1. Manba ish boshidan oxirigacha ko‘rib chiqildimi? Ha; 20 sahifaning barchasi, 1-jadval, 1-rasm, xulosalar, muallif bayonotlari va adabiyotlar ro‘yxati ko‘rib chiqildi. 2. Manbaning ilmiy turi to‘g‘ri belgilanganmi? Ha; yangi tajriba yoki ma’lumotlar tahlili emas, adabiyotga asoslangan Perspective maqolasi. 3. Bibliografik identifikatsiya tasdiqlandimi? Ha; sarlavha, mualliflar, muassasalar, DOI, jurnal, sana va litsenziya tekshirildi. 4. Manbada bo‘lmagan tajribaviy yoki miqdoriy natija qo‘shildimi? Yo‘q. 5. Manbada formula bordek tenglama yaratildimi? Yo‘q; ish markaziy matematik formula taqdim etmaydi. 6. Adabiyotdan keltirilgan misollar bilan mualliflarning o‘z topilmalari ajratildimi? Ha. 7. Mashinaviy o‘rganish betaraf yoki avtomatik ravishda adolatli tizim sifatida ko‘rsatildimi? Yo‘q; manbadagi ijtimoiy-texnik boshqaruv yondashuvi saqlandi. 8. Algoritmik tarafkashlik, taqsimot siljishi, proksi o‘zgaruvchilar, kalibrlash va qayta aloqa sikllari tushuntiriladimi? Ha. 9. Mahalliy va tubjoy bilimning chetlatilishi bilan bog‘liq har bir misol noto‘g‘ri tarzda ML sababli deb ko‘rsatildimi? Yo‘q; manbaning sababiy farqlashi saqlandi. 10. 1-rasmning muhim ilmiy tuzilmasi ko‘rinadigan HTML/SVG obyekt sifatida qayta yaratildimi? Ha; mustaqil, masshtabsiz va semantik jihatdan teng Verianla sxemasi qo‘llandi. 11. Ish qo‘llab-quvvatlaydigan va qo‘llab-quvvatlamaydigan xulosalar aniq ajratildimi? Ha. 12. HTML tuzilmasi CKEditor va tarjima xavfsizligi nuqtayi nazaridan tekshirildimi? Ha; script, iframe, tashqi rasm, bajariluvchi JavaScript yoki manbadan tashqari ma’lumot yo‘q.

Yashil infratuzilma (Green Infrastructure, GI), tabiiy va yarim tabiiy hududlar ekologik, iqlimiy, ijtimoiy va sog‘liq bilan bog‘liq foydalarni ta’minlaydigan tarzda strategik rejalashtiriladigan shahar infratuzilmasi yondashuvidir. Umberto Baresi va Alessio Russo’ning Perspective maqolasi mashinaviy o‘rganish (Machine Learning, ML) yashil infratuzilmani rejalashtirishda ijtimoiy va fazoviy tenglikni qo‘llab-quvvatlash uchun qanday qo‘llanishi mumkinligini; ayni texnologiya noto‘g‘ri ma’lumot, noto‘g‘ri optimallashtirish maqsadlari yoki yetarli bo‘lmagan boshqaruv sharoitida mavjud tengsizliklarni qanday qayta ishlab chiqarishi mumkinligini o‘rganadi.

Ish yangi mashinaviy o‘rganish modelini ishlab chiqmaydi, yangi ma’lumot to‘plamaydi va tajribaviy samaradorlik taqqoslashini o‘tkazmaydi. Buning o‘rniga yashil infratuzilmani rejalashtirish, shahar fazoviy tahlili, sun’iy intellekt etikasi, ekologik adolat va ishtirokchi boshqaruv sohalaridagi adabiyotni rejalashtirishga yo‘naltirilgan doirada birlashtiradi.

Mualliflar mashinaviy o‘rganish yashil infratuzilmani rejalashtirishda uchta asosiy vazifani bajarishi mumkinligini ta’kidlaydi: tavsifiy foydalanish mavjud tengsizliklar va fazoviy naqshlarni xaritalashi mumkin; bashoratli foydalanish issiqlik, suv toshqini, o‘simlik stressi yoki boshqa ekologik zaifliklarni bashorat qilishi mumkin; tavsiyaviy/ko‘rsatma beruvchi foydalanish esa joy tanlash, investitsiya ustuvorligi va turli ssenariylar orasidagi tanlovlarni qo‘llab-quvvatlashi mumkin.

