Inteligența artificială (AI) influențează aproape fiecare domeniu al vieții moderne, de la divertisment, comerț și asistență medicală până la operațiunile interne ale proceselor organizațiilor. Netflix știe ce filme și seriale doresc oamenii să vizioneze, Amazon știe când și unde le place oamenilor să facă cumpărături, iar Google știe ce caută utilizatorii. Toate aceste informații pot fi utilizate pentru a crea profiluri personale foarte cuprinzătoare, care pot fi utile nu doar pentru analiza comportamentală și țintire, ci și pentru prognoza tendințelor economice, schimbările politice și pentru înțelegerea atitudinii oamenilor față de diferite subiecte.
Există multe speranțe că AI ar putea duce la descoperiri semnificative în toate aspectele vieții. Poate ajuta la organizarea proceselor interne ale instituțiilor administrației publice, precum și la dezvoltarea și/sau transformarea urbană. Considerăm ambele direcții la fel de importante pentru cetățeni și ne-am propus să oferim o listă de beneficii politice, economice și administrative în utilizarea aplicațiilor AI în organizațiile publice (la nivel local, regional sau național). Am inclus și câteva considerații etice cu privire la utilizarea IA și impactul potențial al acesteia asupra pieței muncii actuale.
Potențialul AI de a îmbunătăți orice proces
Pentru mulți savanți, gândirea modernă despre sistemele inteligente a început când Alan Turing a scris faimosul său articol intitulat „Computing Machinery and Intelligence” [1]. De atunci, calculul s-a îmbunătățit într-o asemenea măsură încât astăzi avem dificultăți în a semnala evenimente live care nu sunt cumva asistate de mașini. Concepte precum Machine Learning (ML), Natural Language Processing (NLP) și Robotica nu mai sunt legate de limitele lumii științifice. Cei patru mari – Amazon, Apple, Facebook și Google folosesc AI în majoritatea operațiunilor lor; alți operatori de afaceri, care nu au legătură directă cu piața tehnologică, folosesc deja în mare măsură IA pentru a-și netezi ciclurile de producție sau pentru a câștiga mai multă eficiență în procesele lor de management [2, 3].
Recent, guvernele și alte organizații din sectorul public au devenit cunoștințe de inteligență artificială: pot folosi software-ul Robotic Process Automation pentru a gestiona sarcini repetitive, a reduce erorile umane și a îmbunătăți conformitatea [4]. Viziunea computerizată și video-ul sunt folosite din ce în ce mai mult pentru a identifica comportamentele greșite și pentru a supraveghea traficul [5]. Senzorii și dispozitivele Internet of Things (IoT) sunt amplasate în toate orașele pentru a colecta date [6]. În spatele acestor operațiuni, software-ul AI se află instrumentul utilizat.
Cererea de servicii publice este în continuă creștere, iar orașele se confruntă cu deficit de forță de muncă [7]. Organizațiile publice se luptă să răspundă așteptărilor crescânde ale clienților lor cu promptitudine și eficiență, la fel cum fac Amazon, Apple sau alte companii cu secțiuni de cercetare și dezvoltare incredibile implicate în inovații tehnice. Progresele în tehnologie fără fir și smartphone-uri au deschis ușa către servicii la cerere prin diferite aplicații și platforme, precum și către un nou tip de livrare prin interacțiuni la distanță, accesibile oriunde și în orice moment [8, 9]. Astfel de servicii sunt utile, deoarece reduc cheltuielile și evită cheltuielile inutile.
Valoarea instrumentelor bazate pe inteligență artificială în orașele inteligente și tehnologia guvernelor este recunoscută de întregul ecosistem. Se crede că AI are potențialul de a îmbunătăți orice proces în operațiunile interne și furnizarea de servicii [10], în timp ce reducerile de costuri asociate aplicațiilor AI pentru sectorul public pot fi un motiv major pentru implementarea acestuia. Trecerea de la o abordare reactivă la una proactivă a furnizării de servicii publice este în curs.
Instrumente de inteligență artificială
Ultimul deceniu a fost martorul mai multor progrese tehnice în domeniile AI și știința datelor. Chiar dacă cercetarea AI pentru numeroase aplicații are o tradiție destul de îndelungată, valul actual de hype AI este diferit de oricare altul. Dezvoltarea rapidă a instrumentelor și tehnologiilor AI (aplicabile organizațiilor din sectorul public, orașelor și guvernelor în totalitate) a fost permisă de o combinație perfectă de putere îmbunătățită de procesare a computerului, bănci de date mai mari de colectare a datelor și un bazin vast de abilități AI. Acest lucru are ca rezultat o schimbare semnificativă în ceea ce privește acceptarea și influența tehnologiei AI asupra societății.
