من مراقبة المدن إلى ذكاء المدن: كيف يعيد التعلم الآلي تشكيل حوكمة المدن في الجنوب العالمي

عندما تفقد المدن خريطتها أثناء النمو

تتوسع مدن الجنوب العالمي بمعدلات غير مسبوقة في التاريخ. كراتشي في باكستان، والمدن التابعة لمومباي، وأطراف لاغوس – تمتد المناطق المبنية في هذه المناطق لعدة كيلومترات سنويًا، وغالبًا ما تسبق أي مخططات تخطيطية. التغيرات الجذرية في الغطاء الأرضي لا تهدد السلامة البيئية فحسب، بل تتسبب مباشرةً في حدوث الفيضانات، وتأثير الجزيرة الحرارية، وأزمات المياه. إلا أن جذر التحدي ليس التحضر بحد ذاته، بل عدم تماثل المعلومات: تفتقر معظم الدول النامية إلى بيانات عالية الدقة وفورية عن تغيرات سطح الأرض، وتعتمد هيئات التخطيط غالبًا على إحصاءات سكانية تتم كل بضع سنوات أو صور فضائية قديمة، مما يجعل القرارات متأخرة عن التغيرات الفعلية.

في هذا السياق، تقدم دراسة نُشرت في التقارير العلمية بديلاً لافتًا. استخدم فريق البحث صور الأقمار الصناعية لاندسات وخوارزميتين للتعلم الآلي – تصنيف الغابة العشوائي (RFC) وآلة المتجهات الداعمة (SVM) – للكشف الدقيق عن التغيرات في سطح مدينة كراتشي بين عامي 2000 و2023. أظهرت النتائج أن هذه الطريقة تفوقت على التقنيات الحالية في دقة التصنيف بنسبة 26.91% و19.73%، كما أنها تمكنت من تحديد الاتجاهات الرئيسية مثل الزحف العمراني، وإزالة الغابات، والشذوذ الحراري بفعالية.

التحول الاستراتيجي وراء الاختراق التقني

بالنظر إلى التفاصيل التقنية وحدها، قد يبدو هذا تقدمًا آخر في الاستشعار عن بعد وعلوم الكمبيوتر. لكن التغيير الأعمق يكمن في أن هذا المزيج من "الاستشعار عن بعد + التعلم الآلي" يحول مراقبة المدن من نشاط عالي التكلفة يقوده الخبراء، إلى أداة حوكمة يمكن للحكومات المحلية وحتى المجتمعات استخدامها بشكل مستقل. تعتمد المراقبة التقليدية لسطح الأرض على القياسات الأرضية أو الأقمار الصناعية التجارية عالية التكلفة، بينما بيانات لاندسات مجانية وخوارزميات الدراسة مفتوحة المصدر، مما يعني أن أي مدينة في دولة نامية تمتلك قدرات حاسوبية أساسية يمكنها نشر نظام مماثل بسرعة.

هذا لا يخفض الحواجز فحسب، بل يُغير هيكل السلطة في إدارة المدن. في الماضي، كانت السيطرة على بيانات المدينة تتركز غالبًا في أيدي الإدارات الإحصائية الوطنية أو المؤسسات الدولية؛ أما الآن، فالمدن الهامشية – تلك الواقعة على أطراف تدفق رأس المال العالمي، والتي تتحمل أكبر ضغط نمو سكاني – تحصل لأول مرة على القدرة على فهم ديناميكياتها المكانية في الوقت الفعلي. تُظهر حالة كراتشي أن إضفاء الطابع الديمقراطي على التكنولوجيا قد يكون أكثر فعالية في دفع الحوكمة الذاتية لمدن الجنوب من أي مساعدات دولية.

