Pazzi per ChatGPT? Alcune città lo stanno provando
È difficile prevedere se ChatGPT sarà all'altezza delle aspettative. La prima tecnologia del genere sostenuta da Microsoft ha debuttato nel novembre 2022, seguita pochi mesi dopo dalla versione di Google chiamata Bard. Come ogni altra innovazione potenzialmente dirompente, è stata accolta con un misto di entusiasmo e scetticismo, ma rapidamente e indiscutibilmente è diventata un tema caldo e ha innescato conversazioni sulla Intelligenza artificiale e il suo impatto sulla società e sulle imprese.
Quali vantaggi può portare ChatGPT alle città e alle amministrazioni locali? L'amministrazione e la finanza potrebbero essere i primi dipartimenti a trarne vantaggio. In Vietnam, il Dipartimento di Informazione e Comunicazione di HMC City sta incoraggiando ricercatori e scienziati in applicare ChatGPT al sistema di gestione governativa per snellire i flussi di lavoro e rendere più efficienti le procedure, riconoscendo anche che potrebbe contribuire alla progettazione di nuovi servizi per servire meglio le persone e le imprese. Negli Stati Uniti, un nuovo strumento basato su ChatGPT per la stesura del bilancio comunale deve appena completato il beta testing, per cui il progetto è pronto per le città che cercano supporto per produrre i libri di bilancio, completi di cifre e testi narrativi sulla spesa.
Ma alcune città stanno facendo dei passi avanti nelle applicazioni di ChatGPT. Come riportato da Cities Today, Singapore sta usando modelli linguistici di intelligenza artificiale, come quelli che sono alla base di ChatGPT, per supportare i dipendenti pubblici nei compiti ordinari come la stesura di documenti di policy, la sintesi di notizie, la risposta alle domande dei cittadini o la gestione di lunghi documenti. Lo strumento è stato sviluppato da Open Government Products, il team interno di Singapore che si occupa di modellare la tecnologia per risolvere le sfide del settore pubblico, e si è dimostrato efficace nell'accelerare i processi di ricerca e scrittura, garantendo al contempo coerenza e qualità dei risultati.
La prima utility che utilizza globalmente ChatGPT è la Autorità per l'energia elettrica e l'acqua di Dubai, che ha annunciato una nuova applicazione per migliorare l'assistenza ai clienti. Sfrutta la capacità di ChatGPT di interagire con gli utenti attraverso il linguaggio naturale per dialogare meglio con loro, fornendo risposte rapide e affidabili alle loro richieste. La tecnologia è in fase di sperimentazione anche per scrivere codice di programmazione e risolvere problemi di codifica.
Naturalmente, ChatGPT non è esente da critiche e il suo utilizzo da parte degli enti pubblici ha sollevato l'attenzione sui possibili rischi legati alla privacy e alla protezione dei dati, alla sicurezza informatica e ad altri potenziali abusi. Le opportunità per le aziende tecnologiche sono abbastanza chiare - e la corsa alle BigTech potrebbe presto essere ostacolata dai giganti cinesi: Pechino sostiene le imprese chiave negli investimenti in un framework open-source per sfidare ChatGPT e sviluppare una piattaforma concorrente.
L'intelligenza artificiale per combattere l'inquinamento atmosferico in India
L'intelligenza artificiale (AI) sta avendo effetti dirompenti in molte industrie e aree della vita, ed è sempre più utilizzata dalle Smart City per affrontare problemi urgenti come l' inquinamento dell'aria.
Secondo gli analisti di Greenpeace, 22 delle 30 città più inquinate del mondo sono in India, dove ogni inverno più di 140 milioni di persone sono esposte a un grave livello di inquinamento atmosferico. Nella capitale Delhi, l'inquinamento da PM2,5 ha causato circa 54.000 morti nel 2020.
Una ricerca indipendente ha stimato che l'India avrebbe bisogno di almeno 4000 stazioni di controllo per monitorare la qualità dell'aria - ma oggi ci sono solo 160 stazioni attive nel paese, una rete assolutamente inadeguata per raccogliere dati affidabili e significativi con cui supportare qualsiasi valutazione o processo decisionale.
Qui è dove soluzioni l'AI entra in gioco. Un dettagliato monitoraggio della qualità dell'aria dovrebbe combinare diverse fonti di informazione, compresi i dati generati dalle stazioni di controllo dell'aria, i dati meteorologici e satellitari, ma anche le attività umane come la mobilità e il traffico, gli insediamenti industriali, la gestione e la combustione dei rifiuti. L'AI può essere sfruttata per correlare tutti questi fattori e fornire una migliore interpolazione geospaziale dei dati sull'inquinamento atmosferico, quindi formulare delle previsioni accurate grazie alla comprensione più precisa delle fonti di inquinamento e delle tendenze evolutive.