Multe tehnologii bazate pe date și calcule au crescut într-un ritm exponențial. Regula lui Moore [11], care explică dezvoltarea exponențială a performanței procesoarelor de calculator, este cel mai cunoscut exemplu. Multe aplicații orientate către consumatori au înregistrat o creștere rapidă similară prin furnizarea de servicii cu costuri reduse. Digitalizarea datelor publice ar putea duce la un model de dezvoltare similar în organizațiile publice, orașe și guverne, deoarece calcularea acestor date devine mai puțin costisitoare și platformele electronice de colectare a datelor devin mai comune. Chiar dacă aceste segmente ale vieții publice par minore la început, dezvoltarea exponențială va prelua în cele din urmă controlul. Oamenii au tendința de a exagera influența tehnologiei pe termen scurt (de exemplu, un an) în timp ce o subestimează pe termen lung (de exemplu, zece ani) [12].
IBM Watson [13] și Google’s Deep Mind [14] sunt două companii care sunt lideri în acest domeniu. Ei au demonstrat că AI poate depăși oamenii într-o varietate de locuri de muncă și activități, cum ar fi șahul, Go și alte jocuri. Multe aplicații pentru orașe inteligente ar putea folosi IBM Watson și Deep Mind de la Google.
Cercetătorii au identificat până acum trei domenii principale ale IA [15]:
• Învățare automată (ML). Acest domeniu se ocupă de programe de calculator care încearcă să învețe din experiență pentru a prezice, modela sau încerca să înțeleagă date. Unele dintre cele mai importante tehnici de ML sunt: Învățare nesupravegheată – când computerele învață de la sine având acces la date, Învățare supravegheată – când oamenii predau computerele astfel încât să învețe mai repede și Învățare prin întărire – când computerele efectuează sarcini care schimbă structura naturii /reality și primesc un fel de recompense/penalități după ce rezultatul este măsurat.
• Procesarea limbajului natural (NLP). Acea parte a inteligenței artificiale se concentrează pe ce pot computerele să înțeleagă și să genereze limbaje naturale nerestricționate cu flexibilitate și fluență.
• Robotică și automatizare robotică/inteligentă a proceselor (RPA). RPA cu subcâmpul de extensie Intelligent Process Automation (IPA) este folosit pentru a automatiza sarcini repetitive, atât în back office, cât și în front office, care necesită intervenție umană. „Inteligența” în acest sens înseamnă că computerele nu doar automatizează sarcini, ci și înțeleg conținutul, astfel încât să ajusteze acțiunile în funcție de acesta.

Se presupune pe scară largă că AI ajută și îmbunătățește munca umană, mai degrabă decât să o înlocuiască complet [17]. AI este pregătită să asiste funcționarii publici cu o gamă largă de sarcini, cum ar fi sarcinile administrative, documentație juridică și funcții de „comparare și conformare”. Unele dintre beneficiile potențiale ale utilizării AI în organizațiile publice și orașe pot fi: politice (aplicațiile pot ajuta la creșterea responsabilității și a nivelului de încredere pe care cetățenii îl manifestă în raport cu autoritățile publice); economice (aplicațiile pot ajuta la eficientizarea task-urilor redundante și pot identifica cea mai eficientă modalitate de rezolvare a problemelor de rutină, reducând astfel povara asupra bugetelor publice și limitând risipa); administrativ (AI poate, de fapt, să rezolve unele dintre dificultățile ridicate de provocările adaptive: necesită o atenție imensă și timp dedicat înțelegerii problemelor, astfel încât sarcinile de rutină pot fi îndeplinite cu ușurință de aplicațiile AI pentru a ușura munca funcționarilor publici).
În următoarele subsecțiuni voi indica unele dintre utilizările pe care le-ar putea avea aplicațiile AI, luând în considerare toate cele trei categorii menționate mai sus.
Inteligența artificială în organizațiile publice
Petițiile
Strâns legat de libertatea de exprimare și de gândire, precum și de conceptul de responsabilitate politică, dreptul la petiție se află în centrul democrațiilor locale [18, 19]. În timp ce municipalitățile se străduiesc să devină mai participative și mai deschise față de cetățenii lor, ele creează facilități pentru a interacționa prin internet.
E-petitioning, de exemplu, este unul dintre acele instrumente ușor de manevrat utilizate în prezent în întreaga lume, atât în administrațiile locale, cât și în cele centrale. Este adevărat că, în zilele noastre, multe organizații publice folosesc rețelele de socializare pentru a interacționa cu comunitățile lor și multe reclamații, comentarii sau sugestii sunt adresate de cetățeni sau persoane juridice prin Twitter, Facebook și altele. AI poate ajuta și în aceste cazuri, oferind răspunsuri scurte sau determinând autoritatea să răspundă. Totuși, în majoritatea cazurilor, discuțiile prin intermediul rețelelor de socializare nu au consecințe juridice în multe instanțe administrative (de exemplu, dacă un cetățean depune o plângere, aceasta nu este văzută ca una oficială, cum este cazul petițiilor). Din acest motiv consider că petiția oficială este o soluție de rezolvare a problemelor AI [20, 21, 22].
