راه ترقی

آخرين مطالب

هوش مصنوعی توانایی پیش‌بینی مناطق اعیان‌نشین در شهرها را دارد مقالات

هوش مصنوعی توانایی پیش‌بینی مناطق اعیان‌نشین در شهرها را دارد

  بزرگنمايي:

راه ترقی - هوش مصنوعی روز‌به‌روز نفوذ خود را در حوزه‌های مختلف اثبات می‌کند. مهندسی شهرسازی و پیش‌بینی اعیانی‌شدن مناطق، یکی از جدیدترین این حوزه‌ها است.

در یک دهه‌ی گذشته، نگرانی از اعیانی‌شدن (Gentrification) مناطق شهری در کشورهای گوناگون افزایش یافته است. یکی از دلایل اصلی این افزایش نگرانی، بازگشت بیش‌از‌پیش افراد تحصیل‌کرده و متمول به شهرها محسوب می‌شود. سوالی که نقطه‌ی تلاقی تصمیم‌گیران سیاست‌های شهری و دنیای فناوری می‌شود آن است که آیا هوش مصنوعی، می‌تواند سرعت و الگوی اعیان‌نشین شدن را در شهرها پیش‌بینی کند؟ تحقیقی جدید با همکاری دانشمندان علوم داده و جغرافی‌دان‌ها، چنین قابلیتی را برای هوش مصنوعی متصور می‌شود. مقاله‌های مرتبط:
یادگیری ماشین به کمک صنعت ساختمان‌ سازی می‌آید آیا هوش مصنوعی بر جهان تسلط می‌یابد؟
جاناتان ریدز، جوردن دِسوزا و فیل هابارد از کالج سلطنتی لندن در تحقیقی، توانایی هوش مصنوعی را در موضوعات شهری بررسی کرده‌ و نتایج را در ژورنال Urban Studies منتشر کرده‌اند. در این تحقیقات، از یادگیری ماشین و روند معمول آن استفاده شد. روند معمول یادگیری ماشین، مطالعه‌ی رخدادهای گذشته و پیش‌بینی چگونگی رویدادهای مشابه در آینده است. در تجربه‌ی مذکور، محققان اطلاعات اعیانی‌شدن مناطق در لندن را بررسی کردند تا الگوی آن را برای آینده، پیش‌بینی کنند. برای بررسی دقت هوش مصنوعی، تیم تحقیقاتی ابتدا صحت پیش‌بینی‌های آن را برای سال 2011 بررسی کردند. روند کار به این صورت بود که اطلاعات سال 2001 شهر لندن، برای پیش‌بینی صحیح رخدادهای سال 2011 تحلیل و بررسی شد. سپس، از این مدل برای پیش‌بینی الگوی مناطق در سال 2021 استفاده شد.
در ابتدای تحقیقات، معیارهای کنونی اجتماعی و اقتصادی براساس چهار عامل اصلی اندازه‌گیری شدند: درآمد خانواده ، ارزش املاک و مستغلات ، سهم فرد و خانواده از مشاغل با سطح کلاس بالا و کسب اعتبار برای مشاغل . کسب اعتبار برای مشاغل به‌معنای سهم شهروندان از رسیدن به سطحی از مهارت‌های شغلی است. محققان پس از بررسی وضعیت‌های اقتصادی و اجتماعی برای هر منطقه، تأثیر عوامل دموگرافیک دیگر همچون سن و قومیت را نیز بر اعیان‌نشینی مطالعه کردند. هوش مصنوعی پس از مطالعه و بررسی داده‌های سال 2001، با نتایجی بسیار نزدیک به رخدادهای واقعی برای سال 2011، کار خود را به پایان رساند. یک نتیجه‌ی آماری بسیار نزدیک به واقعیت، حاصل استفاده از هوش مصنوعی شد. درواقع استفاده از هوش مصنوعی و یادگیری ماشین، از تمامی روش‌های آماری سنتی همچون تحلیل رگرسیون استاندارد، دقیق‌تر بود.
نتایج تحقیقات نشان داد که عوامل دموگرافیک اصلی مانند درآمد زوجین بدون داشتن فرزند، مالکیت خودرو یا حتی قومیت، در فهرست برترین عوامل مؤثر بر اعیان‌نشینی قرار نداشتند. در فهرست فاکتورهای مؤثر، مهاجرت جای داشت که البته آن هم تنها برای مهاجران از مبدأ دیگر کشورها در اتحادیه‌ی اروپا، آمریکا، استرالیا و نیوزیلند صحیح بود. برای اندازه‌گیری اعیان‌نشینی، ثابت‌های اجتماعی و اقتصادی بررسی شدند