Mashinaviy o‘rganishning kuchli tomoni — sun’iy yo‘ldosh tasvirlari, ko‘cha tasvirlari, harakatchanlik ma’lumotlari, ijtimoiy-iqtisodiy ma’lumotlar va ekologik ko‘rsatkichlar kabi katta va xilma-xil ma’lumot manbalarini bitta tahlil ichida qayta ishlay olishi. Bu imkoniyat ko‘rinadigan yashillik, yashil hududga kirish, issiqlik ta’siri, ekotizim xizmatlari va zaif aholi guruhlari ehtiyojlari kabi ko‘plab omillarni birgalikda baholashga yordam berishi mumkin.

Biroq ish mashinaviy o‘rganishdan foydalanish o‘z-o‘zidan tenglik yaratmasligini alohida ta’kidlaydi. Tarixiy investitsiya tengsizliklarini o‘z ichiga olgan o‘quv ma’lumotlari, ijtimoiy-iqtisodiy holatni bilvosita kodlaydigan proksi o‘zgaruvchilar, to‘liq bo‘lmagan raqamli vakillik, noto‘g‘ri kalibrlash, ma’lumot taqsimotidagi o‘zgarishlar va qayta aloqa sikllari modelning o‘tgan tengsizliklarni yangi rejalashtirish qarorlariga olib kirishiga sabab bo‘lishi mumkin.

Mualliflarning asosiy tavsiyasi mashinaviy o‘rganishni mustaqil qaror qabul qiluvchi emas, balki ijtimoiy-texnik boshqaruv tizimining tarkibiy qismi sifatida qo‘llashdir. Yakuniy maqsad funksiyalari, “adolatli” deb qabul qilinadigan natijalar va qaysi guruhlarga ustuvorlik berilishi faqat algoritmlar tomonidan belgilanmasligi; jamiyat, davlat muassasalari, mutaxassislar va ta’sirlangan guruhlar tomonidan ochiq muhokama qilinishi kerak.

Ish tenglikning uch o‘lchovini birgalikda ko‘rib chiqadi: taqsimot tengligi foyda va zararlar kimlarga va qaysi joylarga taqsimlanishini; protseduraviy tenglik qarorlarni kim va qanday jarayonlar bilan qabul qilishini; vakillik tengligi esa “foyda” va “zarar” ta’riflarida qaysi bilimlar, qadriyatlar va dunyoqarashlar vakillik qilishini so‘raydi.

Xulosa qilib, ish ML qo‘llab-quvvatlaydigan yashil infratuzilma rejalashtirishini to‘rtta asosiy tamoyilga tayashni taklif qiladi: tavsifiy, bashoratli va tavsiyaviy ML qo‘llanmalarini bir-biridan ajratish; ma’lumot manbalari, farazlar va noaniqliklarni ochiq hujjatlashtirish; tenglik bilan bog‘liq murosalarni ta’sirlangan hamjamiyatlar bilan birga muhokama qilish; amalga oshirilgan yashil infratuzilma vaqt o‘tishi bilan haqiqatan ham tengsizliklarni kamaytiradimi-yo‘qmi kuzatish.

Yashil infratuzilma nima?

Yashil infratuzilma tushunchasi tabiatni muhofaza qilish rejalashtirishi va landshaft ekologiyasi bilan bog‘liq uzoq tarixga ega bo‘lsa-da, 2000-yillarning boshidan rejalashtirish adabiyotida ko‘proq ko‘rina boshlagan.

Dastlabki yondashuvlarda yashil infratuzilma asosan yashash muhiti bog‘liqligi, biologik xilma-xillikni muhofaza qilish, ekotizim funksiyalari va keyinchalik ekotizim xizmatlari doirasida ko‘rib chiqilgan.

Yangi yondashuv esa yashil infratuzilmani faqat daraxtlar, bog‘lar yoki yashil koridorlar yig‘indisi sifatida ko‘rmaydi. Yashil infratuzilma inson xulq-atvori, boshqaruv, ijtimoiy tenglik, infratuzilma tizimlari va ekologik jarayonlarning o‘zaro ta’siri doirasida baholanadi.

Ish qo‘llagan ijtimoiy-ekologik-texnik tizimlar (Socio-Ecological–Technical Systems, SETS) yondashuvi ham shu kengayishni ifodalaydi. SETS fikrlashida shahardagi tabiiy tizimlar, odamlar va texnik infratuzilma bir-biridan mustaqil emas, balki o‘zaro ta’sir hosil qiluvchi tarkibiy qismlardir.

Bio-inklyuzivlik va bio-integratsiya nimani anglatadi?

Ish zamonaviy yashil infratuzilma ta’riflari ikki umumiy yo‘nalish atrofida to‘planishini bayon qiladi.