Astăzi, cetățenii se așteaptă ca autoritățile lor publice să fie prompte, bazate pe excelență și eficiente; și, pe măsură ce nivelul de încredere în guverne și în serviciile acestora continuă să scadă în întreaga lume [23], se solicită cu voce tare o infrastructură mai bună, servicii mai calitative și o conducere adaptivă. Odată cu nevoile multor în creștere, bugetele publice se confruntă cu constrângeri serioase: literatura privind managementul public sugerează, de fapt, că întârzierile îndelungate în prezentarea soluțiilor eficiente, personalul slab calificat și capacitățile administrative slabe, în general, ar putea netezi calea aplicațiilor AI în generarea și susținerea bunei guvernări.
În cazul specific al e-petiției, AI poate consilia triajul, poate oferi răspunsuri sistematice și automate la unele întrebări și poate decide ce petiții necesită analize suplimentare de la un departament specializat. De asemenea, ar putea ajuta la luarea deciziilor prin furnizarea, la cerere, de dovezi pentru un răspuns mai cuprinzător, în conformitate cu reglementările naționale sau internaționale existente [24, 25] [26]. AI poate filtra petițiile pentru a le verifica eligibilitatea (de exemplu, dacă au fost formulate în mod adecvat și adresate autorității potrivite), pentru a compara subiecte sau frecvențe și pentru a măsura eficiența organizațională. În îndeplinirea acestor sarcini, AI economisește într-adevăr timp, energie și resurse. Poate folosi funcțiile de „comparare și conformare” pentru a ușura navigarea printre reglementări care ar putea fi importante pentru furnizarea unui răspuns oficial care este corect și complet [27, 28] și, în acest sens, va limita sarcinile redundante și pierderea de timp. AI poate identifica urgențe în textele petițiilor (prin analiza sentimentelor) și, în consecință, poate declanșa reacții mai rapide și poate crește nivelul de încredere în autoritățile publice [29]. Învățarea și raționamentul sunt, de asemenea, lucruri importante care trebuie luate în considerare aici [30].
Reînnoirea actelor de identitate
Cumpărarea biletelor, online, la spectacolul artistului tău preferat, nu ar trebui să dureze, de obicei, mai mult de trei minute, luând în considerare și timpul petrecut pentru a decide pe ce loc vrei să stai cu adevărat. Programarea online la medic ar trebui să fie posibilă în mai puțin de cinci minute (având în vedere că va trebui să introduceți mai multe informații despre istoricul dumneavoastră medical și să decideți ce zi și ce interval orar se potrivește mai bine cu agenda dumneavoastră). Cumpărarea alimentelor online ți-ar lua, de asemenea, nu mai mult de 15 minute, dacă nu există o listă anterioară de produse alimentare în aplicație și îți faci timp să răsfoiești diferite produse pentru a decide ce preț/calitate favorizează gusturile tale.
Nu este de mirare că oamenii se așteaptă ca un document de o pagină, care să indice identitatea dvs., să fie ușor (sub cinci minute) de preluat de pe un portal oficial guvernamental. Cu toate acestea, pentru a vă reînnoi actele de identitate în multe dintre statele europene, încă durează în medie 10 zile și, de obicei, implică o interacțiune față în față cu cel puțin un funcționar public. Acest lucru se poate datora faptului că nu există soluții electronice disponibile sau, dacă există, redundanța afectează serios eficacitatea lor generală. RPA ar putea să evalueze și să reducă astfel de redundanțe, prin analizarea depunerilor, verificarea și certificarea informațiilor personale, aprobarea sau redirecționarea cererilor de revizuire [31]; în general, aceasta ar însemna că ar putea ajuta cu (dar fără a se limita la): cererile de permis de conducere și reînnoiri; cereri și reînnoiri de pașapoarte; cerere de identitate națională și reînnoiri.
Achiziții publice
În aceste vremuri tulburi, când „problemele rele” [32] au nevoie de atenția guvernamentală mai mult ca niciodată, reducerea pierderii de timp și a resurselor alocate sarcinilor de bază, de rutină, devine esențială. Sistemele de achiziții electronice pot primi mult ajutor de la sistemele RPA/IPA. Dacă se aplică, funcționarii publici vor completa doar un formular cu detalii despre produsele/serviciile de care au nevoie, iar sistemul va parcurge următorii pași necesari, se va ocupa de termenele și reglementările existente. În schimb, specialiștii în achiziții se vor putea concentra pe menținerea relațiilor cu furnizorii, să anticipeze intervențiile și să discute alternative strategice.
Reînnoirea permiselor de parcare
Zonele rezidențiale ar putea primi, de asemenea, ajutor de la un sistem RPA. Pentru a-și reînnoi permisul de parcare, cetățenii pot folosi o aplicație dedicată care poate prelungi valabilitatea anuală a documentului lor. Sistemul va căuta modificări ( adresă, numere de plăcuță, tip de mașină) și, dacă este cazul, va formula întrebările necesare, va completa informațiile noi (sau care lipsesc) sau va redirecționa trimiterea către un operator pentru referințe suplimentare.
