סיקור מקיף

קהל ממוחשב

הם נעים מהר או לאט, נפרדים ונפגשים, עוצרים לרגע או לשעה, חוזרים על עקבותיהם – ואת הכל ניתן לנבא. על התנהגותן של קבוצות ויישומי בינה מלאכותית לניתוחן

ישראל בנימיני, גלילאו גיליון 106, יוני 2007

קהל ממוחשב
קהל ממוחשב

קהל הוא יותר פשוט מאדם אחד
באתר ציבורי יש בדרך-כלל אנשים רבים. חלקם בודדים וחלק נעים יחד בקבוצות. הם נעים מהר או לאט, נפרדים ונפגשים, עוצרים לרגע או לשעה, חוזרים על עקבותיהם – בקיצור, אם נתרכז בדמות אחת, לא נוכל לנבא את צעדה הבא. אף על פי כן, כידוע למתכנני אתרים כאלה – קניונים, מוזיאונים, אולמות ספורט וכו' – אפשר לנבא באמינות טובה את התנהגות הקהל: כמה מהם יהיו באתר, כמה זמן בממוצע יתעכבו בחלקי האתר השונים וכו'. לקוראי מדע בדיוני טענה זו מוכרת מסדרת ספרי "המוסד" של סופר המדע הבדיוני אייזק אסימוב (Asimov), כבסיסה של ה"פסיכוהיסטוריה". משוואותיה של הפסיכוהיסטוריה מאפשרות לכמה מגיבוריו של אסימוב לחזות את העתיד להתרחש, אפילו אלפי שנים קדימה, אף שאינם יכולים לחזות מה יעשה אדם אחד אפילו בדקה הבאה. פסיכוהיסטוריה אינה קיימת כיום, ואולי לעולם לא תהיה קיימת. עם זאת, חיזוי של התנהגות קבוצתית משמש כבר כיום לא רק מתכנני מבנים ציבוריים (נושא טור זה) אלא גם כלכלנים, פרסומאים וסוציולוגים, המתעניינים בהתנהגותן של קבוצות גדולות הרבה יותר.

ציניקנים יקשרו את היכולת לנבא התנהגות קבוצה לאמרה "האינטליגנציה של קבוצה שווה לאינטליגנציה של הטיפש ביותר שבתוכה, מחולקת במספר האנשים בקבוצה" (יש המייחסים את האמרה לטרי פראצ'ט – Pratchett – מחבר סדרת ספרי "עולם הדיסק", אך נראה לי שהיא הופיעה כבר לפניו). טענה זו ודאי אינה מדעית, ואפשר גם לתת דוגמאות הפוכות: ממוצע של תחזיות מספריות של מומחים הוא לעתים קרובות מדויק יותר מאשר כל תחזית אינדיווידואלית. מכל מקום, זהו הסבר אפשרי לכך שקיימים כבר יישומי בינה מלאכותית לניתוח התנהגות קבוצתית.


סימולציה של פינוי המוני
סימולציה של פינוי המוני

אנו מעוניינים להפיק מתוך המודלים של התנהגות הקהל חיזוי מדויק יותר של המקומות שבהם יתרכזו המבקרים בבניין לפני אירוע החירום ובמהלכו

שרפה! שרפה!
כאשר מתברר שבבניין ציבורי פרצה שרפה, עלולה לפרוץ בהלה המונית שסכנתה חמורה בהרבה מסכנת השרפה עצמה. אף שרשויות עירוניות דורשות אמצעי בטיחות, כמו יציאות גדולות מספיק המסומנות בשלטים מוארים, בפועל עדיין מתרחשים אסונות. חלק מהסיבות לכך נובעות מהתנהגות אנושית: לעתים הנוכחים בבניין אינם מגיבים מיד אלא מחכים לראות כיצד יתפתח המצב ואיך יגיבו אחרים. כאשר כבר ברור הצורך בבריחה, אנשים נוטים לצאת מהכיוון שממנו נכנסו, אפילו כאשר יש סימון ברור של דרכי מילוט אחרות, וכן הם נוטים לרוץ באותו כיוון שבו אחרים רצים. נערכו מחקרים רבים המנתחים את שלבי התפתחות הפחד והבהלה, עיבוד המידע בשלבים השונים, מודלים של התנהגות מילוט, התנהגות ילדים במצבי חירום וכו'. בין השאר, ממצאים רבים נוגדים את התפישה הרווחת שלפיה במצבים אלה הפניקה שולטת, וכל אחד פועל רק לטובת עצמו תוך דריסת העומדים בדרכו: למעשה, במקרים רבים אנשים מחליטים יחד כיצד לפעול, ועוצרים כדי לעזור אפילו לזרים גמורים. עניין מחודש במחקרים אלה התעורר בעקבות הפיגוע במגדלי התאומים ב-9.11.2001.