• Bio-inklyuzivlik (bio-inclusivity): O‘zaro bog‘langan tabiiy hududlar, ochiq makonlar va ekologik aloqalarni oldinga chiqaradigan yondashuv.
• Bio-integratsiya (bio-integration): Bir nechta ekotizim xizmatlarini yaratish maqsadida tabiiy va yarim tabiiy tizimlarni strategik rejalashtirishga ongli ravishda qo‘shishni ta’kidlaydi.

Bu ikki yondashuv bir-birini butunlay istisno qilishi shart emas. Farq yashil infratuzilma qaysi rejalashtirish mantiqi bilan ta’riflanishini tushunishga yordam beradi.

Yashil infratuzilma har bir mamlakatda bir xil narsani anglatadimi?

Yo‘q. Manba ish yashil infratuzilma tushunchasi siyosiy kontekstga qarab turlicha ishlatilishi mumkinligini ta’kidlaydi.

Amerika Qo‘shma Shtatlarida tushuncha ko‘pincha yomg‘ir suvlarini boshqarish bilan bog‘lanadi, Kanadada iqlimni yumshatish va moslashuv hamda suvga doir ekologik sifat o‘lchovlari ko‘proq ko‘rinadi. Avstraliyada iqlimni yumshatish, moslashuv va ekologik bog‘liqlik bilan bog‘liq asosiy shahar infratuzilmasi sifatida qaralishi mumkin. Yevropa Ittifoqi kontekstida esa biologik xilma-xillik va shahar ekotizimlarini rivojlantirish bilan bog‘lanadi.

Bu farq muhim, chunki mashinaviy o‘rganish modeli “yashil infratuzilma muvaffaqiyati” sifatida optimallashtiradigan o‘zgaruvchilar ishlatilayotgan siyosiy ta’rifga qarab o‘zgarishi mumkin.

Yashil Infratuzilmada Tenglik Nimani Anglatadi?

Yashil infratuzilmada tenglik faqat bog‘lar yoki daraxtlarni shahar yuzasida teng miqdorda taqsimlash emas; qaysi hamjamiyatlar ekologik, iqlimiy va sog‘liq foydalariga kira olishini, qaror jarayonida kimlar qatnasha olishini va qaysi bilim hamda qadriyatlar rejalashtirish qarorlarida vakillik qilishini birgalikda baholashni talab qiladi.

Yashil hududning mavjudligi bilan uning foydasiga kirish bir xil narsa emas

Mahallada bog‘ mavjudligi o‘sha mahallada yashovchi barcha odamlar bog‘ foydalaridan teng darajada foydalana olishini anglatmaydi.

Ish kirish faqat fizik masofa bilan tushuntirilmasligini ta’kidlaydi. Institutsional qoidalar, harakatchanlik imkoniyatlari, iqtisodiy sharoitlar, xavfsizlik idroki, hududning fizik sifati va foydalanish shakllari real kirishga ta’sir qilishi mumkin.

Shu sababli xaritada “yashil hududga yaqin” ko‘ringan aholi kundalik hayotda o‘sha hududdan oson, xavfsiz va mazmunli foydalana oladi deb avtomatik ravishda qabul qilib bo‘lmaydi.

Taqsimot tengligi

Taqsimot tengligi, yashil infratuzilmaning foydalari va ehtimoliy zararlarining turli mahallalar va ijtimoiy guruhlar o‘rtasida qanday taqsimlanishini o‘rganadi.

Masalan, shahar daraxtzorlashtirishining sovitish foydasi faqat yuqori daromadli mahallalarda to‘plansa, shahar bo‘yicha umumiy daraxt soni oshgan bo‘lsa ham taqsimot jihatidan tenglik muammosi davom etishi mumkin.

Protseduraviy tenglik

Protseduraviy tenglik, faqat qaror natijasiga emas, qaror qanday shakllantirilganiga qaraydi.

Qaysi maqsadlarni optimallashtirishni kim hal qilgan? Qaysi hamjamiyatlar fikr bildira olgan? Model qabul qilgan xavf darajasi kim tomonidan belgilangan? Rejalashtirish jarayonidagi odamlar model farazlariga e’tiroz bildira oladimi?

Bu savollar mashinaning texnik aniqligidan farq qiladi. Juda aniq ishlaydigan bashorat modeli qaror jarayoni demokratik yoki inklyuziv bo‘lmasa protseduraviy tenglikni ta’minlay olmaydi.

Vakillik tengligi

Vakillik tengligi, qaysi odamlar, bilim tizimlari, madaniy qadriyatlar va hayotiy tajribalar model tomonidan ko‘rinadigan deb qabul qilinishini so‘raydi.