Generarea rapoartelor
Reducerea birocrației a fost unul dintre principalele obiective ale reformelor publice din ultimele decenii în întreaga lume. Aplicațiile AI pot ajuta la această sarcină, oferind soluții pentru generarea de rapoarte privind bugetele, cheltuielile, operațiunile, solicitările cetățenilor, granturile și alte sarcini specifice. În schimb, acestea pot duce la simplificarea administrativă și la o mai mare responsabilitate din partea sectorului public. Datele pentru aceste rapoarte sunt obținute din sistemele moștenite ale organizațiilor. Funcțiile de recunoaștere optică a caracterelor (OCR) sunt folosite de roboții RPA pentru a citi textul din fotografii și documente, pentru a extrage date importante și pentru a crea rapoarte [33].
„Ofițeri” de recepție
În situații de criză sau pur și simplu zilnic, pentru a ajuta populația vulnerabilă sau generală, roboții hardware, cum ar fi Pepper sau Relay, ar putea fi folosiți de organizațiile publice la nivel local sau național (de exemplu, în primării, oficiile Ombudsmanului etc.) pentru a ajuta cetățenii să identifice birourile potrivite pentru a-și adresa întrebările sau pentru a rezolva cu promptitudine unele dintre nemulțumirile lor. „Ofițerii” de recepție ar putea fi programați să recunoască cetățenii pe baza vederii computerizate (recunoașterea feței) și să adreseze întrebări de filtrare pentru a oferi cele mai bune sfaturi disponibile [34, 35].
Analiza sentimentului public
Într-o cultură încă dependentă de o nouă retorică a managementului public (NPM), axată pe soluții antreprenoriale și instrumente bazate pe piață pentru creșterea eficienței publice, roboții RPA pot fi utilizați pentru a colecta informații de pe platformele de internet cu privire la percepțiile publice asupra diferitelor agenții guvernamentale, servicii, sau oficiali. Boții pot analiza comentariile oamenilor sau evaluările serviciilor și facilităților guvernamentale pentru a studia starea de spirit a publicului și pentru a îmbunătăți serviciile în mod corespunzător [20, 21, 22].
Inteligența artificială în orașe
Gestionarea traficului
Mobilitatea este un aspect foarte important în orice oraș din lume; Odată cu tendința de urbanizare tot mai mare, oamenii au tendința de a-și face agendele astfel încât să evite aglomerația din trafic, transportatorii își îmbie clienții cu reduceri pentru a stimula utilizarea serviciilor în afara orelor de vârf, organizațiile publice își reprogramează o parte din orele cu publicul pentru a răspunde cerințelor acestora, iar producătorii de automobile, precum și alți furnizori de servicii caută soluții pentru a face „așteptarea în trafic” mai plăcută pentru șoferi. [6, 36].
AI poate fi de ajutor: poate colecta date de la diferiți șoferi și poate prezice comportamente, ajustând astfel fluxul de trafic și îmbunătățind mobilitatea generală a tuturor navetiștilor. Se poate argumenta că aplicații precum Waze și/sau Google Maps o fac deja, așa că AI este redundantă în acest caz; nimic mai departe de adevăr. Astfel de aplicații prevăd doar condițiile de trafic pe o perioadă scurtă (sau foarte scurtă) de timp [37, 38]. Cu toate acestea, AI ar putea rula pe platforma Google Maps să colecteze date de trafic pentru un an sau mai mult (de exemplu, pentru a afla despre condițiile de trafic în toate anotimpurile etc.) și să prezică comportamentele șoferilor în diferite contexte, cum ar fi: vremea (de exemplu ce se va întâmpla în cazul unei ploi ușoare sau cum o ninsoare abundentă afectează traficul), ora (de exemplu, în timpul zilei, orele de vârf etc.), vacanțele (de exemplu, în zilele lucrătoare față de weekend), calendarul școlar (de exemplu, activitățile școlare îi determină de obicei pe părinți să-și folosească mașinile personale mai mult decât în weekend) și în consecință, oferă șoferilor rute mai eficiente.
AI poate comunica cu șoferii prin tehnici NLP, ascultându-le vocile [39] și în cele din urmă generând text [33] pe care să-l citească [40] pentru a le oferi mai multe informații cu privire la ruta pe care trebuie să o parcurgă.
Senzorii de trafic fix (camere) pot monitoriza și activitatea rutieră și trimite datele către servere ajustând astfel intrările de pe dispozitivele mobile ale șoferilor și îmbogățind capacitățile sistemului – în situația în care mașinile de utilitate/securitatea/ambulanțele sunt nevoite să intervină, aceste vehicule vor folosi în principal această rețea de senzori/camere pentru a preveni cazurile de hacking, cum ar fi cel înregistrat la Berlin, unde „un artist folosește 99 de telefoane pentru a păcăli Google în alertă de blocaj de trafic” [41].
Următorul pas va fi sincronizarea datelor cu sistemul de semafor și, pe baza dispozitivelor Internet of Thing (IoT), acesta va putea controla schimbarea culorii și va indica șoferilor prin folosirea săgeților diferite rute pentru a evita intersecțiile aglomerate. Sistemul ar trebui să fie capabil să prezică pe baza diferitelor ore, zile sau evenimente care sunt zonele cele mai aglomerate, prin urmare ar putea indica rute optime, estima orare etc. Ar trebui, de asemenea, să poată anticipa coliziunile din cauza traficului/vremii sau alte variabile, evitându-le prin redirecționarea șoferilor prin aplicațiile lor mobile sau prin semnale de semafor.

