चंदिगड, पंजाब आणि हरियाणाची राजधानी. एक पर्यटनस्थळ म्हणूनही चंदिगड आपल्याला माहिती असतं. आणखी एका गोष्टीकरता चंदिगडची ओळख कधी तरी झालेली असते- एक ‘प्लॅन्ड सिटी' म्हणून. ही प्लॅन्ड सिटी बनवण्यामागे नागरी नियोजनाचा (अर्बन प्लॅनिंग) हात आहे. चंदिगडचं नियोजन झालं तेव्हा कृत्रिम बुद्धिमत्ता नावाची गोष्ट कुणालाच माहिती नव्हती. आज मात्र नगर नियोजनाच्या कामात ए.आय.ची मदत होण्यास सुरुवात झाली आहे. या लेखात अर्बन प्लॅनिंग आणि ए.आय.च्या भागीदारीची, त्यातल्या प्रयोगांची थोडक्यात ओळख करून घेऊ या.

तसं पाहिलं तर नागरी नियोजन ही काही नवीन गोष्ट नाही. हजारो वर्षांपासून राजेरजवाडे आपल्या नवीन राजधान्यांकरता नवनवीन नगरं वसवत आले होते. भारतात हंपीसारखी नगरं वसली. जगात इतरत्र जपानमध्ये, चीनमध्येही अशी नगरं वसली. त्यात राजवाडे, धान्यकोठारं, बाजारपेठा, शस्त्रागारं अशा इमारती, नागरिकांना वस्तीकरता जागा आणि या सगळ्यांना जोडणारे मार्ग असायचे.

अठराव्या शतकात युरोपात भूमितीय रचनांवर आधारित नगररचना सुरू झाली. उदा. एडिंबरो, पॅरिस. अमेरिकेत वॉशिंग्टन-डीसी ही नवी राजधानी वसवली गेली. ल'अन्फन्ट या फ्रेंच इंजिनियरने चौकटीच्या आकाराच्या रस्त्यांचं नियोजन केलं. हे रस्ते उत्तर-दक्षिण किंवा पूर्व-पश्चिम जाणारे होते. त्यांना छेदणारे कर्णासारखे (diagonal) ग्रँड अव्हेन्यूसुद्धा होते. या नियोजनामध्ये राष्ट्राध्यक्षाचं घर आणि विविध सरकारी इमारतीसुद्धा समाविष्ट होत्या. हा आराखडा जगात प्रसिद्ध झाला. त्यापासून प्रेरणा घेऊन बऱ्याच नवीन राजधान्या वसवल्या गेल्या. आपल्या नव्या दिल्लीच्या आराखड्यामागेही या नियोजनाची एक प्रेरणा होतीच.

तांत्रिक भाषेत याला जमीन वापराचं नियोजन (लँड यूज प्लॅनिंग) म्हटलं जातं. अमेरिकेत विसाव्या शतकाच्या सुरुवातीला नागरी नियोजन या प्रमाणित व्यवसायाने पाय रोवले. कुठल्या भागात कशा इमारती बांधता येतील, कुठे कार्यालयं स्थापता येतील, कुठे दुकानं काढता येतील आणि कुठे कारखाने, याबद्दल नियम तयार करण्यात आले. यामुळे लोकवस्तीला एक प्रकारची शिस्त लागली. त्याच सुमारास फोर्ड मॉडेल टीच्या आगमनाने सामान्य जनतेकडेसुद्धा मोटारी दिसू लागल्या होत्या. रस्त्यांवरील गर्दी वाढू लागली होती. त्यामुळे शहराच्या लोकवस्तीचं नियोजन करताना नियोजनकारांना रस्त्यांवरून धावणाऱ्या मोटारींचंही नियोजन करणं गरजेचं वाटू लागलं. यातूनच वाहतूक नियोजन शाखेचा उदय झाला.

