연구자는 AI가 도시 계획 개선에 도움이 될 수 있다고 밝혔습니다.

전통적인 도시 계획 방법에는 상당한 기술적 전문성과 수작업이 필요합니다.

버지니아 공대의 한 연구원이 이를 바꾸고자 노력하고 있습니다.

새로운 연구에 따르면 ChatGPT와 Google의 Gemini와 같은 대규모 언어 모델(LLM)을 사용하면 거리 뷰 이미지를 사용하여 인공 환경을 평가할 수 있는 잠재력이 있는 것으로 나타났습니다.

자연자원 및 환경대학의 연구에 따르면 LLM 성과를 기존 도시 계획 딥러닝 방법과 비교한 결과, LLM 기반 성과는 기존 접근 방식과 유사하다는 것을 발견했습니다.

연구자들은 기술적 전문 지식이나 수작업이 필요한 기존 방식과 달리 LLM은 사용자에게 더 접근하기 쉬운 도구를 제공하여 정책 및 계획 이해 관계자가 소규모에서 중규모 도시의 스마트 도시 인프라를 관리하는 데 이 모델을 사용하기가 더 쉬워진다는 것을 발견했습니다.

"저의 목표는 기술을 규모를 줄여서 더 작은 도시에서 더 저렴하고 효과적으로 사용할 수 있도록 하는 것입니다." 지리학과 조교수이자 Smart Cities for Good의 책임자인 김정환의 말입니다.

"스마트 시티 기술은 AI와 데이터 과학과 같은 고급 도시 분석을 사용하여 도시 환경과 사람들이 이를 인식하는 방식을 포착하는 고품질 데이터를 처리하는 것을 포함합니다. 이러한 기술은 교통 및 건강과 같은 도시 문제를 더 잘 이해하는 데 도움이 됩니다."

이 새로운 연구를 통해 이미지를 분석하고 벤치, 보도, 가로등과 같은 특징을 자동으로 감지하는 생성 AI 도구가 등장했습니다.

이전에는 연구자들이 이미지를 직접 분석해야 했는데, 이는 많은 노동력이 필요했습니다.

구체적인 예 중 하나는 특정 지역이 얼마나 걸어다닐 수 있고 자전거를 탈 수 있는지와 같은 건축 환경을 평가하는 것입니다. Kim은 AI가 벤치, 보도, 나무, 가로등과 같은 건축 환경 특징을 감지하도록 했습니다. 이 모든 요소는 사람들이 걸어다닐 수 있고 안전하다고 생각하는 방식에 영향을 미칩니다.

김씨는 "이를 통해 코딩 기술과 고성능 컴퓨팅 리소스를 갖춘 전문가만 사용할 수 있었던 고급 도구에 대한 접근성이 민주화됩니다."라고 말했습니다.

"그러나 AI의 훈련 데이터의 편향과 같은 한계도 있는데, 이는 지리적 불균형을 초래할 수 있습니다. 예를 들어, 이러한 도구는 AI 모델을 훈련하기 위한 데이터의 가용성이 고르지 않기 때문에 대도시에서 더 나은 성과를 거두는 경향이 있습니다."

이 연구는 2024년 10월 초 The Professional Geographer에 게재되었으며 매사추세츠 공과대학의 Kee Moon Jang과 협력하여 진행되었습니다.

이 도구는 매우 강력하지만, 환각을 유발하고 훈련 데이터의 격차를 바탕으로 가정을 할 수 있습니다.

"그래서 이러한 도구를 신중하게 사용하는 것이 중요합니다. 특히 정확성이 중요한 전문적인 환경에서는 더욱 그렇습니다."

김씨는 "저는 여전히 이러한 도구의 잠재력에 대해 흥분하고 있습니다. 제 연구뿐만 아니라 이제 고급 분석에 쉽게 액세스할 수 있는 학생과 전문가에게도 말입니다. 그러나 우리는 도시 계획에 AI를 사용하는 데 따르는 한계와 편견을 인식해야 합니다."라고 말합니다.

출처: https://www.sciencedaily.com/releases/2024/10/241031130406.htm