În unele cazuri, datele trebuie să fie prezentate în rapoarte narative: organizațiile publice, împreună cu părțile interesate implicate, ar trebui să poată face acest lucru prin tehnici NLP [33]. Acest lucru ar putea fi important pentru mass-media, pentru inițiative sau explicații legale (de exemplu, în cazul unei defecțiuni a sistemului) și așa mai departe. Acele aspecte secundare ale implementării AI într-un sistem de management al traficului ar trebui luate de asemenea în considerare.
Managementul parcărilor
AI ar putea ajuta, de asemenea, la cartografierea locurilor de parcare și, prin utilizarea tehnicilor ML cu privire la datele colectate de-a lungul timpului, sistemul va fi mai eficient în utilizarea locurilor de parcare disponibile – aici văzute ca resurse. Sistemul va putea indica șoferilor (și chiar rezerva în numele lor) un slot desemnat în care aceștia își pot parca temporar mașina în apropierea zonei solicitate. Presupunând că toate locurile de parcare sunt într-un fel private – deci, atunci când proprietarul se întoarce acasă, trebuie să-și parcheze mașina pe el, sistemul, pe baza datelor colectate anterior, va prezice și disponibilitatea fiecăruia și va furniza aceste informații către șoferi. Totuși, dacă, din întâmplare, proprietarul are nevoie de locul său mai devreme decât ce arată statisticile, sistemul va contacta șoferul și va oferi o altă opțiune în apropiere.
Principalul beneficiar al acestei implementări va fi, desigur, cetățeanul, individul. El/ea va petrece mai puțin timp în trafic, va reduce consumul de combustibil și va fi mai puțin stresat. Cu toate acestea, organizațiile publice, precum și comunitățile, vor beneficia și ele. Mai puțină poluare și stresul redus au ca rezultat o populație sănătoasă. Mai puține sau deloc aglomerațiile de trafic vor elibera presiunea pusă altfel asupra forțelor de poliție care se ocupă zilnic de problemele de trafic. Probabilitatea unei scăderi a incidentelor / accidentelor auto este de așteptat și, prin aceasta, în mod indirect, trebuie avute în vedere beneficii generale pentru sistemul de sănătate. Un impact asupra afacerii cu asigurări auto este de asemenea previzibil.
Gestionarea deșeurilor
AI poate fi utilă și în serviciile de gestionare a deșeurilor. Coșurile de gunoi echipate cu senzori pot trimite un semnal către compania de colectare a gunoiului atunci când sunt pline 80% [43, 44]. Învățând prin consolidare, sistemul poate optimiza rutele vehiculelor de colectare a gunoiului pentru a colecta eficient deșeurile și a nu permite revărsarea. Bergen, al doilea oraș ca mărime din Norvegia, oferă unul dintre cele mai bune, dacă nu cel mai bun, sisteme de gestionare a deșeurilor, care este capabil să gestioneze deșeurile direct din gospodării, folosind doar fluxul de aer într-un sistem de conducte subterane, fără a necesita containere de deșeuri pe stradă. [45](cu toate acestea, cele fiind încă folosite de pietoni).
Vehicule autonome
Introducerea vehiculelor autonome de nivel 4 [46] în primul rând pe rutele dedicate elevilor care merg la școală (cu microbuze precum Olli, care este echipat cu tehnologii de navigație cu robot [47]) și extinderea acestuia la alte rute de transport public, poate fi, de asemenea, un pas important înainte în asigurarea bunei guvernări a orașelor. Olli este ușor de observat în trafic de către șoferi, își folosește doar rutele dedicate și trimite date către sistemul de comunicare cu dispozitivele mobile ale șoferilor din apropiere. Făcând acest lucru, oferă copiilor o călătorie sigură.
Discuție
„Riscuri” legate de lipsa locurilor de muncă
AI nu este ușor de proiectat și nici de operat. Pentru a funcționa corect, sunt necesare echipe de ingineri și personal dedicat. Operațiunile de întreținere trebuie efectuate în mod regulat atât la nivelul străzii – având grijă de dispozitivele și camerele IoT, precum și la centrul de date al serverelor. Cel mai probabil, organizațiile publice și orașele vor trebui să externalizeze unele procese către companii specializate cu experiență în domenii specifice ale tehnologiei [48]. Cu toate acestea, personalul dedicat trebuie, de asemenea, să fie instruit și utilizat și de guverne [49]. O categorie dedicată de angajați ar trebui să supravegheze sistemul pentru a-l învăța mai bine – de exemplu, în ceea ce privește gestionarea traficului, atunci când este detectată o congestie, generată de o coliziune sau se adaugă informații de la un șantier, trebuie să lase aplicația învață să poți redirecționa traficul prin simpla ajustare a parametrilor. În mod similar, în ceea ce privește gestionarea parcărilor, atunci când observă că anumite zone de parcare (de exemplu, în zonele rezidențiale) devin goale după ce localnicii merg la muncă în timpul dimineții, ei pot învăța sistemul și despre asta. Contribuțiile lor, în ceea ce privește toate acele situații în care învățarea supervizată și activă este la locul lor, sunt valoroase și, pentru a menține sistemul în funcțiune și a se îmbunătăți mereu, o mare parte din această muncă trebuie angajată.
