AI nhìn thành phố: hiểu đô thị rõ hơn hay quan sát con người nhiều hơn?
Một camera giao thông vốn chỉ ghi lại dòng xe. Khi kết hợp với AI, hình ảnh từ 331 camera ở New York có thể được dùng để nhận diện loại phương tiện và ước tính lượng phát thải của từng xe. Chi tiết này cho thấy câu hỏi trung tâm của AI đô thị không chỉ là máy nhìn được bao nhiêu, mà là thành phố sẽ dùng những gì nhìn thấy để thay đổi đời sống ra sao. [1]
Công nghệ này có thể giúp phát hiện quy luật trong giao thông, không gian công cộng và cây xanh. Nhưng càng nhiều hình ảnh được biến thành dữ liệu, thành phố càng phải cân nhắc hai mặt của cùng một năng lực: hiểu đô thị chi tiết hơn và quan sát con người thường xuyên hơn. [1]
Một khung hình trở thành dữ liệu như thế nào?
Thị giác máy tính là nhóm kỹ thuật giúp máy nhận ra đặc điểm trong ảnh hoặc video. Ở một giao lộ, hệ thống có thể phân loại xe hơi, xe tải hay xe buýt, sau đó đếm và so sánh chúng theo thời gian. Hình ảnh vì thế không còn chỉ là tư liệu để con người xem; nó trở thành dữ liệu để đặt câu hỏi về giao thông, môi trường và cách vận hành của thành phố. [1]
Tuy vậy, AI không trực tiếp đo toàn bộ đời sống phía sau mỗi khung hình. Camera ghi lại cảnh vật, mô hình nhận diện phương tiện, rồi kết quả được dùng cho một bước ước tính rộng hơn, chẳng hạn lượng phát thải. Đây là chuỗi suy luận gồm nhiều lớp, chứ không phải phép đo trực tiếp mọi hoạt động trên đường phố. Hiểu rõ từng lớp giúp tránh xem kết quả của mô hình như một bức tranh hoàn chỉnh về đô thị. [1]
AI có thể giúp nhà quy hoạch hỏi gì?
Từ cùng một loại dữ liệu hình ảnh, nhà quy hoạch có thể đặt ra nhiều câu hỏi: Vì sao giao thông ùn tắc? Điểm nào ở một giao lộ tiềm ẩn nguy hiểm? Khu vực nào trong quảng trường hoặc công viên thu hút nhiều người? Giá trị của AI nằm ở khả năng nối những chi tiết nhìn thấy được với vấn đề rộng hơn về cách thành phố hoạt động. [1]
Một ví dụ đời thường: nếu người qua lại thường tụ tập ở phần quảng trường có bóng râm thay vì quanh những chiếc ghế ở nơi nắng gắt, hình ảnh có thể gợi ý một câu hỏi về bóng mát, lối đi hoặc cảm giác dễ chịu. Đây chỉ là ví dụ minh họa cho cách đặt vấn đề, không phải kết quả của một nghiên cứu cụ thể. Hình ảnh cho thấy một mẫu xuất hiện; để hiểu nguyên nhân, nhà quy hoạch vẫn cần thêm bối cảnh và trao đổi với người sử dụng không gian đó.
