A Technocrat Smart City építészei az AI és a rendszerelmélet felé fordulnak az ingatlanok övezeteinek automatizálása érdekében. Dr. Parag Khannának igaza volt, amikor azt mondta:a globalizáció a rendszer". ⁃ TN szerkesztő
A zónás kódok évszázadok óta vannak, és az Egyesült Államok összes nagyobb városának életévé (vitathatóan Houston kivételével), meghatározva, hogy mit lehet felépíteni, és milyen tevékenységekre lehet sor kerülni a környéken. Mégis, mivel összetettségük megnövekedett, a tudósok egyre inkább azt vizsgálják, hogy a városi tér ésszerűsítésére szolgáló szabályalapú rendszereik helyettesíthetők-e a blokkláncokon, gépi tanulási algoritmusokon és térbeli adatokon alapuló dinamikus rendszerekkel, potenciálisan forradalmasítva a következő száz város várostervezését és fejlesztését. évek.
Ezeket a jövőképeket a Kent Larsonnal és John Clippingerrel, egy dinamikus városi gondolkodású duóval, a közelmúltban folytatott beszélgetéseim ihlette, akik a városfejlesztést és a városi kormányzást a karrierjük középpontjába helyezték. Larson egy az MIT Media Lab fő kutatója, ahol a City Science Groupot irányítja, és Clippinger korábban a Humán Dinamika Csoport a MIT Media Lab-ban, és most a Swytch.io amely egy Swytch nevű segédprogram tokent fejleszt.
Az egyik legnagyobb kihívás, amelyet az Egyesült Államok nagyvárosai szembenéznek, a ház ára, amely az utóbbi évtizedekben gyors növekedést mutatott, hihetetlen terhet ró a fiatalok és az időskorúak, az egyedülállók és a családok számára egyaránt. Az átlagos egy hálószobás apartman ára 3,400, San Franciscoés 3,350 dollár New Yorkban, ezeket az innovációs meccákat egyre jobban elérhetővé téve a jól finanszírozott startup alapítók számára, nem beszélve művészekről vagy oktatókról.
A lakás azonban nem elegendő a modern tudásalapú gazdaságban dolgozó munkavállalók kielégítéséhez. Várható, hogy minden környéken mosási lista áll rendelkezésre a kényelmi szolgáltatásokról, kezdve a szép és olcsó éttermektől, a nyílt terektől és a kulturális intézményektől egészen a kritikus emberi szolgáltatásokig, például az élelmiszerboltokig, vegytisztítókig és fodrászokig.
Manapság egy övezeti tanács egyszerűen csak megkísérelné megkövetelni, hogy a különféle fejlesztések tartalmazzák az engedélyezési folyamat részeként a szükséges kényelmi eszközöket, ami a következőkhöz vezet: élelmiszer-sivatagok és kíváncsi néhány városi környéken lélektelenség. Larson és Clippinger világában azonban a szabályalapú modelleket kihagynák a „dinamikus, önszabályozó rendszerek” számára, amelyek azon alapulnak, amelyet agnosztikusan tokeneknek lehetne hívni.
Minden szomszédság különféle típusú emberekből áll, különböző életcéllal. Larson kifejtette, hogy "modellezhetjük ezeket a különböző forgatókönyveket arról, hogy kik akarunk itt dolgozni, és milyen szolgáltatásokat szeretnénk, akkor ezeket matematikailag algoritmusként lehet meghatározni, és az ösztönzők dinamikusak lehetnek a valós idejű adattáblázatok alapján".
Az ötlet az, hogy először az adatkészleteket, például a mobilitási időket, az egységgazdaságosságot, a kényelmi pontszámokat és az egészségügyi eredményeket veszik, többek között, és ezeket beillesztik egy gépi tanulási modellbe, amely megpróbálja maximalizálni a helyi lakosok boldogságát. A zsetonok így pénznemet jelentenek a piac számára arról, hogy mit kell hozzáadni a közösségnek vagy eltávolítani a boldogság javítása érdekében.
Lehet, hogy egy luxuslakás-fejlesztőnek zsetonokat kell fizetnie, különösen akkor, ha az épület nem kínál semmiféle kritikus kényelmet, míg egy másik fejlesztő, aki az ingatlanát nyílt területre alakítja, valószínűleg teljes mértékben támogatja azokat a zsetonokat, amelyeket korábban a rendszerbe fizetett be. "Nem kell a jeleket egyetlen ármechanizmusba összecsukni" - mondta Clippinger. Ehelyett a „visszacsatolási ciklusok segítségével tudja, hogy vannak olyan dinamikus tartományok, amelyeket meg akar tartani.”
Hasonlítsa össze a rendszeralapú megközelítést a mai összetettséggel