Externalizarea înseamnă aducerea mai multor părți interesate la aceeași masă. Companiile IT vor fi necesare pentru a gestiona nevoile și actualizările software, iar companiile de transport și service pentru întreținerea hardware-ului. Cel mai probabil va fi nevoie de o actualizare a legislației actuale privind circulația rutieră, prin urmare diferite instituții publice trebuie să participe și cu know-how-ul lor.
Lipsa încrederii și preocupările etice
Guvernele trebuie să adopte o strategie de date care să se concentreze pe AI. Entitățile publice trebuie să înțeleagă datele colectate, să extragă valoare din acestea și să ofere valoare cetățenilor [50]. Cu toate acestea, tehnologia nu este perfectă, iar sistemele fac greșeli. Riscul major aici este ca utilizatorii să-și piardă încrederea și să nu mai folosească soluții AI. Acest lucru poate fi depășit prin acceptarea greșelilor făcute și, dacă este necesar, prin plata unor despăgubiri celor afectați.
Alte motive care ar putea împiedica utilizatorii să folosească soluții AI pot viza confidențialitatea: într-un fel sau altul AI identifică utilizatorii, astfel încât, în cazul gestionării traficului, află locația lor GPS. Acest lucru ar putea fi sensibil având în vedere convingerile și ideologiile personale. Pentru a depăși acest lucru, oficialii pot oferi asigurări că datele colectate sunt complet anonimizate și utilizate doar pentru îmbunătățirea traficului.
Învățare pe tot parcursul vieții pentru alfabetizarea în AI
Pentru a aprecia pe deplin beneficiile pe care soluțiile AI le pot aduce vieții noastre de zi cu zi și bunăstării generale a comunităților noastre, ar trebui create oportunități de învățare pe tot parcursul vieții. De creșterea gradului de conștientizare cu privire la ceea ce înseamnă și poate face AI, ar putea beneficia nu numai de membrii tineri ai societăților noastre, ci și cei mai în vârstă. Una dintre principalele provocări cărora trebuie să le facem față este să dobândim cunoștințe despre inteligența artificială cât mai curând posibil.
AI-promises-to-SCReferințe
[1] | A. Turing, “COMPUTING MACHINERY AND INTELLIGENCE,” Mind, pp. 433-460, 1950. |
[2] | S. Galloway, The Four: The Hidden DNA of Amazon, Apple, Facebook, and Google, New York: Portofolio/Penguin, 2017. |
[3] | M. Co., “Global AI Survey: AI proves its worth, but few scale impact,” McKinsey Analytics, 2019. |
[4] | AI Multiple, “Top 7 Uses & Challenges of RPA in the Government in 2022,” 8 9 2021. [Online]. Available: https://research.aimultiple.com/rpa-government/. [Accessed 5 4 2022]. |
[5] | A. Chaudhary, R. Klette, J. L. Raheja and X. Jin, “Introduction to the special issue on computer vision in road safety and intelligent traffic,” EURASIP Journal on Image and Video Processing, vol. 16, 2017. |
[6] | C. Vrabie and E. Dumitrascu, Smart Cities de la idee la implementare, Bucharest: Universul Academic, 2018. |
[7] | V. Vasile, C. Boboc, S. Ghita, I. Bancescu and A. Saseanu, “Labor force shortage analysis in Romania – size, impact and measures,” in Proceedings of the 14th International Conference on Applied Statistics 2020, Bucharest, 2020. |
[8] | BTIC, “Ce este EasyBox? Tutorial despre Easybox,” BTIC, 2021. [Online]. Available: https://www.btic.ro/diverse/easybox/. [Accessed 6 5 2022]. |
[9] | Business Review, “Sameday announces the expansion of the easybox service, by inaugurating the 1000th locker, and aims to double the existing capacity by the beginning of 2022,” BR, 2021. [Online]. Available: https://business-review.eu/business/transport-and-logistics/sameday-announces-the-expansion-of-the-easybox-service-by-inaugurating-the-1000th-locker-and-aims-to-double-the-existing-capacity-by-the-beginning-of-2022-218634. [Accessed 6 5 2022]. |
[10] | D. Sjödin, V. Parida, M. Palmié and J. Wincent, “How AI capabilities enable business model innovation: Scaling AI through co-evolutionary processes and feedback loops,” Journal of Business Research, vol. 134, pp. 574-587, 2021. |
[11] | G. E. Moore, “Cramming more components onto integrated circuits,” Electronics, vol. 38, 19 4 1965. |
[12] | FS, “Gates’ Law: How Progress Compounds and Why It Matters,” Farnam Street Media Inc, 5 2019. [Online]. Available: https://fs.blog/gates-law/. [Accessed 7 5 2022]. |