Cách nhìn này cũng áp dụng cho cây xanh. Ảnh từ trên cao có thể cho biết thành phố có bao nhiêu mảng xanh, trong khi ảnh ở tầm mắt gợi ý người dân có thực sự bắt gặp cây cối trong sinh hoạt hằng ngày hay không. Điều đáng chú ý không phải chỉ là máy đếm được bao nhiêu vật thể, mà là dữ liệu nhìn thấy được có thể mở đường cho những câu hỏi về trải nghiệm đô thị. [1]
Công cụ mới nối tiếp một lịch sử quan sát
Việc dùng hình ảnh để hiểu thành phố không bắt đầu với máy học. Bản đồ bằng đá cẩm thạch của người La Mã, ảnh ghi lại quá trình biến đổi của Paris hay cảnh chen chúc tại khu Lower East Side ở New York đều từng định hướng sự chú ý của công chúng vào những vấn đề đô thị. Hình ảnh không chỉ phản ánh thành phố; nó còn ảnh hưởng đến cách con người lựa chọn điều gì đáng được nhìn thấy. [1]
Kevin Lynch từng nghiên cứu cách con người hình dung cấu trúc đô thị trong cuốn The Image of the City. William H. Whyte tập trung quan sát đời sống trong không gian công cộng. Công cụ của họ dựa nhiều vào giấy, bút, máy ảnh và sự chú ý trực tiếp. AI mở rộng quy mô của cách quan sát ấy, nhưng không tự tạo ra mục tiêu quy hoạch. Con người vẫn phải quyết định câu hỏi nào đáng theo đuổi. [1]
Điểm khác biệt lớn nhất là tốc độ và phạm vi. Một người có thể theo dõi một quảng trường trong một khoảng thời gian giới hạn, còn hệ thống tự động có thể xử lý hình ảnh từ nhiều địa điểm. Năng lực ấy giúp phát hiện những mẫu khó nhận ra bằng mắt thường, đồng thời khiến một cách phân loại sai có thể được lặp lại trên diện rộng. [1]
Khi quan sát đô thị chạm vào quyền riêng tư
Camera càng hiện diện rộng, ranh giới giữa đo lường đô thị và giám sát càng mỏng. Một hệ thống được triển khai để nghiên cứu giao thông vẫn có thể làm nảy sinh câu hỏi về thời gian lưu trữ hình ảnh, người được quyền truy cập và những mục đích có thể phát sinh sau đó. Lợi ích về quản lý hoặc an toàn không tự động loại bỏ tác động của việc bị theo dõi liên tục. [1]
Rủi ro không chỉ nằm ở việc có nhận diện khuôn mặt hay không. Những hệ thống quan sát quy mô lớn có thể làm suy giảm cảm giác tự do cá nhân và tạo cơ hội cho việc sử dụng dữ liệu sai mục đích. Vì vậy, trước khi thu thập hình ảnh, thành phố cần xác định vấn đề cụ thể phải giải quyết và mức độ chi tiết thực sự cần thiết cho vấn đề ấy. [1]
Công bằng cũng phụ thuộc vào cách AI được huấn luyện. Nếu hình ảnh và tiêu chí đánh giá chủ yếu phản ánh một nhóm dân cư hoặc một kiểu khu phố, mô hình có thể hoạt động khác nhau giữa các nhóm. Khi đó, dữ liệu tạo ra dễ lặp lại những định kiến có sẵn thay vì phản ánh đầy đủ thực tế. AI không tự nhiên trung lập; lựa chọn của con người quyết định nó được dạy nhìn điều gì. [1]
Ai giữ quyền quyết định cuối cùng?
AI có thể phát hiện nơi đông người, nhưng không tự biết vì sao nơi đó đông. Đó có thể là chợ, điểm trung chuyển, nơi làm việc hoặc một địa điểm mà cư dân buộc phải đi qua. Nếu chỉ tối ưu những gì dễ đếm, thành phố có thể trở nên hiệu quả trên màn hình nhưng lại bỏ sót hoàn cảnh xã hội phía sau con số. [1]
Vai trò của con người vì thế bắt đầu trước bước kiểm tra kết quả. Nhà quản lý cần quyết định câu hỏi nào đáng hỏi, dữ liệu nào được phép thu thập, nhóm nào có thể chịu ảnh hưởng bất lợi và một kết quả có đủ cơ sở để tác động đến khu phố hay chưa. Người dân không nên bị giản lược thành những điểm dữ liệu tách khỏi bối cảnh sống của họ. [1]
AI đô thị đáng chú ý nhất khi được xem như một lớp quan sát mới trong lịch sử bản đồ, nhiếp ảnh và nghiên cứu không gian công cộng. Nó có thể làm lộ quy luật mà mắt người bỏ sót, nhưng cũng có thể khuếch đại sai lệch nếu mục tiêu và dữ liệu ban đầu đã lệch. Hiểu thành phố rõ hơn vì thế không đồng nghĩa với đặt thêm thật nhiều camera, mà là biết khi nào dữ liệu cần được đối chiếu với kinh nghiệm sống và phán đoán của con người. [1]