हेही वाचा - चाहूल नव्या वसाहतवादाची

जमीन वापराचं नियोजन आणि वाहतूक नियोजन या एकमेकांवर अवलंबून असलेल्या नागरी नियोजनाच्या शाखा आहेत. या नियोजनात शहरात राहणारे लोक हा सर्वांत मूलभूत घटक असतो. लोकांचं आरोग्य, सुरक्षितता, अर्थकारण, त्यांच्या गरजा, आकांक्षा, संस्कृती अशा अनेक घटकांचा विचार करावा लागतो. त्याचबरोबर हे शहर पुढच्या ५, १०, १५, २० वर्षांमध्ये कसं बदलेल आणि त्याकरता कशी तयारी करावी याचाही विचार केला जातो. अशा नियोजनात कधी कधी शहराचा एक भाग- एक वॉर्ड, पेठ, किंवा वसाहत यांचा विचार केला जातो. उदाहरणार्थ, रहिवासी भागाजवळ मोठ्या कारखान्यांना परवानगी न देणं. अशा नियोजनामध्ये आता पर्यावरणाचं नियोजन, आर्थिक विकासाचं नियोजन असे वेगवेगळे विषयसुद्धा समाविष्ट होऊ लागले आहेत. आपण या लेखामध्ये फक्त जमीन वापराचं नियोजन आणि वाहतूक नियोजन यांच्याकडे पाहू या.

कुठल्याही वाहतूक नियोजन आराखड्यामध्ये विशिष्ट मार्गावरून सध्या किती वाहनं धावत आहेत, ती कुठल्या प्रकारची आहेत (दुचाकी, चारचाकी, ट्रक इ.) आणि दिवसातल्या कुठल्या वेळेस किती वाहनं असतात, ही माहिती महत्त्वाची असते. पूर्वी या माहितीचा अंदाज वर्तवण्याकरता नियोजक त्या मार्गाच्या जवळ उभे राहून वाहनांची मोजणी करत असत किंवा न्युमॅटिक ट्युब्जचा वापर करण्यात येई. (या ट्युब्ज रस्त्यावर बसवल्या जात. त्यावरून एखादं वाहन गेलं की एका सेन्सरद्वारे त्याची नोंद होई.) मात्र, अशा प्रकारच्या वाहनगणतीमध्ये खर्चही अधिक येई. शिवाय अशी मोजणी फक्त एक दिवस किंवा एक आठवडा करून त्यावरून पूर्ण वर्षभराचा अंदाज बांधण्यात येई.

कृत्रिम बुद्धिमत्तेच्या मदतीने या कामाच्या स्वरूपात मोठा बदल घडू शकतो. जगभरात तसे प्रयोग सुरू झाले आहेत. याआधीच्या एका लेखात आपण बेंगळुरूमध्ये कृत्रिम बुद्धिमत्ता वापरून वाहतूक नियोजन कसं केलं जातं याची थोडक्यात माहिती घेतली होती. इथे आणखी एक उदाहरण बघू. पुण्यात हिंजवडी हे सध्या मोठं व्यावसायिक केंद्र झालेलं आहे. तिथे बऱ्याच कंपन्यांमध्ये हजारोंनी कर्मचारी काम करतात. हे कर्मचारी राहायला पुण्याच्या वेगवेगळ्या भागांत असतात. नमुन्यादाखल आपण कोथरूड-कर्वेनगर हा भाग पाहूयात. हे कर्मचारी सकाळी कर्वेनगरहून निघतात आणि हिंजवडीला जातात. संध्याकाळी तिथून निघून परत कर्वेनगरमध्ये येतात. तर या मार्गावरचं वाहतूक नियोजन करताना कर्वेनगर ते हिंजवडी रोज किती कर्मचारी ये-जा करतात याचं सर्वेक्षण केलं जातं. कर्वेनगर ते हिंजवडी यांच्या दरम्यान असलेल्या रस्त्यांचा आढावा घेतला जातो. पाहणी करून कुठल्या रस्त्यावर जास्त वर्दळ असते, कुठले रस्ते अधिक वापरले जातात हे पाहिलं जातं. मग कुठले रस्ते रुंद करता येतील आणि ही वाहतूक सुरळीत कशी करता येईल हे बघितलं जातं.

