آرازپادکست علوم مکانی
کاور از دیدن تا تصمیم‌گرفتن؛ معماری یک سامانهٔ مکانی هوشمند
35°41′ N
51°23′ E
فصل 1 · قسمت 6

از دیدن تا تصمیم‌گرفتن؛ معماری یک سامانهٔ مکانی هوشمند

یک سامانهٔ مکانی هوشمند فقط داده‌ها را روی نقشه نمایش نمی‌دهد؛ بلکه تلاش می‌کند وضعیت فعلی را درک کند، آینده را پیش‌بینی کند و برای تصمیم‌گیری بهتر پیشنهاد ارائه دهد. در این قسمت از آرازکست، مسیر تبدیل داده‌های مکانی به تصمیم را بررسی می‌کنیم؛ از دریافت داده‌های زنده و تحلیل فضایی گرفته تا پیش‌بینی، بهینه‌سازی، هوش مصنوعی، Human in the Loop و اعتماد به خروجی سامانه.

۳۰ شهریور ۱۴۰۵۴۹.۸ مگابایتaudio/mpeg
اکنون آماده پخشاز دیدن تا تصمیم‌گرفتن؛ معماری یک سامانهٔ مکانی هوشمند
دانلود فایل
یادداشت این قسمت

درباره این روایت

در قسمت ششم آرازکست به این سؤال می‌پردازیم: چطور از داده‌های مکانی، به یک تصمیم قابل‌استفاده می‌رسیم؟ یک Web GIS معمولی می‌تواند موقعیت خودروها، ترافیک، ساختمان‌ها یا رخدادهای شهری را روی نقشه نمایش دهد؛ اما یک سامانهٔ مکانی هوشمند یک قدم جلوتر می‌رود و تلاش می‌کند بفهمد چه اتفاقی در حال رخ دادن است، چرا رخ داده، در ادامه چه اتفاقی ممکن است رخ دهد و چه گزینه‌هایی برای واکنش وجود دارد. این تفاوت در متن اپیزود با زنجیره‌ی «مشاهده، درک، پیش‌بینی، تصمیم و اقدام» توضیح داده شده است. در این اپیزود دربارهٔ موضوعات زیر صحبت می‌کنیم: تفاوت Web GIS با یک سامانهٔ مکانی هوشمند زنجیرهٔ مشاهده → درک → پیش‌بینی → تصمیم → اقدام معماری لایهٔ داده و اهمیت کیفیت، تازگی و منشأ داده مفهوم Situation Awareness یا درک وضعیت نقش پایگاه داده‌های مکانی، موتورهای مسیریابی و پردازش بلادرنگ تفاوت سیستم‌های قاعده‌محور با مدل‌های هوش مصنوعی ترکیب Rules، Machine Learning و تصمیم‌گیری انسانی تفاوت پیش‌بینی با پیشنهاد عملیاتی بهینه‌سازی چندهدفه و تعارض بین سرعت، هزینه، ایمنی و عدالت یک سناریوی واقعی از مدیریت هوشمند سیلاب شهری مفهوم Human in the Loop اهمیت Explainability، Audit Log و سطح اطمینان پایش مدل و بررسی تفاوت عملکرد آن در مناطق مختلف اینکه چرا معماری خوب باید از «مسئله» شروع شود، نه از «فناوری» یکی از ایده‌های اصلی این قسمت این است که سامانهٔ هوشمند الزاماً سامانه‌ای نیست که بیشترین میزان هوش مصنوعی را داشته باشد؛ بلکه سامانه‌ای است که برای هر مسئله ابزار مناسب را انتخاب کند و محدودیت‌های خود را نیز بشناسد. در بخش عملی اپیزود، سناریوی بارش شدید و آب‌گرفتگی شهری را بررسی می‌کنیم؛ جایی که داده‌های حسگرها، هواشناسی، گزارش شهروندان، مدل ارتفاعی، شبکه معابر و پیش‌بینی‌های آینده کنار هم قرار می‌گیرند تا سامانه بتواند مناطق در معرض خطر را شناسایی کرده، مسیرهای جایگزین پیشنهاد دهد و اولویت اعزام نیرو را مشخص کند. در پایان نیز به یکی از مهم‌ترین موضوعات سامانه‌های هوشمند می‌رسیم: اعتماد. یک سامانه فقط با دقیق بودن قابل اعتماد نمی‌شود؛ کاربر باید بداند داده از کجا آمده، چه زمانی به‌روزرسانی شده، چرا یک پیشنهاد تولید شده و سطح اطمینان آن چقدر است. گوینده: آراز شاه‌کرمی مدت: حدود ۱۴ تا ۱۶ دقیقه وب‌سایت پادکست: cast.araz.me ایمیل: mail@araz.me کلیدواژه‌ها: GIS، Web GIS، Spatial AI، Geospatial Intelligence، Location Intelligence، Machine Learning، Smart GIS، Spatial Decision Support System، Real-Time GIS، PostGIS، Routing، Human in the Loop، Explainable AI، Spatial Analytics، Decision Support، Geospatial Architecture، AI «یک سامانه زمانی واقعاً هوشمند است که فقط جهان را نبیند؛ بلکه محدودیت‌های دید خودش را هم بشناسد.»
→ بازگشت به همه قسمت‌ها