[13] | IBM, “IBM Watson is AI for smarter business,” IBM, 2022. [Online]. Available: https://www.ibm.com/watson. [Accessed 7 5 2022]. |
[14] | Google, “Deep Mind,” Google, 2022. [Online]. Available: https://www.deepmind.com/. [Accessed 7 5 2022]. |
[15] | T. Malone, “Artificial Intelligence and the future of work,” MIT, Boston, 2020. |
[16] | CFB Bots, “The Difference between Robotic Process Automation and Artificial Intelligence,” CFB Bots, 2018. [Online]. Available: https://cfb-bots.medium.com/the-difference-between-robotic-process-automation-and-artificial-intelligence-4a71b4834788. [Accessed 6 5 2018]. |
[17] | MIT News, “3 Questions: Thomas Malone and Daniela Rus on how AI will change work,” MIT, 21 1 2021. [Online]. Available: https://news.mit.edu/2021/3-questions-thomas-malone-daniela-rus-how-work-will-change-ai-0121. [Accessed 7 5 2022]. |
[18] | J. Bryson, K. Quick, C. Slotterback and B. Crosby, “Designing Public Participation Processes, vol.73 (1),” Public Administration Review,, vol. 73, no. 1, pp. 23-34, 2013. |
[19] | S. Kaufman, C. Ozawa and D. Shmueli, “Evaluating participatory decision processes”,” Evaluation and Program Planning, vol. 42, pp. 11-20, 2014. |
[20] | B. Barnhart, “The importance of social media sentiment analysis (and how to conduct it),” Sprout Social, 27 3 2019. [Online]. Available: https://sproutsocial.com/insights/social-media-sentiment-analysis/. [Accessed 6 5 2022]. |
[21] | V. Dabhade, “Conducting Social Media Sentiment Analysis: A Working Example,” Express Analytics, 24 5 2021. [Online]. Available: https://www.expressanalytics.com/blog/social-media-sentiment-analysis/. [Accessed 6 5 2022]. |
[22] | K. Jindal and R. Aron, “A systematic study of sentiment analysis for social media data,” Materials Today: Proceedings, 2021. |
[23] | S. C.N., Contemporary Trends in Local Governance Reform, Cooperation and Citizen Participation, Springer Nature, 2020. |
[24] | D. Gil, Interviewee, IBM Watson and its real-world applications. [Interview]. |
[25] | F. Levy, Interviewee, Understanding documents [by AI]. [Interview]. |
[26] | V. Morde, “Humanizing Customer Complaints using NLP Algorithms,” Towards Data Science, 24 11 2018. [Online]. Available: https://towardsdatascience.com/https-medium-com-vishalmorde-humanizing-customer-complaints-using-nlp-algorithms-64a820cef373. [Accessed 6 5 2022]. |
[27] | J. Selig, “Three Ways NLP Can Simplify Contract Management,” Expert AI, 18 3 2022. [Online]. Available: https://www.expert.ai/blog/three-ways-nlp-can-simplify-contract-management/. [Accessed 6 5 2022]. |
[28] | M. Stanger, “Intelligent document analysis with natural language processing,” Accenture, 6 6 2019. [Online]. Available: https://www.accenture.com/us-en/blogs/search-and-content-analytics-blog/intelligent-document-analysis-nlp. [Accessed 6 5 2022]. |
[29] | M. Kejriwal and P. Zhou, “On detecting urgency in short crisis messages using minimal supervision and transfer learning,” Social Network Analysis and Mining, vol. 5, 2020. |
[30] | R. Iemhoff and D. Klein, “Knowledge Representation and Reasoning,” Utrech University, [Online]. Available: https://www.uu.nl/en/research/human-centered-artificial-intelligence/special-interest-groups/knowledge-representation-and-reasoning. [Accessed 6 5 2022]. |
[31] | Automation 360, “Automated Passport Application Processing,” Automation 360, 28 10 2021. [Online]. Available: https://www.youtube.com/watch?v=lmfnxtBSLLI&ab_channel=AutomationAnywhere. [Accessed 6 5 2022]. |
[32] | C. Pollitt and G. Bouckaert, Public Management Reform: A Comparative Analysis—Into the Age of Austerity, Oxford: Oxford University Press, 2017. |
[33] | K. Hammond, “Automated Storytelling,” FoST, 2012. [Online]. Available: https://futureofstorytelling.org/video/kris-hammond-automated-storytelling. [Accessed 6 5 2022]. |
[34] | “Relay Delivers Hospitality,” Savioke, 2022. [Online]. Available: https://www.relayrobotics.com/. [Accessed 6 5 2022]. |