आता यामध्ये कृत्रिम बुद्धिमत्ता वापराला भरपूर वाव आहे. कसा? या मार्गाचा वापर करणाऱ्या कर्मचाऱ्यांकडे आता स्मार्ट फोन्स असतात. स्मार्ट फोनवरून मिळणाऱ्या माहितीवरून वाहतुकीचे काही अंदाज बांधले जातात. कृत्रिम बुद्धिमत्ता प्रत्येक स्मार्ट फोनला एक जागा त्याचं घर म्हणून नियुक्त करते. तो स्मार्ट फोन रात्रीचे ८-१० तास ज्या ठिकाणी असतो ते त्याचं घर, असा तर्क वापरलेला असतो. त्यानंतर मग सकाळी तिथून निघून तो स्मार्ट फोन कुठल्या मार्गावरून जातो आहे याचा माग काढला जातो. मग तो दिवसभरात जर एके ठिकाणी ८ तास थांबला तर ते त्याचं कामाचं ठिकाण असा तर्क केला जातो. अशा प्रकारे रहिवासी भागापासून किती लोक व्यावसायिक भागाकडे जातात आणि कुठल्या वेळी, ते कृत्रिम बुद्धिमत्तेद्वारे निश्चित केलं जातं. या माहितीवरून तिथल्या वाहतुकीचं भाकीत करणं शक्य होतं. हे सगळं काम अतिशय किचकट असतं. दिवसभरात प्रचंड प्रमाणात माहिती गोळा होत असते. त्याचं विलेषण करण्याचं काम प्रशिक्षित कृत्रिम बुद्धिमत्ता करते.

हेही वाचा - बुद्धिमान यंत्रं : जब दिल्ली दूर थी

रोज ये-जा करणारे कर्मचारी एक विशिष्ट रस्ता वापरत असतील तर त्यांच्या गरजेनुसार आखणी करून सिग्नल टायमिंग बदलता येऊ शकतं. समजा, सोमवारी सकाळी ९.०० वाजता खूप लोक एकदम कर्वेनगरहून हिंजवडीकडे जात असतील, तर त्यानुसार त्या भागातले सिग्नल त्यांना प्राधान्य देतील आणि वाहतूक कोंडी टाळता येईल. कृत्रिम बुद्धिमत्ता वापरून हे काम त्या त्या वेळेस (रियल टाइम) करता येईल. दुसरा उपयोग म्हणजे या वाहतुकीचं विलेषण करून नव्याने सुरू झालेल्या मेट्रोचं वेळापत्रक ठरवता येईल. आणि त्याला जोडून छोट्या बसेस चालवता येतील, ज्या कर्मचाऱ्यांना त्यांच्या घरांपासून मेट्रो स्थानकावर सोडतील आणि कर्मचारी विनाविलंब मेट्रोने हिंजवडीला जाऊ शकतील. अशी सोय असेल तर रस्त्यांवरील गाड्यांची संख्या कमी होण्यास निश्चितच मदत होईल.

हे झालं मोठ्या भागातलं किंवा एका शहरातलं वाहतूक नियोजन. ही सर्व माहिती वापरून त्यापुढे एखाद्या रस्त्याचा विशिष्ट भाग किंवा एखादा चौक अशा छोट्या भागाचं वाहतूक नियोजन करून कार्यात्मक योजनाही करता येते. या योजनेमध्ये वळणाऱ्या किंवा सरळ जाणाऱ्या गाड्या, त्यांचं दिवसातल्या विविध वेळांना असणारं प्रमाण, वाहतूक दिवे (ट्रॅफिक सिग्नल्स) असतील तर त्यांना लागणारा वेळ या सर्व बाबी अंतर्भूत असतात.