Hamjamiyat uchun madaniy ahamiyatga ega hudud modelning standart ma’lumotlar bazalarida hech qanday sonli o‘zgaruvchi bilan ifodalanmasligi mumkin. Bu holat ushbu qadriyat ahamiyatsiz ekanini emas, balki ishlatilayotgan hisoblash kategoriyasiga oson o‘girilmasligini ko‘rsatishi mumkin.

Yashil infratuzilmaning foydalari qanday?

Manbada muhokama qilingan adabiyotga ko‘ra yashil infratuzilma turli kontekstlarda:

• shahar haroratini pasaytirishga,
• yomg‘ir suvini tartibga solishga,
• biologik xilma-xillikni qo‘llab-quvvatlashga,
• havo sifati bilan bog‘liq foydalarga,
• soyalash va termal qulaylikka,
• ruhiy salomatlik va umumiy farovonlikka,
• yashash muhitini ta’minlashga

hissa qo‘shishi mumkin.

Biroq ish yashil infratuzilmani faqat ijobiy ta’sir beradigan aralashuv sifatida taqdim etmaydi. Kontekstga qarab allergenlarga ta’sirlanish, vektor orqali yuqadigan kasallik xavfi yoki istalmagan mikroiqlimiy ta’sirlar kabi ekotizim zararlar yoki salbiy qo‘shimcha ta’sirlar ham baholanishi kerak.

“Ko‘proq yashil” har doim “ko‘proq adolatli” deganimi?

Yo‘q. Shahardagi umumiy yashil hudud miqdorining oshishi bu hududlar foydalari zaif yoki tarixiy jihatdan noqulay guruhlarga yetib borayotganini o‘z-o‘zidan ko‘rsatmaydi.

Shu sababli ish rejalashtirishda faqat “qancha yashil infratuzilma yaratildi?” emas, balki “kim foyda ko‘radi, kim kira oladi, qanday zararlar yuzaga keladi va qaror jarayonida kim qatnashdi?” degan savollar ham berilishi kerakligini ta’kidlaydi.

Mashinaviy O‘rganish Yashil Infratuzilmani Rejalashtirishda Nima Qila Oladi?

Mashinaviy o‘rganish yashil infratuzilmani rejalashtirishda katta va xilma-xil ma’lumot manbalarini qayta ishlab, mavjud fazoviy tengsizliklarni xaritalashi, ekologik xavf va zaifliklarni bashorat qilishi, turli rejalashtirish ssenariylarini baholashi va bir nechta maqsad orasida ustuvorlik berishni qo‘llab-quvvatlashi mumkin; biroq qaysi maqsad optimallashtirilishi kerakligini o‘zi belgilay olmaydi.

Sun’iy intellekt, mashinaviy o‘rganish va chuqur o‘rganish o‘rtasidagi farq

Manba ish tushunchalarni aniq ajratadi.

Sun’iy intellekt (Artificial Intelligence, AI), idrok, bashorat, mulohaza yuritish yoki qarorlarni qo‘llab-quvvatlash kabi vazifalarni bajaradigan hisoblash tizimlari uchun ishlatiladigan kengroq tushuncha.

Mashinaviy o‘rganish (Machine Learning, ML), tasniflash, bashorat, klasterlash va optimallashtirish kabi vazifalar uchun ma’lumotlardan naqshlarni o‘rganadigan usullarni anglatadi.

Chuqur o‘rganish (Deep Learning, DL) esa mashinaviy o‘rganishning kichik sohasi bo‘lib, ish muhokama qilayotgan kontekstda ayniqsa masofadan zondlash, ko‘cha tasvirlarini tahlil qilish va o‘simlik qoplamini tasniflash kabi tasvirga asoslangan vazifalarda qo‘llanishi mumkin.

Manba maqolaning asosiy e’tibori MLga qaratilgan. AI atamasi kengroq etik va boshqaruv muhokamalarida ishlatiladi.

Mashinaviy o‘rganish va GIS bir xil narsami?

Yo‘q. Geografik Axborot Tizimlari (Geographic Information Systems, GIS), fazoviy va atribut ma’lumotlarini saqlash, qayta ishlash, birlashtirish va xaritalashga mo‘ljallangan vositalar majmuasidir.

Mashinaviy o‘rganish GIS jarayonlariga tasniflash, bashorat, yuqori o‘lchamli ma’lumotlarni qayta ishlash va optimallashtirish imkoniyatlarini qo‘shishi mumkin.