איך אפשר לנצל ממצאים מחקריים אלו כדי לשפר את תכנון המבנים, אמצעי המילוט, אורות החירום וכו'? אנו מעוניינים להפיק מתוך המודלים של התנהגות הקהל חיזוי מדויק יותר של המקומות שבהם יתרכזו המבקרים בבניין לפני אירוע החירום ובמהלכו; לדעת את כיווני ההסתכלות שלהם כדי למקם נכון את אמצעי ההכוונה; לצפות את ההתנהגות של הרכבי מבקרים שונים, כמו משפחות עם ילדים, מבקרים עצמאיים או קבוצות מודרכות; ולבחון את ההשפעה של שינויים מוצעים בבניין ובאמצעי המילוט על כיווני ומהירות הפינוי.

בעולם המחשוב, יש כמה סוגים של טכנולוגיה לסימולציה של התנהגויות כאלה. סימולציה של תנועה קיימת בתחומים כמו תכנון קווי ייצור. אם נרצה בסימולציה של התנהגות בני-אדם לפי המידע הזמין להם (במקרה שלנו: ראיית עשן או אמצעי הכוונה, זיכרון של מסלולי יציאה שראה אותו אדם קודם לכן, צפייה בתגובותיהם של אחרים); הצרכים שלהם (תחושת הדחיפות של הצורך לצאת, רצון להישאר עם המשפחה, עזרה לאחרים); ותכונותיהם (למשל, אטיים או מהירים), נוכל למצוא מקור עשיר במשחקי מחשב. סוג אחד של משחקים כאלה הוא משחקי תפקידים (role-playing games), שבהם מופיעות דמויות רבות שהתנהגות חלקן נשלטת על-ידי המחשב (ראו "משחקים רציניים", "גליליאו" 83). סוג אחר הוא משחקי הניהול, כמו אלה שבהם השחקן בונה פארק שעשועים, גן-חיות, מרכז קניות וכו', והמחשב מניע מספר רב של דמויות בתוך אותו עולם ההולך ונבנה: אם השחקן מיקם נכון את החנויות, המתקנים, החנויות וכו', הדמויות יישארו זמן רב יותר בתוך אותו עולם ויוציאו יותר כסף – וירטואלי כמובן. במשחקי ה-Sims לדורותיהם קיימת התייחסות ספציפית למצבה ולרצונותיה של כל דמות.

אחד המאמצים בתחום זה נעשה באוניברסיטת אריזונה. צוות חוקרים בראשות יונג ג'ון-סון (Jun-Son) דיווח בכנס בנושאי סימולציה בשנה שעברה על מערכת לניתוח תגובת קהל על פיצוץ בשטח ציבורי פתוח בוושינגטון (קישור בסוף הכתבה). לצורך כך הוזן למחשב תיאור מפורט של מסלולים תלת-ממדיים – מדרגות, מדרכות וכו' – שבהם יכולות לנוע הדמויות, כמו גם של שטחים פתוחים המאפשרים תנועה חופשית לכל כיוון. כמקובל במדעי המחשב, כל דמות כזו נקראת "סוכן". התוכנה מייחסת לכל סוכן תיאור בשלושה תחומים שונים: אמונות, שאיפות וכוונות. "אמונות" הן המידע שיש לאותו סוכן על הקורה בסביבתו – מידע שאינו שלם ואף עשוי להיות שגוי. "שאיפות" הן המטרות שברצונו של הסוכן להשיג – למשל, להתרחק מהפיצוץ, אך גם להישאר עם הקבוצה. "כוונות" הן דרכי הפעולה שהסוכן ינקוט כדי להשיג את מטרותיו, בהתאם למידע שבידו. במאמר מובא תיאור מפורט של התהליך השולט בהתנהגותו של כל סוכן. דוגמה מתוך תיאור זה: עבור כל דמות, התוכנה תעקוב אחר תכונות כמו גיל, מצב בריאותי (שעשוי להיפגע עקב הפיצוץ או כתוצאה מנפילה תוך כדי בריחה), מיקום, רמת הפניקה, תפקיד (למשל שוטר או תייר) ונטייה למנהיגות. כאשר הסוכן מוצא את עצמו בתוך קבוצה כלשהי, הוא עשוי להיות המנהיג – החלטה שתתקבל לפי השוואת מצבו ונטייתו למנהיגות עם אלה של חברי הקבוצה האחרים. אם אינו "נבחר" כמנהיג, הוא ינוע אחרי המנהיג. אם הוא המנהיג, הוא ינוע לכיוון נקודת היציאה הקרובה ביותר הידועה לו לפי שדה הראייה שלו ולפי המסלול שעבר קודם לכן. אם לא ידועה לו נקודת יציאה, הוא יבחר כיווני תנועה עד שייתקל ביציאה או בשוטר שיוכל להנחות אותו אל היציאה.
כניסה לעולם המדומה