नियोजनकारांच्या मते कृत्रिम बुद्धिमत्तेचं साधन फक्त हाताशी आहे म्हणून वापरायचं, असं न करता नियोजनाचा दर्जा वाढवण्यासाठी त्याचा उपयोग व्हायला हवा. वाहतूक नियोजन हे क्षेत्र कृत्रिम बुद्धिमत्तेच्या उपयोगाकरता सर्वांत सार्थ असेल याबद्दल नियोजन संशोधकांमध्ये सहमती आहे. वाहतूक नियोजन करताना बऱ्याच वेगळ्या पद्धतीच्या माहितीचा वापर होतो. त्याचबरोबरीने नियोजन आराखडा तयार करताना मोठी गणनक्षमता वापरली जाते. कृत्रिम बुद्धिमत्ता वाहतूक नियोजन क्षेत्रात लागणारा भविष्यातील परिस्थितीचा अंदाज स्वयंचलितपणे करू शकते. वाहतूक नियोजनामध्ये वेगवेगळे सेन्सर्स वापरले जातात ते सद्य परिस्थितीतल्या वाहतुकीची माहिती पुरवतात. या माहितीचं विलेषण करून कुठे वाहतूक कोंडी होऊ शकते याचं भाकीत करणं कृत्रिम बुद्धिमत्तेच्या मदतीने शक्य होतं. त्याचबरोबरीने लोकसंख्येच्या वर्गीकरणावरून कुठल्या प्रकारच्या वाहनांचा वापर वाढेल आणि त्यानुसार कसं वाहतूक नियोजन करावं लागेल हे सादर करता येतं. त्यानुसार वाहतूक नियोजन आराखडा तयार करून नियोजक सरकारला कुठल्या प्रकल्पांमध्ये गुंतवणूक करावी लागेल आणि किती गुंतवणूक करावी लागेल हे सांगू शकतात.

याचा आणखी एक उपयोग सार्वजनिक वाहतुकीचं सुसूत्रीकरण हा असू शकतो. कृत्रिम बुद्धिमत्ता सध्याचं वेळापत्रक आणि भविष्यातील गरजेचा अंदाज यांची सांगड घालून नवीन मार्गिका आणि नवीन वेळापत्रक तयार करू शकते. त्यामध्ये ज्यांच्याकडे स्वतःची वाहनं नाहीत अशा नागरिकांची सोय पाहिली जाऊ शकते. त्यांना हवी असलेली बस सध्या कुठे आहे ते ठिकाण, रस्त्यावरील वाहतूक, राहिलेलं अंतर यानुसार कृत्रिम बुद्धिमत्ता ती बस पोहोचायला किती वेळ लागेल याची माहिती स्थानकावर उभ्या असणाऱ्या प्रवाशांना पुरवू शकते. सार्वजनिक वाहतूक नियोजकांना त्यांचे मार्ग अधिक चांगले कसे आखता येतील, ज्यायोगे त्यांच्या इंधनाची बचत होईल आणि प्रदूषण कमी करता येईल, याचं विलेषण कृत्रिम बुद्धिमत्ता पुरवू शकते.

हेही वाचा - एआयचा जमाना: देखिले डोळा, खरे खोटे समजेना

वाहतूक नियोजनामध्ये कृत्रिम बुद्धिमत्ता वापराचं आणखी एक उदाहरण अमेरिकेतील वायोमिंग राज्यातल्या जॅक्सन होल शहरातलं आहे. तिथे नियोजकांनी सीसीटीव्ही आणि कृत्रिम बुद्धिमत्ता वापरून वाहनं आणि त्यांची जागा ओळखण्याची प्रणाली तयार केलेली आहे. कृत्रिम बुद्धिमत्तेला प्रशिक्षण देऊन अपघात शोधणं, वाहतूक कोंडी शोधणं आणि आणखी काही वाहतूक प्रश्न आहेत का ते शोधणं, हे काम दिलेलं आहे. या सर्व माहितीवरून नियोजक एखादा मार्ग किंवा चौक अधिक समस्याप्रधान आहे का, ते शोधतात आणि त्यानुसार उपाययोजना करतात.