Manba ish ML va AI fazoviy rejalashtirishda GISning analitik imkoniyatlarini kengaytirishi mumkinligini muhokama qiladi; biroq oddiy GIS tahlili yetarli bo‘lgan har bir holatda ML ishlatilishi kerakligini da’vo qilmaydi.

ML qaysi holatlarda haqiqatan foydali bo‘lishi mumkin?

Manba ishga ko‘ra mashinaviy o‘rganish quyidagi ehtiyojlar mavjud rejalashtirish muammolarida ayniqsa foydali bo‘lishi mumkin:

• tasvir tasniflash,
• yuqori o‘lchamli ma’lumotlarni birgalikda qayta ishlash,
• nochiziqli munosabatlarni bashorat qilish,
• uzluksiz yoki takroriy monitoring,
• ko‘p maqsadli optimallashtirish.

Aksincha, statik, kichik miqyosli yoki sodda muammolarda klassik GIS qatlamlarini ustma-ust qo‘yish, kirish buferlari yoki masofa ko‘rsatkichlari yetarli bo‘lishi mumkin.

Tavsifiy ML nima?

Tavsifiy foydalanish “hozir shaharda nima bo‘lyapti?” degan savolga qaratilgan tahlildir.

Masalan ML:

• daraxt qoplami qayerda zich yoki yetishmayotganini,
• ko‘cha darajasida odamlar qancha yashillik ko‘ra olishini,
• qaysi mahallalarning yashil hududlarga kirishi past ekanini,
• ekotizim xizmatlari qaysi aholi guruhlariga yetib borishini

xaritalashga yordam berishi mumkin.

Bashoratli ML nima?

Bashoratli foydalanish kelajakda yoki kuzatilmagan sharoitlarda yuz berishi mumkin bo‘lgan holatlarni taxmin qilishga qaratilgan.

Ishda muhokama qilingan misollarga issiqlik ta’siri, suv toshqini xavfi, o‘simlik stressi va iqlim bilan bog‘liq ekologik ta’sirlarni bashorat qilish kiradi.

Tavsiyaviy yoki ko‘rsatma beruvchi ML nima?

Tavsiyaviy foydalanish faqat mavjud holatni tasvirlamaydi yoki kelajakni bashorat qilmaydi; qaysi aralashuv qayerda ustuvor bo‘lishi kerakligi haqida ssenariylarni taqqoslaydi.

Masalan daraxt ekish dasturining:

• issiqlikni kamaytirish,
• yomg‘ir suvini boshqarish,
• xarajat,
• ekologik foyda,
• ijtimoiy tenglik

kabi bir nechta maqsad orasida qanday taqsimlanishini baholashi mumkin.

Manba alohida e’tibor qaratgan nuqta shu yerda yuzaga chiqadi: tavsiyaviy model endi faqat ma’lumot bermaydi, balki investitsiya va resurs taqsimotiga ta’sir qilishi mumkin bo‘lgan variantlarni ishlab chiqaradi. Shu sababli boshqaruv nazorati kuchliroq bo‘lishi kerak.

Ko‘cha tasvirlari va masofadan zondlash

Ishda ko‘rib chiqilgan adabiyot ko‘cha tasvirlarini sun’iy yo‘ldosh yoki havo tasvirlari bilan birga ishlatish shahar aholisi haqiqatan ko‘radigan yashillikni faqat yuqoridan o‘lchanadigan o‘simlik qoplamidan ajratishga yordam berishini ko‘rsatadi.

Los Angeles County misolida ko‘cha darajasidagi yashil hudud turlari mashinaviy o‘rganish bilan baholangan va natijalar mahalla darajasidagi ijtimoiy-iqtisodiy noqulaylik ko‘rsatkichlari bilan bog‘langan.

Bu natijalar Baresi va Russo o‘tkazgan yangi tajriba emas; manba Perspective maqolasi adabiyotdan keltirgan amaliy misoldir.

Green View Index nimani o‘lchashga intiladi?

Green View Index yondashuvi yashil hududni faqat xaritadagi maydon miqdori sifatida baholash o‘rniga piyoda darajasidagi ko‘rinuvchanlik va tajriba nuqtayi nazariga yaqinlashishni maqsad qiladi.

Bu yondashuv yashillik mavjudligidan tashqari, odamlar shaharda yurganda qancha yashil muhit ko‘rishi kabi o‘lchovlarni o‘rganishga yordam berishi mumkin.

10 metr aniqlikdagi yashil hudud xaritasi misoli

Manba ish Lotin Amerikasidagi turli yirik shaharlar uchun Sentinel-2 masofadan zondlash tasvirlari va OpenStreetMap ma’lumotlari yordamida tuzilgan 10 metr aniqlikdagi shahar yashil hudud xaritasini adabiyotdagi qo‘llanmalarga misol sifatida ko‘rsatadi.