من كراتشي إلى تجمعات المدن في الجنوب العالمي

كراتشي، كمركز اقتصادي لباكستان، يزيد تعداد سكانها عن 20 مليون نسمة، لكن البنية التحتية الحضرية تعاني من نقص حاد، ونسبة المستوطنات غير الرسمية مرتفعة للغاية. أظهرت الدراسة أن مساحة المناطق المبنية تضاعفت تقريبًا بين عامي 2000 و2023، بينما انخفضت مساحة الغطاء النباتي والمسطحات المائية. هذه البيانات ليست مفاجئة بحد ذاتها، لكن الأنماط الزمانية المكانية التي كشفت عنها نماذج التعلم الآلي تحمل قيمة سياسية: على سبيل المثال، يحدث التوسع الحضري بشكل رئيسي على طول ممرات النقل الرئيسية، وليس عبر التطوير التعبووي؛ وتتركز المناطق الأكثر تضررًا من تأثير الجزيرة الحرارية في المناطق التي تسكنها المجتمعات منخفضة الدخل.تشير هذه النتائج إلى معضلة أوسع تواجه مدن الجنوب العالمي: حيث يتداخل التحضر السريع مع التدهور البيئي بشكل كبير، وتعاني الفئات الأكثر ضعفًا من أسوأ العواقب. وبدون مراقبة مستمرة وعالية الدقة، قد تواصل الحكومات الاستثمار في مواقع خاطئة للبنية التحتية، أو تتجاهل الخطوط الحمراء البيئية التي تظهر بالفعل. المساهمة الأساسية لأساليب التعلم الآلي تكمن في قدرتها على تحديد العلاقات المترابطة التي يصعب على الإحصاءات التقليدية التقاطها - مثل تأثير التأخر بين تغير استخدام الأراضي وتلوث الهواء، أو العلاقة غير الخطية بين الكثافة الحضرية وضغط إمدادات المياه.

عقد جديد للحوكمة الحضرية

إن دمج الاستشعار عن بعد والتعلم الآلي ليس مجرد تحسين تقني، بل إنه يعيد تعريف العلاقة بين المدينة والدولة. لفترة طويلة، كان التخطيط الحضري في دول الجنوب "مستوردًا" إلى حد كبير - حيث تم نقل مفاهيم التخطيط للمدن الغربية وضوابط الكثافة وتقسيم استخدام الأراضي مباشرة، وغالبًا ما لم تكن مناسبة للظروف المحلية. وتوفر أنظمة المراقبة في الوقت الفعلي حلقة تغذية راجعة تعتمد على البيانات المحلية، مما يسمح للمدن بالتعديل الديناميكي وفقًا لظروفها البيئية والاجتماعية. هذا المفهوم "للمدينة المتعلمة" - حيث تراقب المدينة تغيراتها باستمرار وتحدث نماذجها وتعدل سياساتها - يتحول من خيال علمي إسكندنافي إلى واقع في جنوب آسيا.

بالطبع، لا تزال التحديات قائمة. جودة البيانات محدودة بسبب الغطاء السحابي وفترات إعادة زيارة الأقمار الصناعية؛ تحتاج نماذج التعلم الآلي إلى معايرة مستمرة لتجنب التحيز الخوارزمي؛ والأهم من ذلك، أن البيانات نفسها لا تتحول تلقائيًا إلى قرارات - تحتاج الحكومات المحلية إلى القدرات المؤسسية والإرادة السياسية للاستجابة للمشكلات التي تكشفها البيانات. ولكن على أي حال، تثبت الأبحاث العملية أن الجنوب العالمي لا يحتاج إلى انتظار دليل تخطيط حضري مثالي، بل يمكنه استخدام الأدوات المتاحة لبناء ذكائه الحضري خطوة بخطوة.

الاتجاهات طويلة المدى: المراقبة كحوكمة

بالنظر إلى المستقبل، مع تكثيف الأبراج الساتلية وتطوير الحوسبة الطرفية، ستتطور مراقبة السطح الحضري من "لقطات دورية" إلى "تيار مستمر". عندها، سيتغير إيقاع الحوكمة الحضرية تمامًا: لن يكون التحديث كل خمس سنوات، بل إدارة تكيفية يومية أو كل ساعة أو حتى في الوقت الفعلي. بالنسبة للدول النامية، يمثل هذا فرصة هائلة، لكنه قد يوسع أيضًا الفجوة الرقمية - تلك المدن التي تفشل في اعتماد التقنيات الجديدة في الوقت المناسب ستتخلف أكثر.

حالة كراتشي هي نقطة انطلاق. تذكرنا بأن المنافسة المستقبلية في نظام المدن العالمي لا تقتصر على الناتج المحلي الإجمالي أو ارتفاع ناطحات السحاب، بل تكمن في قدرة المدينة على فهم التغيرات التي تحدث فيها بسرعة. في الأماكن التي تتغير فيها الأمور بسرعة، تصبح قدرة المراقبة الأصول الاستراتيجية الأكثر ندرة.