वाहतूक नियोजनाबरोबर जमीन वापराचं नियोजनही तितकंच महत्त्वाचं असतं. जमीन वापराचं नियोजन एका मध्यवर्ती संस्थेकडून होत असतं. आपल्याकडे कधी कधी ते काम नगरपालिका किंवा महानगरपालिका करतात. काही ठिकाणी या कामाकरता स्वतंत्र संस्था असतात. नागरी विकास आराखडा तयार करण्याचं काम अशाच संस्था करतात. नागरी नियोजक आराखडे तयार करताना जमीन वापराचे नियम बदलून नागरिकांचं वर्तन बदलेल का आणि ते बदललं तर त्याचा चांगला परिणाम होईल का, हे ध्यानात ठेवून नियोजन करतात. त्याकरता ते सध्याची स्थिती जाणून घेतात. कुठे रहिवासी भाग आहे, कुठे कारखाने आणि औद्योगिक भाग आहे, कुठे इतर व्यवसाय आहेत; शाळा, कॉलेज आणि इतर शैक्षणिक संस्था, त्याचबरोबरीने बागा आणि उद्यानं कुठे आहेत हे बघितलं जातं. मग भविष्यातली लोकसंख्या आणि रोजगार यांच्या दृष्टिकोनातून या सगळ्यांची स्थिती पाहिली जाते. १०-२० वर्षांनंतरच्या लोकसंख्येला आहे ती शहरातली जागा पुरणार नाही असं वाटत असेल तर शहराचा विस्तार कसा करता येईल, की जेणेकरून नागरिकांना गर्दी, प्रदूषण अशा समस्यांचा सामना करावा लागणार नाही हे विचारात घेतलं जातं.

आता काही ठिकाणी भविष्यात लोकसंख्या कमी होऊ शकते असं दिसू लागलं आहे. मग अशा वेळेस लोकसंख्येतलं तरुण आणि वृद्धांचं प्रमाणही पाहिलं जातं. भविष्यात वृद्धांचं प्रमाण अधिक असेल असं वाटलं तर त्यानुसार त्यांना सोयीचं असणारं जमीन वापराचं नियोजन केलं जातं.

जमीन वापर नियोजनामध्ये सध्याच्या जमीन वापराबद्दल नियमावलीही तयार केली जाते. कुठल्या भागात किती उंचीच्या इमारती बांधता येतील, तेथील व्यवस्थेवर ताण येऊ ना देता किती लोकांना त्या भागात राहता येईल, रहिवासी भागाजवळ कुठल्या स्वरूपाचे व्यवसाय करता येतील, यांसारख्या गोष्टींबद्दल नियमावली तयार असते. उदाहरणार्थ, शाळेपासून एका विशिष्ट अंतरापर्यंत मद्यविक्रीचं दुकान काढता येणार नाही असा नियम. जमीन वापराच्या नियोजनामुळे वाहतुकीचा एक नमुना तयार होतो. हा नमुना वाहतूक नियोजन करताना सुरुवात म्हणून वापरात येतो. व्यावसायिक क्षेत्रं आणि रहिवासी भाग जोडण्याकरता मोठे रस्ते करणं, किंवा सार्वजनिक वाहतुकीची सोय करणं याचा अंतर्भाव यात होतो. त्याचबरोबर वाहतूक नियोजनामध्ये काही निर्णय घेतले जातात त्यांचा परिणाम जमीन वापर नियोजनावर होतो. उदा. नवीन मेट्रो लाइनचं नियोजन शहराच्या कमी लोकवस्तीच्या भागात होणं. यामुळे त्या भागात रहिवासी क्षेत्र उभारणीला सवलती दिल्या जातात आणि त्यानुसार जमीन वापराचं नियोजन केलं जातं. शहरांचा नागरी विकास आराखडा हा या सगळ्या नियोजनाची सुरुवात म्हणता येईल.