Anche i cittadini possono offrire un prezioso contributo. In India, l' UNDP Accelerator Lab ha sviluppato una piattaforma digitale GeoAI in collaborazione con l'Università di Nottingham per trovare gli hotspot dell'inquinamento atmosferico utilizzando immagini satellitari e algoritmi AI di rilevamento degli oggetti. Questi algoritmi sono stati addestrati da un grande gruppo di cittadini, che si sono offerti volontari in tutto il mondo. In particolare, il loro obiettivo era quello di rilevare le fornaci di mattoni che sono noti hotspot di lavoro irregolare e inquinamento atmosferico. Applicando gli algoritmi AI ai dati inseriti dai cittadini, più di 47.000 fornaci di mattoni nelle pianure indo-gangetiche dell'India sono state rilevate e censite nella piattaforma GeoAI, che utilizza un approccio innovativo e un mix di tecnologie per determinare le posizioni esatte delle fornaci attraverso immagini satellitari e la loro conformità alle politiche e alle leggi ambientali esistenti.
Con la facilitazione attiva e la formazione, i volontari hanno classificato più di 2.500 forni in una settimana: tale intelligenza alimentata sia dai cittadini che dall'AI è preziosa per i regolatori ambientali per avviare azioni contro i forni non conformi, facilitando l'intervento mirato per combattere gli hotspot dell'inquinamento atmosferico.
L'inquinamento atmosferico in India, così come in altri paesi del mondo, rappresenta un grave problema di salute e diminuisce la qualità della vita. L'AI può contribuire a intraprendere azioni di mitigazione fornendo dati sulla qualità dell'aria specifici del luogo e intuizioni utili alle autorità, alle industrie, alle imprese e ai cittadini.
Autore: Paolo Veronesi, software engineer di Paradox Engineering
In un mondo sempre più complesso e interconnesso, il Machine Learning sta dimostrando di essere molto vantaggioso per le Smart City e qualsiasi applicazione IoT dove grandi volumi di dati grandi devono essere elaborati, correlati e gestiti.
In Paradox Engineering stiamo sperimentando le reti neurali in casi d'uso specifici come la raccolta dei rifiuti solidi urbani oppure il monitoraggio del paziente in ospedale e nelle cliniche, due applicazioni che richiedono capacità computazionali medio-alte. Le reti neurali sono generalmente impiegate dove è possibile sfruttare grandi risorse di calcolo (come workstation o server), ma ora stiamo esplorando come utilizzare queste tecnologie in una situazione diametralmente opposta - ovvero con risorse estremamente limitate (come poche centinaia di KB di ram, e processori standard a 32 bit con meno di cento MHz).
Sfruttare le reti neurali sui dispositivi IoT embedded è una applicazione emergente. Il nostro obiettivo è quello di elaborare i dati localmente, sul dispositivo embedded, senza inviare informazioni in rete: questo permette ai dispositivi di funzionare correttamente anche in caso di guasti di rete, migliora la scalabilità del sistema e la sua sicurezza complessiva, in quanto i dati sensibili vengono elaborati a livello locale.
Il caso d'uso su cui ci stiamo concentrando è lo Smart Lighting. In una tipica installazione urbana all'aperto, i lampioni sono collegati a una rete mesh e gestiti da gateway, che operano come router, coordinatori di rete e concentratori di dati. Il software di gestione centrale permette la gestione e il controllo remoto della rete, così come dei dispositivi singoli o raggruppati.
Ci si aspetta che i lampioni funzionino senza problemi anche quando la connettività al gateway più vicino o al CMS non è disponibile. Per permettere questo, i dispositivi sono configurati per eseguire le loro routine in base alla data e all'ora correnti, supponendo sia il gateway a fornire queste informazioni. Questo è vitale per i lampioni per ricavare le effemeridi e calcolare l'alba e il tramonto quotidiani - in base a questi dati, le lampade possono accendersi, spegnersi e regolare l'intensità rispettando gli orari programmati.
Cosa succede se un nodo è isolato e non può connettersi a un gateway, per esempio a causa di condizioni ambientali avverse o della topologia della rete? O se il gateway non è affatto installato? In questi casi, il dispositivo dovrebbe trovare un nuovo modo per calcolare l'ora corrente. Abbiamo deciso di sfruttare l'analisi dei dati e le capacità di Machine Learning per permettere ai lampioni di derivare l'ora esatta del giorno dai dati raccolti da sensori ambientali integrati.
Stimare l'orario da parametri come la luminosità, la temperatura o la pressione non è un compito semplice. Le condizioni ambientali variano molto di giorno in giorno, di stagione in stagione, con un livello di complessità che non sarebbe possibile risolvere con un approccio di programmazione tradizionale.
Le reti neurali possono gestire in modo efficiente le serie temporali e, se addestrate con un'adeguata quantità e varietà di dati, possono fornire una risposta accurata alla nostra domanda. Nel nostro esperimento, abbiamo addestrato il sistema usando dati generati da un insieme di sensori ambientali nel corso di un anno.
I risultati sono molto promettenti: i lampioni isolati sono stati in grado di elaborare i dati localmente e stimare il giusto orario con una precisione media di circa 16 minuti - ed eseguire perfettamente i loro programmi. Senza il Machine Learning, questa continuità operativa non sarebbe stata possibile.
Scoprite di più sui nostri Smart Lighting , scaricate il nostro ultimo white paper (registrazione gratuita richiesta), e contattate i nostri esperti di Machine Learning!
15 Luglio 2021