[35] | Humanizing technologies, “Emotional appeal to customers through the humanoid robot Pepper,” Humanizing technologies, 2022. [Online]. Available: https://humanizing.com/en/pepper-robot-humanoid-robot-by-softbank-robotics-for-retail-fairs-receptionist-showrooms-happiness-hero/?utm_term=pepper%20robot&utm_campaign=Europe/Search/Pepper&utm_source=adwords&utm_medium=ppc&hsa_acc=5199685425&hsa_cam=10873. [Accessed 6 5 2022]. |
[36] | D. G. ION, “Solving the traffic issue,” SCRD, vol. 1, no. 1, pp. 65-72, 2017. |
[37] | Y. Petreanu, “Under the Hood: Real-time ETA and How Waze Knows You’re on the Fastest Route,” Waze, 27 8 2020. [Online]. Available: https://medium.com/waze/under-the-hood-real-time-eta-and-how-waze-knows-youre-on-the-fastest-route-78d63c158b90. [Accessed 6 5 2020]. |
[38] | J. Lau, “Google Maps 101: How AI helps predict traffic and determine routes,” Google, 3 9 2020. [Online]. Available: https://blog.google/products/maps/google-maps-101-how-ai-helps-predict-traffic-and-determine-routes/. [Accessed 6 5 2022]. |
[39] | Appen, “An Introduction to Audio, Speech, and Language Processing,” Appen, 22 4 2021. [Online]. Available: https://appen.com/blog/an-introduction-to-audio-speech-and-language-processing/. [Accessed 6 5 2022]. |
[40] | Google, “Put Text-to-Speech into action,” Google , 2022. [Online]. Available: https://cloud.google.com/text-to-speech. [Accessed 6 5 2022]. |
[41] | S. Weckert, “Berlin artist uses 99 phones to trick Google into traffic jam alert,” The Guardian, 3 2 2020. [Online]. Available: https://www.theguardian.com/technology/2020/feb/03/berlin-artist-uses-99-phones-trick-google-maps-traffic-jam-alert. [Accessed 6 5 2022]. |
[42] | B. Ghena, W. Beyer, A. Hillaker, J. Pevarnek and J. Halderman, “Green Lights Forever: Analyzing the Security of Traffic Infrastructure,” in 8th USENIX Workshop on Offensive Technologies (WOOT ’14), 2014. |
[43] | Nord Sense, “Smart Bin Sensors,” Nord Sense, 2022. [Online]. Available: https://nordsense.com/smart-bin-sensors/. [Accessed 6 5 2022]. |
[44] | X.-Y. WEN, “City intelligent life: A case study on Shenzhen city intelligent classification of domestic waste,” SCRD, vol. 5, no. 1, pp. 27-30, 2021. |
[45] | Infrastructure Intelligence, “World’s largest automated vacuum waste collection system set for Bergen,” 2016. [Online]. Available: http://www.infrastructure-intelligence.com/article/nov-2016/world%E2%80%99s-largest-automated-vacuum-waste-collection-system-set-bergen. [Accessed 5 5 2022]. |
[46] | SAE, “Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles,” Society of Automotive Engineers (SAE), 2018. |
[47] | Marineterrein Amsterdam, “Testing autonomous transport,” 24 10 2019. [Online]. Available: https://www.marineterrein.nl/en/project/meet-olli-the-self-driving-minibus/. [Accessed 4 5 2022]. |
[48] | J. OLUSEGUN FAYOMI and Z. ABDULQADIR SANI, “Strategies for transforming the traditional workplace into a virtual workplace in smart cities,” SCRD, vol. 6, no. 1, pp. 35-54, 2022. |
[49] | I. .. VIRTOSU and C. . LI, “Bundling and tying in smart living,” SCRD, vol. 6, no. 2, pp. 97-110, 2022. |
[50] | C. SCHACHTNER, “Wise Governance – Elements of the digital strategies of municipalities,” SCRD, vol. 6, no. 2, pp. 23-29, 2022. |
[51] | M. Porter, Competitive strategy, Free Press, 1980. |
[52] | V. Garg and T. Jaakkola., “Predicting deliberative outcomes,” 2020. [Online]. Available: https://people.csail.mit.edu/tommi/papers/GJ_ICML2020.pdf. [Accessed 4 5 2022]. |
[53] | P. Egede, “Lightweight Electric Vehicles — A Good Environmental Choice?,” in Environmental Assessment of Lightweight Electric Vehicles, Springer, 2017, pp. 1-7. |
[54] | International Transport Forum, “Reducing transport greenhouse gas emissions: trends and data 2010,” Leipzig, 2010. |
[55] | European Environment Agency, “Passenger and freight transport demand in Europe,” 11 May 2021. [Online]. Available: https://www.eea.europa.eu/data-and-maps/indicators/passenger-and-freight-transport-demand/assessment-1. [Accessed 12 September 2021]. |
[56] | ITF, “ITF Transport Outlook 2021,” OECD Publishing, Paris, 2021. |
[57] | OECD, “Passenger transport (indicator),” OECD Data, 10 March 2022. [Online]. Available: https://data.oecd.org/transport/passenger-transport.htm#indicator-chart. [Accessed 10 March 2022]. |
[58] | Statista, “In-depth: eMobility 2021,” Statista, 2021. |