Bu yerdagi 10 metr qiymati Baresi va Russo yaratgan yangi ma’lumot aniqligi emas; iqtibos qilingan avvalgi tadqiqotga tegishli.

Ijtimoiy-iqtisodiy va ekologik ma’lumotlar nega birga ishlatilishi kerak?

Hududda yuqori ekologik xavf borligini bilish qaysi odamlar bu xavfdan ko‘proq zarar ko‘rishini o‘z-o‘zidan tushuntirmasligi mumkin.

Xuddi shuningdek, faqat daromad, aholi yoki demografik ma’lumotlar ham ekotizim xizmatlari qayerda yetishmasligini ko‘rsatmaydi.

Ish shu sababli ijtimoiy-demografik va ekologik ma’lumotlarni birga baholashni muhim deb hisoblaydi. Bu yondashuv yuqori ekologik va ijtimoiy zaiflik bir joyda uchraydigan hududlarni aniqlashga yordam berishi mumkin.

Teng masofa nega har doim tenglik emas?

Manbada keltirilgan tadqiqotlar hammani yashil hududdan bir xil fizik masofada saqlashni maqsad qilish noto‘g‘ri ustuvorliklar tug‘dirishi mumkinligini ko‘rsatadi.

Masalan, ikki mahalla bog‘dan bir xil uzoqlikda bo‘lishi mumkin; biroq bir mahallada kuchli issiqlik ta’siri, kam daraxt qoplami, yetarli bo‘lmagan transport, sog‘liq zaifligi yoki pastroq iqtisodiy imkoniyatlar bo‘lishi mumkin.

Bunday holatda faqat masofa tengligi ehtiyoj tengligini anglatmaydi.

Amalda ro‘yobga chiqqan kirish nima?

Amalda ro‘yobga chiqqan kirish (realised access), odamlarning yashil hududga nazariy jihatdan yetib borishi emas, balki u hududdan amalda qanday foydalanishini tushunishga harakat qiladi.

Mobil telefon harakatchanlik ma’lumotlari yoki o‘xshash manbalar oddiy radius yoki piyoda masofa modellaridan tashqarida real harakat naqshlarini o‘rganish uchun ishlatilishi mumkin.

Biroq bu ma’lumot turlari yangi tenglik muammosini keltirib chiqaradi: mobil telefon yoki raqamli platforma ma’lumotlarida jamiyatning barcha guruhlari teng vakillik qilmasligi mumkin.

Ko‘p maqsadli optimallashtirish nimani o‘zgartirishi mumkin?

Yashil infratuzilmani rejalashtirish ko‘pincha bitta maqsadni o‘z ichiga olmaydi. Bitta loyiha:

• issiqlikni kamaytirishga,
• yomg‘ir suvini boshqarishga,
• biologik xilma-xillikni saqlashga,
• havo sifatini yaxshilashga,
• xarajatni cheklashga,
• noqulay hamjamiyatlarga foyda yetkazishga

intilishi mumkin.

Ko‘p maqsadli optimallashtirish ushbu maqsadlar orasidagi murosalarni sonli ravishda taqqoslashga yordam beradi. Biroq qaysi maqsad muhimroq ekanini belgilaydigan vaznlar texnik jihatdan betaraf emas. Bu vaznlar ijtimoiy va siyosiy qadriyat tanlovlarini o‘z ichiga oladi.

Jahon sog‘liqni saqlash tashkilotining taxminan 300 metr misoli

Manba ish ssenariy rejalashtirishini tushuntirar ekan, Jahon sog‘liqni saqlash tashkilotining odamlar yashash joyidan taxminan 300 metr masofa ichida jamoat yashil hududiga kirishi bo‘yicha ko‘rsatmasini misol sifatida ishlatadi.

ML qo‘llab-quvvatlaydigan modellar bunday chegaralardan foydalanib kirish bo‘shliqlarini xaritalashi va muqobil joylashtirish ssenariylarini sinashi mumkin.

Biroq mualliflar fizik yaqinlikning o‘zi tenglikni kafolatlamasligini ta’kidlaydi. Hududning sifati, xavfsizligi, foydalanish mumkinligi, turli yosh guruhlari va nogironlik holatlari bo‘yicha kirish imkoniyati ham baholanishi kerak.

Mashinaviy O‘rganish Nega O‘zi Mustaqil Ravishda Adolatli Rejalashtirish Vositasi Emas?

