تجربه شهر بوستون از به‌کارگیری هوش مصنوعی برای مدیریت شهری

به گزارش پیوست به نقل از فست کامپنی، فرمان اجرایی اخیر بایدن در کاخ سفید درباره هوش مصنوعی به پرسش‌های مهمی می‌پردازد. با این حال، اگر درست پیاده‌سازی نشود، این خطر وجود دارد که مانع پیشرفت‌ در مشارکت دولت و جامعه شود که هوش مصنوعی مولد نوید آن را می‌دهد.

رویه‌های بوروکراتیک کنونی، که ۱۵۰ سال پیش توسعه یافته‌اند، نیاز به بازسازی (Reform) دارند و هوش مصنوعی مولد فرصتی بی‌همتا برای انجام این کار فراهم می‌کند.

نگرانی در مورد هوش مصنوعی زایا، که در بخش‌های مختلف از فیلمنامه‌نویسی گرفته تا تحصیلات دانشگاهی استفاده می‌شود، قابل درک است. با این حال، بیشتر اوقات، بحث تنها پیرامون این است که چگونه ابزارها ما را مختل می کنند، نه اینکه چگونه امکانات هوش مصنوعی مولد ممکن است سیستم‌هایی را بازسازی کنند که برای مدت طولانی در الگوهای واپس‌گرا و ناکارآمد، سخت و انعطاف‌ناپذیر شده‌اند.

ChatGPT و رقبای آن هنوز بخشی از جنبش بازسازی دولت نیستند، اما باید باشند. بیشتر تلاش‌های اخیر برای بازآفرینی دولت، بر محور ارتقای افراد خوب در سیستم‌های بد متمرکز بوده است، با این امید که این شیوه‌های کاری ناکارآمد فسیل‌شده را از بین ببرد.

سطح تغییرات دگرگون‌کننده، اکنون به رهبران سیاسی دوراندیشی بستگی دارد که مایلند از میان درهم‌پیچیدگی رویه‌های تاریخ‌گذشته، خدمات ناعادلانه، شیوه‌های سلسله مراتبی و جریان‌های سازمانی ایزوله که سد راه پیشرفت در دولت پاسخگو هستند، کار کنند.

چگونه می‌توان هوش مصنوعی زایا را در مدیریت به‌کار گرفت؟

ابزارهای هوش مصنوعی نوین بیش از هر زمانی برای آفرینش یک حکمرانی شهروندمحور که به شکلی گسترده بازسازی شده، امیدبخش هستند. بازسازی و اصلاحاتی که ما پیشنهاد می‌کنیم نیازی به سازماندهی دوباره ادارات شهرداری ندارد. به جای آن، نیازمند بررسی سیستم عامل‌های پایه‌ای دولت و به‌کارگیری هوش مصنوعی مولد در راستای توانمندسازی کارکنان در جستجو میان سازمان‌ها برای راه‌کارها، تجزیه و تحلیل مشکلات، محاسبه ریسک و پاسخگویی در کمترین زمان هستند.

آنچه که پتانسیل هوش مصنوعی زایا را بسیار چشم‌گیر می‌کند، توانایی آن در تغییر بنیادی عملیات‌های دولت است.

بوروکراسی‌ها بر روال‌های تکراری متکی هستند. تشریفات و مقررات دست‌وپاگیر اداری (که از آن با نام نوار قرمز بوروکراسی یاد می‌شود) برای کارمندان و خدمت‌گیرندگان به شکل یکسانی نفس‌گیر است. کارمندانی که امکان بررسی سریع مشکلات یا خطرات را دارند به فرآیندهای تأیید آهسته و کند متوسل می‌شوند. همچنین ماشین بزرگ بوروکراسی، که نمی‌تواند یا نمی‌خواهد ریشه‌ مشکل آتی را شناسایی کند، به جای پیش‌دستی، به واکنش متوسل می شود.

یافتن الگوها در همه چیز از جرائم گرفته تا اتلاف منابع، کلاهبرداری تا سوء استفاده، به ندرت رخ می‌دهد و اغلب به لشکری از بازرسان نیاز دارد. رگولاتورها ماه‌ها طول می‌کشد تا فرم‌های انطباق را بررسی کنند و توانایی پردازش درخواست بر اساس ویژگی‌های متمایزکننده آن را ندارند.

از سویی پژوهشگران میدانی مجهز به هوش مصنوعی می‌توانند به سرعت به اطلاعات مورد نیاز خود دسترسی پیدا کنند تا درباره علت یک مشکل قضاوت کنند یا راه‌کاری برای کمک به سیاست‌گذارانی که به دنبال کمک هستند ارائه دهند. این فناوری‌های جدید به کارکنان این امکان را می‌دهد تا به سرعت حجم عظیمی از داده‌ها را که در حال حاضر در مدیریت شهری هستند بازبینی کنند و الگوها را بیابند، پیش‌بینی کنند و هنجارها را در واکنش به استعلام‌های چارچوب‌بندی شده به خوبی شناسایی کنند.

تجربه شهر بوستون در به‌کارگیری هوش مصنوعی زایا در مدیریت شهری

ما با هم بر پیشرفت نوآوری فناوری در پنج شهر نظارت داشته‌ایم و با مدیران ارشد داده‌ ۲۰ شهرداری دیگر در راستای اهداف یکسان کار کرده‌ایم و پیشرفت‌های ممکن در هوش مصنوعی زایا را دارای بیشترین پتانسیل برای این اهداف می‌دانیم.