תכונה חשובה של מחקר זה היא השימוש ב"מציאות מדומה" – סימולציה ממוחשבת של סביבה, כך שאדם חש שהוא נמצא בתוך אותו עולם – בדרך-כלל על-ידי שימוש באמצעים כמו משקפיים היוצרים תמונה תלת-ממדית של הסביבה המדומה, בשילוב עם חיישני תנועה המאפשרים לאדם לנוע בצורה טבעית בתוך אותו עולם. שימוש זה מאפשר לחוקרים "להיכנס לעולם שיצרו" ולחוות את התהליכים הקורים בו, וכן לבדוק את תגובותיהם של משתתפים בניסוי בצורה מציאותית ואמינה, כדי לשפר את התאמת התנהגות ה"סוכנים" להתנהגותם הצפויה של בני-אדם אמיתיים במצב דומה.

סימולציה של קהל משמשת לא רק להיערכות למצבי חירום, אלא גם לתכנון מרכזי קניות, מוזיאונים וכו'. במעבדת המציאות המדומה של המכון השווייצי לטכנולוגיה, לדוגמה, פותחה תוכנה המאפשרת למשתמשים ליצור בקלות יחסית סצינות אמינות שבהן משתתפות דמויות רבות. תוכנה זו שימשה כדי לשחזר סצינות היסטוריות, כמו גם כלים להדרכה עבור אנשים הנדרשים להכווין קהל ולהתמודד עם מצבי חירום בשדות תעופה, אצטדיוני ספורט ועוד. בקישור שבסוף הכתבה אפשר לראות תמונות וסרטים המדגימים לא רק את התוצאות, אלא גם את המהירות שבה ניתן ליצור סימולציות אלו.



הגישה הנפוצה לספירת עצמים בתמונה דורשת זיהוי גבולות של אזורים בתמונה העשויים להיות עצמים "מעניינים"

ניתוח תנועות קהל אמיתי
עד כאן התייחסנו למצבים שבהם כבר ידועים מודלים של התנהגות הקהל, צפיפותו והרכבו, ואנו משתמשים בהם כדי ליצור סימולציות אמינות ולבחון תסריטים אפשריים. איך אפשר ליצור מודלים אלה? גם כאן ניתן להיעזר במחשב, והפעם בכלים מתחום הראייה הממוחשבת. הנתון הבסיסי ביותר הדרוש לנו הוא כמובן גודל הקהל: כמה אנשים נמצאים בבניין? כמה אנשים עוברים בפתח בכל דקה?