Mashinaviy o‘rganish ma’lumotlardagi mavjud naqshlarni o‘rganadi va belgilangan maqsadlarni optimallashtiradi; agar tarixiy ma’lumotlar avvalgi investitsiya tengsizliklarini o‘z ichiga olsa yoki optimallashtirish maqsadlari ayrim guruhlar qadriyatlarini chetda qoldirsa, model bu tengsizliklarni qayta ishlab chiqarishi, kuchaytirishi yoki texnik natija ko‘rinishi ostida ko‘rinmas qilishi mumkin.

Algoritmik tarafkashlik nima?

Algoritmik tarafkashlik, modelning muayyan odamlar yoki guruhlar uchun tizimli ravishda farqli yoki adolatsiz natijalar berishiga olib kelishi mumkin bo‘lgan ma’lumot, dizayn yoki amaliyotga oid naqshlarni anglatadi.

Yashil infratuzilma kontekstida tarixiy investitsiyalar asosan badavlat mahallalarda amalga oshirilgan bo‘lsa, o‘tmish ma’lumotlari bu mahallalarni “muvaffaqiyatli investitsiya hududlari” sifatida ko‘rsatishi mumkin.

ML tizimi faqat shu o‘tgan naqshlardan o‘rgansa, kelajakda ham o‘xshash mahallalarni yuqori ustuvor yoki “optimal” hududlar sifatida tanlashi mumkin.

Tarixiy tengsizlik qanday qilib qayta aloqa sikliga aylanishi mumkin?

Manba ish quyidagi xavfni tasvirlaydi:

1. Tarixiy tengsizlik o‘quv yoki rejalashtirish ma’lumotlariga kiradi.
2. Model bu ma’lumotlardan ustuvorlik naqshlarini o‘rganadi.
3. Model ayrim hududlarga ko‘proq resurs yo‘naltirishni qo‘llab-quvvatlaydi.
4. Resurs taqsimoti mavjud fazoviy naqshni kuchaytiradi.
5. Kelajakda to‘plangan yangi ma’lumot kuchaygan naqshni yana qayd etadi.
6. Bu yangi ma’lumot avvalgi model qarorlari to‘g‘ri bo‘lgan degan taassurot berishi mumkin.

Bu holat qayta aloqa sikli (feedback loop) deb ataladi. Muammo algoritmning faqat bir marta xato qaror qilishi emas, qaror kelajakdagi ma’lumotni o‘zgartirib, o‘z farazini kuchaytirishidir.

Taqsimot siljishi nima?

Taqsimot siljishi (distribution shift), model ishlab chiqilgan ma’lumot sharoitlari bilan keyinchalik qo‘llanadigan sharoitlarning bir-biridan farqlanishidir.

Model muayyan shaharda, mavsumda, sensor turida yoki siyosiy muhitda muvaffaqiyatli bo‘lishi mumkin. Xuddi shu model boshqa shaharda, mavsumda yoki ma’lumot yig‘ish tizimida ayni samaradorlikni ko‘rsatmasligi mumkin.

Shu sababli muayyan test muhitida olingan yuqori aniqlik real rejalashtirish muhitida ham saqlanadi degani emas.

Proksi o‘zgaruvchi nima?

Proksi o‘zgaruvchi (proxy variable), bevosita ishlatilmaydigan xususiyatni bilvosita ifodalay oladigan o‘zgaruvchidir.

Masalan modelda daromad yoki etnik kelib chiqish bevosita ishlatilmasa ham, uy-joy qiymati, mahalla, ijara shakli, avvalgi investitsiya darajasi yoki boshqa fazoviy o‘zgaruvchilar bu xususiyatlar bilan kuchli bog‘langan bo‘lishi mumkin.

Shu sababli “sezgir o‘zgaruvchini modeldan chiqarib tashlash” o‘z-o‘zidan tenglikni ta’minlamasligi mumkin.

Yorliq tarafkashligi nima?

Yorliq tarafkashligi (label bias), model to‘g‘ri deb qabul qiladigan maqsad yoki qaydlar ijtimoiy jarayonlarda noteng shakllantirilishidan kelib chiqishi mumkin.

Masalan shikoyatlar soni kam bo‘lishi mahallada muammo yo‘q degani emas. Kam daromadli yoki chetlatilgan hamjamiyatlarning xabar berish tizimlariga kirishi yoki ishonchi pastroq bo‘lishi mumkin.

Bunday ma’lumotlar kontekst hisobga olinmasdan ishlatilsa, “kamroq shikoyat = kamroq ehtiyoj” degan noto‘g‘ri model mantiqi yuzaga kelishi mumkin.