به عنوان نمونه، شهرداری بوستون از OpenAI خواست پس از آپلود ۳۱۱ داده، «تحلیل‌های جالبی را پیشنهاد کند» که در پاسخ، دو چیز را پیشنهاد کرد: تجزیه و تحلیل سری‌های زمانی بر اساس زمان موارد، و تحلیل مقایسه ای بر اساس محله. این بدان معناست که مقامات شهری زمان کمتری را صرف بررسی مکانیک محاسباتی یک تحلیل می‌کنند و زمان بیشتری برای بررسی عمیق الگوهای ناهماهنگی در خدمات داشتند. این ابزارها نمودارها، نقشه‌ها و سایر تصویرسازی‌ها را با یک پرامپت ساده ایجاد می کنند. با موانع کمتر برای تجزیه و تحلیل داده‌ها، مقامات شهری می‌توانند فرضیه‌های بیشتری را تدوین کنند و گمانه‌ها را به چالش بکشند که پی‌آمد آن تصمیمات بهتر خواهد بود.

همه مسئولان شهر تجربه مهندسی و توسعه وب مورد نیاز برای اجرای این تست‌ها و کدها را ندارند. اما این آزمایش نشان می‌دهد که سایر کارمندان شهر، بدون هیچ پیش‌زمینه علمی، فنی، مهندسی و ریاضی (STEM)، می‌توانند تنها با کمی آموزش، این ابزارهای هوش مصنوعی زایا را برای تکمیل کار خود به‌کار بگیرند.

برای امکان‌پذیر ساختن این امر، باید به کارکنان خط مقدم خدمات که اغلب قوانین و تشریفات بوروکراسی دستشان را بسته، اختیارات بیشتری اعطا شود. بنابراین، ما رهبران دولت را تشویق می‌کنیم که به کارکنان برای حل مشکلات، شناسایی خطرات و بررسی داده‌ها، آزادی عمل بیشتری دهند. این با مسئولیت پذیری منافات ندارد. در عوض، سرپرستان آن‌ها می‌توانند از همین ابزارهای هوش مصنوعی زایا برای شناسایی الگوها یا موارد پرت استفاده کنند، برای نمونه شناسایی جایی که نژاد و قومیت به شکلی نامناسب در تصمیم‌گیری نقش دارد، یا جایی که اثربخشی برنامه کاهش می‌یابد (و چرایی این مسائل). این ابزارهای جدید سریع‌تر نشان می‌دهند که کدام مداخلات تفاوت معنی‌داری ایجاد می‌کنند، یا دقیقاً کجا یک مانع تاریخی همچنان به جامعه‌ای که قبلا به حاشیه رانده شده است، آسیب می‌زند.

گروه‌های مدنی نیز می‌توانند به روش‌های جدید دولت را پاسخگو کنند. اینجا است که قدرت زبانی مدل‌های زبانی بزرگ (LLM) واقعاً می‌درخشد: کارمندان بخش عمومی و رهبران جامعه به طور یکسان می‌توانند درخواست کنند که ابزارها نقشه‌های فرآیند تصویری ایجاد کنند، فهرست‌های کاری را بر اساس توصیفات یک پروژه بسازند، یا انطباق داشتن پیشرفت را نظارت کنند. تصور کنید افرادی که درک عمیقی از یک شهر دارند – عملیات، محله‌ها، تاریخ و امید به آینده آن – می‌توانند در حالی که مجهز به قدرتمندترین ابزارهای عصر دیجیتال هستند، در جهت اهداف مشترک تلاش کنند. نگهبانان فرآیندهای پر رمز و راز سابق، ابزار محدودکننده خود را از دست خواهند داد، و کارچاق‌کن‌هایی که به بخش‌نامه‌ها، کدها و استانداردهای ایالتی و محلی واقف هستند، دیگر برای سروکله زدن در مورد چیزهایی مانند منطقه‌بندی یا فرآیندهای اخذ مجوز، مورد نیاز نخواهند بود.

چالش‌های به‌کارگیری هوش مصنوعی زایا در حکمرانی

در نهایت چالش های پرشماری باقی خواهد ماند. نیروهای کار عمومی همچنان به مهارت‌های تجزیه و تحلیل داده‌ای بهتری نیاز دارند تا تأیید کنند که یک ابزار مراحل درست را دنبال می‌کند و اطلاعات صحیح را تولید می‌کند. مقامات شهری و ایالتی برای توسعه و بهینه‌سازی ابزارهای لازم به شرکای فناوری در بخش خصوصی نیاز دارند و این روابط پرسش‌های چالش برانگیزی در مورد حریم خصوصی، امنیت و سوگیری الگوریتمی ایجاد می کند.

با این حال، بر خلاف بازسازی و اصلاحات قبلی دولت که صرفاً به مسئله فرآیندهای بی‌برنامه و قدیمی دولت تلنگری زد، به‌کارگیری هوش مصنوعی مولد، اگر به طور گسترده، درست و منصفانه در سازوکارها گنجانده شود، تغییرات جامع مورد نیاز برای بازگرداندن شهروندان به کانون تصمیم‌گیری‌های محلی را ایجاد خواهد کرد و اعتماد به عملکردهای اجرایی مقامات را ترمیم خواهد کرد.

درباره نویسندگان

سانتیاگو گارسس (Santiago Garces)، مدیر ارشد اطلاعات شهر بوستون است که بر دپارتمان نوآوری و فناوری و تیمی متشکل از ۱۵۰ کارمند نظارت دارد.

استفان گلداسمیت (Stephen Goldsmith) استاد سیاست شهری در آموزشگاه Harvard Kennedy و مدیر دانشکده برنامه راه‌کارهای شهرهای هوشمند داده‌محور، واقع در کانون بلومبرگ برای شهرها در دانشگاه هاروارد است. او همچنین شهردار سابق ایندیاناپولیس و معاون شهردار نیویورک سیتی است.