जमीन वापर नियोजकांमध्ये कृत्रिम बुद्धिमत्तेबद्दल एकाच वेळेस उत्साह आणि सावधगिरीही दिसते. छोट्या भागाकरता जमीन नियोजनाचे आराखडे तयार करायचं काम कृत्रिम बुद्धिमत्तेमार्फत करण्याचे प्रयत्न सुरू झालेले आहेत. त्यानुसार वेगवेगळे नियोजन आराखडे कृत्रिम बुद्धिमत्तेला अभ्यासण्याकरता देण्यात येतात. त्यामध्ये कुठल्या भागाकरता कुठला आराखडा चांगला आहे आणि कुठला वाईट अशी माहिती दिली जाते. ही माहिती शिकून कृत्रिम बुद्धिमत्ता दिलेल्या भागाचा आराखडा तयार करते. तो बरोबर की चूक याची माहिती दिली जाते. या प्रक्रियेची अनेक वेळा पुनरावृत्ती केली जाते. या पुनरावृत्तीमधून कृत्रिम बुद्धिमत्ता शिकते आणि अधिकाधिक सुधारित आराखडे तयार होतात. मात्र, हे करत असताना पुरवलेली माहिती बरोबर आहे ना याचं भान असणं गरजेचं आहे. त्यासाठी अधिकाधिक डेटा गोळा करण्याचे नियोजकांचे प्रयत्न सुरू आहेत. हा डेटा वेगवेगळ्या प्रकारचा असू शकतो. वर पाहिलं तसं आपला स्मार्ट फोन म्हणजे असा डेटा पुरवण्याचं एक उत्तम साधन झालेला आहे. या माहितीच्या आधारे नियोजक कृत्रिम बुद्धिमत्तेला प्रशिक्षण देऊन एखाद्या भागात कसे लोक आहेत आणि त्यानुसार कसं नियोजन करता येईल याचे वेगवेगळे पर्याय मिळवू शकतात. एकाच वेळेस एक-एक इनपुट बदलून कृत्रिम बुद्धिमत्तेच्या साहाय्याने वेगवेगळे नियोजन आराखडे तयार करता येऊ शकतात. यामुळे नियोजकांच्या कामाचा वेग वाढतो.

हेही वाचा - एआय टूल्स : कितपत विश्वासार्ह?

नियोजन प्रक्रियेमध्ये एक महत्त्वाची पायरी म्हणजे लोकसहभाग, लोकांची मतं आणि अभिप्राय जाणून घेणं. नियोजन मूलतः इटरेटीव्ह प्रक्रिया असल्याने लोकसहभाग - कच्चा नियोजन आराखडा - लोकसहभाग - अंतिम आराखडा अशा पायऱ्या वापरल्या जातात. सध्या लोकसहभाग पायरीमध्ये लोकांना कच्चा आराखडा दिला जातो, त्याच्यावरच्या त्यांच्या टिप्पण्या गोळा केल्या जातात आणि मग त्या नवीन आवृत्तीमध्ये अंतर्भूत केल्या जातात. ही बरीच वेळखाऊ प्रक्रिया असते. भविष्यात कृत्रिम बुद्धिमत्तेच्या साहाय्याने या लोकसहभागाच्या पायरीचं स्वरूप बदलून ती अधिक परस्परसंवादी (इंटरॲक्टिव्ह) बनवता येईल. लोकांना हवे ते बदल संगणकामार्फत कृत्रिम बुद्धिमत्तेपर्यंत पोचवता येतील. कृत्रिम बुद्धिमत्ता ते बदल लगेचच नियोजन आराखड्यात अंतर्भूत करून नवीन आकृत्या किंवा नकाशे तयार करू शकेल. या छोट्याशा बदलामुळे पूर्ण आराखडा कसा बदलेल आणि अंतिम परिणाम काय असतील हे दिसू शकेल. त्यामुळे ते बदल अंतर्भूत करायचे की नाही याचा निर्णय तत्परतेने घेतला जाऊ शकेल.