نوع ساختمان‌ها، خصوص انواع قدیمی یا با معماری مشهور به Terraced، بر پیش‌بینی‌ها تأثیر داشت. درنهایت، محققان به این نتیجه رسیدند که اکثر عوامل مهم و تأثیرگذار بر پیش‌بینی‌ها، به اشتغال مرتبط بودند. مواردی همچون ساعت‌های کاری زیاد، مهارت و مدرک کاری، تنوع شغلی مانند کار کردن در خانه یا خوداشتغالی، موارد مهم تأثیرگذار بر عوامل پیش‌بینی بودند. تصویر زیر، نشان‌دهنده‌ی اعیان‌نشین شدن مناطق در سال 2011 است. نتیجه‌گیری نمودار زیر، با بررسی تغییر در ثابت‌های اقتصادی و اجتماعی در سطح منطقه‌ای انجام شد. باتوجه‌به تصویر، دو خط اعیان‌نشینی را می‌توان از مرکز لندن تشخیص داد. یکی از آن‌ها به‌سمت جنوب غربی و دیگری به‌سمت شمال‌شرقی رفته است. خطوط ایجادشده، به‌نام خط میلیاردرها (Billionaire"s Row) شناخته می‌شوند.
منطقه‌ی مشخص‌شده با رنگ صورتی تیره،‌ شاهد کاهش ثابت‌های اجتماعی-اقتصادی بود؛ درحالی‌که در مناطق زردرنگ، افزایش شاخص‌ها اتفاق افتاد. مناطق سبز کم‌رنگ، مکان‌هایی هستند که تغییرات بسیار کوچکی در ثابت‌های اجتماعی-اقتصادی آن‌ها رخ داده است. نکته‌ی قابل‌توجه آن است که حتی مناطق ثروتمندنشین هم تغییر و اعیان‌نشینی را در این مدت تجربه کرده‌اند. پیش‌بینی‌های هوش مصنوعی از بسیاری از روش‌های آماری سنتی دقیق‌تر بود
تصویر بعدی، پیش‌بینی اعیان‌نشین‌شدن در سال 2021 را ارائه می‌کند. در این نقشه نیز، اعیان‌نشینی با تغییر در ثابت‌های اجتماعی و اقتصادی پیش‌بینی شده است. در تصویر زیر، اعیان‌نشین شدن نه‌تنها در مناطق وست‌مینستر، کنزینگتون و چلسی پیش‌بینی می‌شود، بلکه مناطق با سطح زندگی کارگری نیز هدف بعدی آن خواهند بود. نکته‌ی مهم دیگر در پیش‌بینی سال 2021 لندن، توسعه‌ی اعیان‌نشینی به مناطق و شهرهای حومه‌ است. طبق پیش‌بینی انجام‌شده، بالاتر رفتن سطح زندگی در یک منطقه، احتمالا موجب جابه‌جایی ساکنان از مناطق دیگر و کاهش معیارها در آن بشود. در این تصویر هم مناطق صورتی پررنگ، نشان‌دهنده‌ی کاهش و مناطق زرد، نشان‌دهنده‌ی افزایش شاخص‌های اقتصادی و اجتماعی است.
مدل پیش‌بینی سال 2021، نشان می‌دهد که سرعت اعیان‌نشین شدن مناطق تا آن سال، به‌مرور آهسته می‌شود. شایان ذکر است مناطقی که از سال 2001 تا 2011 بیشترین تغییرات را شاهد بودند، تا سال 2021، تغییرات کمتری خواهند داشت. درواقع اگرچه شاخص‌های این مناطق تا سال 2021 رشد می‌کند، اما سرعت آن افزایش نخواهد یافت. تیم تحقیقاتی امید دارد که نتایج خود را در آینده با بررسی اطلاعات زنده‌ی بیشتر، دقیق‌تر کند. آن‌ها از داده‌هایی همچون قیمت لحظه‌ای املاک در وبسایت‌های متعدد تا نمادهای فرهنگی مصرف‌گرایی در توییتر، برای پیش‌بینی دقیق‌تر مناطق با ظرفیت اعیان‌نشین شدن، استفاده خواهند کرد. به‌هرحال پدیده‌های متنوع سیاسی و اقتصادی مانند خروج بریتانیا از اتحادیه‌ی اروپا، روی روند اعیان‌نشین شدن در شهرهای بزرگ جهان، تأثیر دارند. باوجود تمامی عوامل، به‌نظر می‌رسد ابزارهایی همچون یادگیری ماشین، علاوه‌بر تشریح علل اعیان‌نشین شدن در شهرها، توانایی پیش‌بینی مناطق بعدی را هم داشته باشند.





