大数据、物联网、人工智能等科技的出现，为我们描绘了更便利的智慧城市，但是科技也可能会让人与人之间的相处趋于冷漠，似乎也不符合我们对于智慧城市的想象。因此，台北大学资讯工程学系特聘教授、大数据与智慧城市研究中心主任陈裕贤提出：“用人性关怀的角度来引导，让智慧城市的发展更具有人性。”

用科技建构智慧城市

用科技来建构智慧城市，其模式大致是经由无线移动网络(现已发展至5G)收集大量多元的数据(大数据)，进而去做分析(人工智能)，然后将分析结果应用在生活上，过程必须考虑人性关怀的元素，才不会让科技造成负面影响。

无线移动网络技术可以分成两个走向。一个是快速收集大量数据的高带宽，也就是一般认知的4G/5G;另一个是收集少量数据的低带宽，不是所有应用都需要高带宽。低带宽技术价格低廉，在智慧城市的物联网的基础建设，若可以善用低价的低带宽布建取代昂贵的高带宽布建，就可以大幅降低成本。

低带宽技术主要用的是低功耗长距离通讯技术(LPWAN)，目前市面上大致分为LoRa和NB-IOT两种。LoRa用的是数据网络的免费频带，但错误率较高，可靠性较低;NB-IOT使用的是电信网络的付费频带，电信费用便宜，可靠性相较高。可依照不同智慧城市应用需求可做不同通讯网络选择，或者混合使用。

收集的大量智慧城市的环境感测资料，进一步会送到人工智能平台用深度学习技术分析，然后将结果可视化，呈现给使用者或决策者，执行改变环境的动作，以达到循环作用。人工智能计算过程也分为两种，一种是将数据全部都送到云端做处理，另一种是部分数据可以就近做处理，称为边缘计算，后者可以节省传输量。

人工智能于智慧城市之应用

陈裕贤教授分享了许多人工智能应用于智慧城市的案例。

首先在云端计算应用部分，陈裕贤教授团队设计人工智能展店预测系统，例如：想在台北市开店，要选择哪些地方和开何种类型的商店?系统会从POS系统云端数据库，收集该区的热销产品、收支状况等数据，再从政府数据开放平台收集薪资、消费金额等资料，经由深度学习后，用色块在地图上可视化呈现每个地点展店的适合度。团队也制作一个人工智能法律预测系统，只要收集少数量的起诉书和大数量判决书的数据，设计半监督式学习模型，运用两者的关系媒合并进行优化程序，训练完成后，当收到起诉书时，就能成功预测可能触犯的法条。

在边缘计算部分，陈裕贤教授的团队开发了一个人工智能边缘运算平台，称为MiniDeep深度学习平台。这是一台小计算机结合了亚马逊人工智能服务，数据先送到亚马逊后台做深度学习，训练完的结果也就是学习到的知识，送回MiniDeep机器存放，之后此独立(standalone)的机器就拥有这些知识，可以容易的嵌入到任何未具有人工智能平台，使其具备有人工智能能力。例如：团队在交互式多媒体平台 (也称为KIOSK)，如: 快餐店的点餐机，嵌入上MiniDeep机器，便可容易制作出具人工智能的餐点推荐系统，当拍摄点餐人的照片，实时和即刻辨识其年纪和性别或情绪，推荐适合餐点。研究中心团队也在停车格旁设置立杆拍摄车牌，照片可以在机器上马上辨识，就不用传大量数据的照片回去，只要传车牌号码回云端就好了。团队也先把各种农业害虫的辨识在云端先训练好，训练结果放在就近的机器，机器可以立即辨识出黏在黏板上的害虫计算数量并与过去比较，农夫就能在有异常状况时进行防治的动作。

陈裕贤教授的团队更进一步地将人工智能应用在人的关怀上。把银发族戴的举手环结合人工智能技术，分析长者活动范围、热区，当长者踪迹出现在异常区域，就会发送讯息给家人或社工。研究中心团队也设计了画钟法之失智评估系统，让长者画钟，然后用程序分析画的精准度和比例来评估失智程度。团队更研发出语言障碍者之中文语音识别程序，借助分析语言障碍者输入的语音，让机器转译出一般人能听懂的语音，达到对话的目的。

“科技始终来自于人性”，人工智能等先进技术除了让一般人的生活更方便外，兼顾提供弱势者之便利性，为未来的智慧城市注入更多人性关怀和温暖。