AI-baseret zoning stillet som svaret for smarte og 'retfærdige' byer

Skaber: Jun Peng, NBBJ
Del denne historie!
Technocrat Smart City-arkitekter henvender sig til AI og systemteori for at automatisere ejendomszonering. Dr. Parag Khanna havde ret, da han sagde 'globalisering er systemet'. ⁃ TN Editor

Soneringskoder er et århundrede gamle, og livsnerven i alle større amerikanske byer (undtagen uden tvivl Houston), hvor man bestemmer, hvad der kan bygges, hvor og hvilke aktiviteter der kan finde sted i et kvarter. Efterhånden som deres kompleksitet er steget, undersøger akademikere i stigende grad, om deres regelbaserede systemer til rationalisering af byrummet kan erstattes med dynamiske systemer baseret på blockchains, maskinlæringsalgoritmer og rumlige data, der potentielt revolutionerer byplanlægning og -udvikling for det næste hundrede flere år.

Disse fremtidsvisioner blev inspireret af mine nylige chats med Kent Larson og John Clippinger, en dynamisk bytænkende duo, der har gjort forbedring af byer og bystyre til deres nuværende karrierefokus. Larson er en hovedforsker ved MIT Media Lab, hvor han leder City Science Group, og Clippinger tidligere var forsker ved Human Dynamics Group på MIT Media Lab og er nu en medstifter af Swytch.io som er ved at udvikle et utility token kaldet Swytch.

En af de hårdeste udfordringer, som store amerikanske byer står overfor, er prisen på boliger, som har skyrocketet de sidste par årtier, der lægger utrolig stor belastning på budgettet for unge og gamle, enlige og familier. Gennemsnittet 1-værelses lejlighed er $ 3,400 i San Franciscoog $ 3,350 i New York City, hvilket gør disse mekkaer af innovation i stigende grad utilgængeligt for selv godt finansierede opstartstiftere, så meget mindre kunstnere eller undervisere.

Boliger er dog ikke nok til at mætte den moderne vidensøkonomearbejder. Der er en forventning om, at ethvert kvarter vil have en vasketøjsliste med bekvemmeligheder, fra pæne og billige restauranter, åbne rum og kulturelle institutioner til kritiske menneskelige tjenester som købmandsforretninger, renserier og hårsaloner.

I dag ville et reguleringsbestyr blot prøve at kræve, at forskellige udviklinger inkluderer de nødvendige faciliteter som en del af tilladelsesprocessen, hvilket fører til mad ørkener og de nysgerrige sjældenhed i nogle byområder. I Larson og Clippingers verden ville regler-baserede modeller imidlertid blive smidt ud for "dynamiske, selvregulerende systemer" baseret på det, der agnostisk kan kaldes tokens.

Hvert kvarter består af forskellige typer mennesker med forskellige livsmål. Larson forklarede, at "Vi kan modellere disse forskellige scenarier om, hvem vi ønsker at arbejde her, og hvad slags faciliteter vi ønsker, så kan det afgrænses matematisk som algoritmer, og incitamenterne kan være dynamiske baseret på real-time datafeeds."

Ideen er først at tage datasæt som mobilitetstider, enhedsøkonomi, scores for faciliteter og sundhedsresultater blandt mange andre og tilføje det til en maskinlæringsmodel, der prøver at maksimere den lokale beboers lykke. Tokens ville derefter være en valuta til at give signaler til markedet for, hvad ting der skal føjes til samfundet eller fjernes for at forbedre lykke.

En luksuslejlighedsudvikler skal muligvis betale tokener, især hvis bygningen ikke tilbyder kritiske faciliteter, mens en anden udvikler, der konverterer deres ejendom til åben plads, muligvis vil blive fuldstændigt subsidieret af tokens, der tidligere var blevet betalt til systemet. ”Du behøver ikke at kollapse signalerne i en enkelt prismekanisme,” sagde Clippinger. I stedet for ved "feedback-løkker, ved du, at der er dynamiske intervaller, du prøver at beholde."

Sammenlign den systembaserede tilgang med den kompleksitet, vi har i dag ...

Læs hele historien her ...

Tilmeld
Underretning af
gæst

0 Kommentarer
Inline feedbacks
Se alle kommentarer