大數據、物聯網、人工智慧等科技的出現，為我們描繪了更便利的智慧城市，但是科技也可能會讓人與人之間的相處趨於冷漠，似乎也不符合我們對於智慧城市的想像。因此，臺北大學資訊工程學系特聘教授、大數據與智慧城市研究中心主任陳裕賢提出：「用人性關懷的角度來引導，讓智慧城市的發展更具有人性。」
用科技建構智慧城市
用科技來建構智慧城市，其模式大致是經由無線行動網路（現已發展至5G）收集大量多元的資料（大數據），進而去做分析（人工智慧），然後將分析結果應用在生活上，過程必須考慮人性關懷的元素，才不會讓科技造成負面影響。
無線行動網路技術可以分成兩個走向。一個是快速收集大量資料的高頻寬，也就是一般認知的4G/5G；另一個是收集少量資料的低頻寬，不是所有應用都需要高頻寬。低頻寬技術價格低廉，在智慧城市的物聯網的基礎建設，若可以善用低價的低頻寬佈建取代昂貴的高頻寬佈建，就可以大幅降低成本。
低頻寬技術主要用的是低功耗長距離通訊技術（LPWAN），目前市面上大致分為LoRa和NB-IOT兩種。LoRa用的是資料網路的免費頻帶，但錯誤率較高，可靠性較低；NB-IOT使用的是電信網路的付費頻帶，電信費用便宜，可靠性相較高。可依照不同智慧城市應用需求可做不同通訊網路選擇，或者混合使用。
收集的大量智慧城市的環境感測資料，進一步會送到人工智慧平台用深度學習技術分析，然後將結果視覺化，呈現給使用者或決策者，執行改變環境的動作，以達到循環作用。人工智慧計算過程也分為兩種，一種是將資料全部都送到雲端做處理，另一種是部分資料可以就近做處理，稱為邊緣計算，後者可以節省傳輸量。
人工智慧於智慧城市之應用
陳裕賢教授分享了許多人工智慧應用於智慧城市的案例。
首先在雲端計算應用部分，陳裕賢教授團隊設計人工智慧展店預測系統，例如:想在台北市開店，要選擇哪些地方和開何種類型的商店？系統會從POS系統雲端資料庫，收集該區的熱銷產品、收支狀況等資料，再從政府資料開放平台收集薪資、消費金額等資料，經由深度學習後，用色塊在地圖上視覺化呈現每個地點展店的適合度。團隊也製作一個人工智慧法律預測系統，只要收集少數量的起訴書和大數量判決書的資料，設計半監督式學習模型，運用兩者的關係媒合並進行優化程序，訓練完成後，當收到起訴書時，就能成功預測可能觸犯的法條。
在邊緣計算部分，陳裕賢教授的團隊開發了一個人工智慧邊緣運算平台，稱為MiniDeep深度學習平台。這是一台小電腦結合了亞馬遜人工智慧服務，資料先送到亞馬遜後台做深度學習，訓練完的結果也就是學習到的知識，送回MiniDeep機器存放，之後此獨立(standalone)的機器就擁有這些知識，可以容易的嵌入到任何未具有人工智慧平台，使其具備有人工智慧能力。例如：團隊在互動式多媒體平台 (也稱為KIOSK)，如: 速食店的點餐機，嵌入上MiniDeep機器，便可容易製作出具人工智慧的餐點推薦系統，當拍攝點餐人的照片，即時和即刻辨識其年紀和性別或情緒，推薦適合餐點。研究中心團隊也在停車格旁設置立桿拍攝車牌，照片可以在機器上馬上辨識，就不用傳大量資料的照片回去，只要傳車牌號碼回雲端就好了。團隊也先把各種農業害蟲的辨識在雲端先訓練好，訓練結果放在就近的機器，機器可以立即辨識出黏在黏板上的害蟲計算數量並與過去比較，農夫就能在有異常狀況時進行防治的動作。
陳裕賢教授的團隊更進一步地將人工智慧應用在人的關懷上。把銀髮族戴的舉手環結合人工智慧技術，分析長者活動範圍、熱區，當長者蹤跡出現在異常區域，就會發送訊息給家人或社工。研究中心團隊也設計了畫鐘法之失智評估系統，讓長者畫鐘，然後用程式分析畫的精準度和比例來評估失智程度。團隊更研發出語言障礙者之中文語音辨識程式，藉由分析語言障礙者輸入的語音，讓機器轉譯出一般人能聽懂的語音，達到對話的目的。
「科技始終來自於人性」，人工智慧等先進技術除了讓一般人的生活更方便外，兼顧提供弱勢者之便利性，為未來的智慧城市注入更多人性關懷和溫暖。
參考網址:科學人雜誌