הגישה הנפוצה לספירת עצמים בתמונה דורשת זיהוי גבולות של אזורים בתמונה העשויים להיות עצמים "מעניינים", וניסיון לזהות כל אזור כזה כמתאים לעצם שאנו מחפשים או לחלקים מתוכו. גישה זו עשויה להיות אטית ולא-מדויקת כאשר אנשים בקהל מסתירים זה את זה, כאשר המצלמות רואות כל אדם מזווית אחרת, כאשר תנאי התאורה פוגעים באיכות התמונה וכו'. באוניברסיטת קיימברידג' בחרו גבריאל ברוסטו ורוברטו שיפולה (Brostow, Cipolla – קישור בסוף הכתבה) בשיטה אחרת: הם אינם מנתחים תמונות בודדות אלא סרטי וידיאו, ובמקום להזין למחשב תיאור של אדם כדי לחפש אזורים בתמונה המתאימים לתיאור זה, הם מחפשים אוסף של נקודות הנע יחד בתמונה. ראשית, הם מזהים בתמונות עוקבות "מסלולי זרימה". לצורך כך נדרשת תוכנה המסוגלת לזהות צירוף אופייני של כמה נקודות (למשל, גבול בין בהיר וכהה), המופיע בכמה תמונות עוקבות וזז רק במקצת בין תמונה לתמונה. אם נצייר את כל המסלולים, ייראה הדבר כאילו כל אדם שנקלט בסרט הווידיאו לבש על גופו אורות בצבעים שונים, וכל אור כזה השאיר את מסלולו על הציור שלנו. מה שנותר עתה הוא למצוא קבוצות של מסלולים כאלה הנשארות תמיד יחד, בעזרת טכניקות סטטיסטיות והסתברותיות. כל קבוצה כזו שייכת כנראה לאדם אחד – מסתבר כי שיטה זו מפרידה אפילו בין אנשים הצועדים שלובי זרוע. נספור את קבוצות המסלולים, ונדע כמה אנשים יש בתמונה. יש כאן הקבלה מעניינת לצורה שבה בעלי-חיים מסוימים מסוגלים לזהות עצם רק כאשר הוא זז – למעשה, גם בני-אדם מזהים מהר יותר ונכון יותר חפצים כאשר הם נעים.

שיטה זו מתאימה כמובן לספירת כל אוסף של עצמים נעים, ואכן, אותה תוכנה שימשה גם לספירת דבורים בכוורת. עצם הכלליות של השיטה עשויה להיות בעוכריה: ציפורים, כלבים ומכוניות בתמונה עשויים להיספר כאילו היו אנשים, בעוד שאנשים שאינם זזים יהיו "בלתי נראים". למרות זאת, התוכנה הגיעה לדיוק מרשים של 94% באמינות הספירה. כרגע היא מוגבלת לכמה עשרות אנשים, כך שהיא לא תוכל לפתור את הוויכוחים הנצחיים על מספר המשתתפים בהפגנות…

לשימוש בסרטי וידיאו לצורך ספירה יש השלכה נוספת: אם נניח כי בדרך-כלל כיוון המבט הוא כיוון ההליכה, נוכל גם לדעת לאן מביטה כל דמות שקלטה המצלמה. באחד הסרטים שהופקו בשיטה זו, מסכמת התוכנה את כיווני התנועה של כל הדמויות, כאילו כל דמות כיוונה פנס ישר קדימה. כך מקרינה התוכנה תאורה על החלל שבו נע הקהל, כך שהאזורים הנמצאים בכיוון המבט של דמויות רבות מוארים יותר מהאזורים שלכיוונם מסתכלים רק מעטים. התוצאה יכולה לעזור למתכנני הבניין להחליט היכן למקם שלטי הנחיה, פרסומות וכו'.

כיום יותר ויותר שטחים ציבוריים נמצאים תחת מעקב שוטף של מצלמות וידיאו, המשמשות לצרכים שונים כמו אבטחה, בקרה ותקשורת. השימושים שתוארו כאן מבשרים שימוש במצלמות אלו לטובת האנשים המשתמשים בשטח הציבורי, אם על-ידי תכנון טוב יותר של מילוט במצבי חירום ואם על-ידי עזרה למנהלי המקום לתכנן ולצייד אותו בצורה המתאימה יותר לקהל.
קישורים

סימולציית התנהגות קהל לאחר פיצוץ
סימולציות קהל מהמכון השווייצי לטכנולוגיה
ספירת קהל

ישראל בנימיני עובד בחברת ClickSoftware בפיתוח שיטות אופטימיזציה מתקדמות.

שיתוף ב print
שיתוף ב email
שיתוף ב whatsapp
שיתוף ב linkedin
שיתוף ב twitter
שיתוף ב facebook

כתיבת תגובה

האימייל לא יוצג באתר.

לוגו אתר הידען
דילוג לתוכן