
