ही झाली मोठ्या स्वरूपाची कृत्रिम बुद्धिमत्तेच्या वापराची उदाहरणं. पण छोट्या छोट्या बाबींमध्ये कृत्रिम बुद्धिमत्तेचा वापर अधिकाधिक प्रमाणात होऊ लागलेला दिसतो. अमेरिकेतील न्यू जर्सी राज्यात वीज, पाणी, नैसर्गिक वायू यांचं नियोजन करणारी संस्था ऊर्जा वापराचा नियोजन आराखडा करत होती. त्यांना त्याकरिता संपूर्ण राज्यातील व्यावसायिक वापराच्या आणि २५,००० चौ. फुटांपेक्षा अधिक जागा असलेल्या इमारतींची माहिती हवी होती. त्यांनी नियोजन संशोधकांबरोबर कृत्रिम बुद्धिमत्तेच्या साहाय्याने एक प्रणाली निर्माण केली. त्यामार्फत अशा इमारतींची माहिती मिळवली गेली.

दुसरं उदाहरण अलाबामा राज्यातील टस्कलूसा शहरातलं. या शहरात नियोजकांनी कचऱ्याच्या गाड्यांच्या मागे कॅमेरे बसवले. मग कृत्रिम बुद्धिमत्तेला प्रशिक्षण देऊन त्या कॅमेऱ्यांनी काढलेले व्हिडिओ विलेषित केले. त्या विलेषणातून बंद असलेली घरं, डागडुजीची गरज असलेल्या इमारती, कचरा आणि रान माजलेलं अंगण असणारी घरं, असे सगळे भाग आणि त्यांचे पत्ते घेतले गेले. त्यानंतर पालिकेतील कर्मचाऱ्यांनी अशा घरांच्या डागडुजीसाठी, स्वच्छतेसाठी उपाययोजना राबवल्या. अशा जागा शोधण्यासाठी कर्मचाऱ्यांना सर्व शहरात फिरावं लागलं असतं तर त्यात खूप वेळ गेला असता आणि अधिक मनुष्यबळही लागलं असतं. कृत्रिम बुद्धिमत्तेच्या वापरातून हे सर्व काम कमी वेळात आणि अधिक परिणामकारकरीत्या करता आलं.

शहर नियोजनाचं कार्य पूर्णपणे कृत्रिम बुद्धिमत्तेच्या ताब्यात देऊ नये याबद्दल नियोजकांमध्ये अजून तरी सहमती दिसते. नागरी नियोजन हे सर्व नागरिकांकरिता असतं आणि प्रत्येक ठिकाणाची गरज वेगवेगळी असू शकते. त्यामुळे कुठल्याही निर्णयप्रक्रियेत मनुष्यसहभाग हा महत्त्वाचा असणार आहे. कृत्रिम बुद्धिमत्ता आणि नियोजक यांच्या परस्पर सहकार्यातून नियोजन प्रक्रिया त्रुटीविरहित आणि वेगवान होण्यास मदत होईल, असं सध्या या क्षेत्रातल्या तज्ज्ञांचं म्हणणं आहे.

आज नगर नियोजन आणि कृत्रिम बुद्धिमत्ता यांची भागीदारी प्रायोगिक पातळीवर आहे, पण भविष्यात चंदिगडसारखं शहर वसवायचं झालं तर तिथे कुठल्या कामांकरिता कृत्रिम बुद्धिमत्ता वापरता येईल आणि त्यामुळे काय फायदे होऊ शकतील याचा अंदाज बांधणं फारसं अवघड ठरू नये.

(अनुभव, जून २०२५च्या अंकातून साभार.)