نظرات شما

ارسال دیدگاه

Protected by FormShield

ساير مطالب

نقش چای در کاهش خطر سکته مغزی

ثواب صله رحم در قاب احادیث

روزگار سپری شده سحرخوانی

خاطرات حین خواب از طریق امواج مغزی تقویت می‌شوند

تشریح بزرگ‌ترین برنامه کنترل جمعیت تاریخ ایران

چرایی افزایش حشرات در استان تهران؛ از پروانه‌ها تا ملخ‌ها

قابلیت تکامل سلول‌های نابالغ به سلول‌های بنیادی

معرفی کتاب شیوه گرگ اثر جردن بلفورت

انقلاب علمی چین؛ بخش دوم: تحول آینده پاکستان و سریلانکا

فعالین سیاسی برای پیروزی در جنگ امید چه می گویند

لغو امتیاز تنباکو؛ ضربه سهمگین بر پیکره استعمار

ابداع روشی متفاوت برای نمک‌زدایی آب

تماشا کنید: رویای ثروتمندترین مرد جهان برای تسخیر فضا

موفقیت پژوهشگران در تولید انرژی برق از آسمان شب

هنگام اتصال به وای فای عمومی چه نکته‌هایی باید رعایت شود؟

هرآنچه باید در مورد هویت برند بدانید

گزارش مهم سازمان ملل: یک میلیون گونه جانوری در آستانه انقراض هستند

ایران و آمریکا در مقابل امتحانی سخت

سفر به زهره؛ داغ‌ترین سیاره منظومه شمسی

چگونه برندها مشهور می‌شوند؟

کشف جهش ژنتیکی جدیدی که موجب کاهش ترس و اضطراب می‌شود

سمپاشی علیه ملخ ها ، خوب یا بد

عواقب حذف سپرهای امنیتی برای کاربران

پیش‌بینی زمان مرگ با حس بویایی

ایمن سازی زنان معتاد با سرنگ حمایت های اجتماعی

تاریخچه ناگفته هوش مصنوعی؛ انسان‌هایی که ماشین‌های هوشمند را ساختند

بحران زیست‌محیطی؛ پیامد جنگل‌زدایی در کره شمالی

فوربس: خریداران عمده نفت ایران از تحریم های آمریکا پیروی نمی کنند

مصرف شیرینی تاثیر مثبتی بر خلق‌وخو ندارد

زیباترین منظره غروب خورشید را در کدام نقطه استانبول مشاهده کنیم؟

چرا در کشف سیارک‌های نزدیک زمین عملکرد ضعیفی داشته‌ایم؟

ارتباط چاقی با تفاوت‌های مورفولوژیکی مغز

چرا مبتلایان به آلرژی‌ فصلی دچار سردرد می‌شوند؟

سازمان جهانی بهداشت:ابتلا به مالاریا کاهش چشمگیری نیافته است

کودکان و چالش شماره‌های اضطراری

چه رمز عبوری بگذاریم که هک نشویم؟!

لایروبی سدها نیاز امروز، پشتوانه فردا

تاثیر ویتامین D بر توقف رشد سلول‌های سرطانی روده

ارتباط موثر؛ اولین قدم برای مراقبت از بیماران هموفیلی

طبقه متوسط در حال محو شدن است!

آمارهای «باروری نکاحی» و «بیکاری» دهه شصت و هفتادی‌ها

ساخت اولین ژنوم باکتریایی با استفاده از کامپیوتر

تکمیل پازل یک باتلاق

فرصت از دست رفته آمریکا در کمک‌رسانی به سیل‌زدگان ایرانی

تماس با طبیعت موجب کاهش سطح هورمون استرس می‌شود

دستکاری آب‌وهوا؛ آیا بارندگی‌های اخیر ایران عمدی است؟

تولید ابرگیاهان باکمک دانش نانو مواد

تلاش موسسات مردمی در کاهش آسیب های اجتماعی

بیماری «ارتفاع» چیست و چگونه درمان می‌شود؟

هرآنچه باید درمورد سقوط هواپیماهای بوئینگ 737 مکس بدانید