Kalibrlash muammosi nima?

Kalibrlash, model bildirgan ishonch darajasi haqiqiy muvaffaqiyat ehtimoli bilan qanchalik mos kelishini anglatadi.

Agar model bashorat uchun juda yuqori ishonch bildirsa, biroq o‘xshash yuqori ishonchli bashoratlarning muhim qismi noto‘g‘ri chiqsa, model noto‘g‘ri kalibrlangan bo‘lishi mumkin.

Manba ish yuqori ishonchli ML chiqishlari real rejalashtirish sharoitlarida har doim ham ayni ishonchlilikni bermasligiga e’tibor qaratadi.

Texnik yechimlar yetarlimi?

Noaniqlikni miqdoriy baholash, izohlanadigan sun’iy intellekt, sezgirlik tahlili va adolatni hisobga oluvchi modellashtirish kabi texnik usullar xavfni kamaytirishi mumkin.

Biroq manba ishning muhim farqi shuki: bu vositalar tenglik nima bo‘lishi kerakligini o‘zlari hal qila olmaydi.

Masalan quyidagi maqsadlarning har biri “adolatli” deb himoya qilinishi mumkin:

• hammaning yashil hududga masofasini tenglashtirish,
• eng zaif guruhlarga ustuvorlik berish,
• umumiy ekotizim xizmatlarini maksimal qilish,
• xarajatni minimal qilish,
• madaniy ahamiyatga ega hududlarni saqlash.

Bu maqsadlar bir xil fazoviy natijani berishi shart emas. Demak, tenglik mezoni ijtimoiy va institutsional qarorni talab qiladi.

Raqamli ma’lumotlar butun jamiyatni ifodalaydimi?

Yo‘q. Manba ish mobil telefon yozuvlari, ko‘cha tasvirlari, ijtimoiy tarmoq va platformaga asoslangan harakatchanlik ma’lumotlarini butun shahar aholisining to‘liq vakilligi deb qabul qilmaslik kerakligini bildiradi.

Keksalar, kam daromadli guruhlar, bolalar, hujjatsiz migrantlar va raqamli kirishi cheklangan odamlar bu ma’lumot manbalarida yetarlicha yoki bir xil ko‘rinishda vakillik qilmasligi mumkin.

Yuqori aniqlikdagi joylashuv va harakatchanlik ma’lumotlari maxfiylik, rozilik, ma’lumotga egalik va joylashuvni kuzatish muammolarini ham keltirib chiqarishi mumkin.

Mavsumiy tasvir tarafkashligi qanday yuzaga keladi?

Ko‘cha tasvirlaridan yashillik o‘lchanganda tasvir qaysi mavsumda olingani natijaga ta’sir qilishi mumkin. Barglar qalin bo‘lgan davr va bargsiz davr bir xil fizik hudud uchun turlicha yashillik o‘lchovlarini berishi mumkin.

Shu sababli modelning texnik muvaffaqiyati faqat algoritmga emas, ma’lumot yig‘ish vaqtiga va qamrov xususiyatlariga ham bog‘liq.

Neo-colonial intelligence tushunchasi

Manba ish “neo-colonial intelligence” tushunchasini shahar boshqaruvida sun’iy intellekt va mashinaviy o‘rganishning ayrim muvaffaqiyatsizliklarini faqat texnik xato sifatida emas, tarixiy hokimiyat munosabatlari kontekstida baholash uchun ishlatadi.

Mualliflar muhokamasiga ko‘ra ma’lumot infratuzilmalarini, platformalarni va analitik imkoniyatlarni nazorat qiluvchi muassasalar qaysi bilim ko‘rinishini belgilashi ma’lumotga boy va ma’lumotga kambag‘al hududlar o‘rtasidagi mavjud kuch tengsizliklarini kuchaytirishi mumkin.

Bu tushuncha har bir ML qo‘llanmasi mustamlakachilik ekanini anglatmaydi. Ish ta’kidlaydigan xavf — ma’lumot yig‘ish va qaror qabul qilish tuzilmalaridagi tarixiy tengsizliklarning texnologiya orqali davom ettirilishidir.

Ma’lumot mustamlakachiligi muhokamasi

Ish, shuningdek, xulq-atvor va fazoviy ma’lumotlarni tashqi aktorlar tomonidan yig‘ish va nazorat qilishni data colonialism muhokamasi bilan bog‘laydi.

Hamjamiyatlarning faqat ma’lumot ishlab chiqaradigan obyektlarga aylanishi, biroq ma’lumot ustidan nazorat yoki qaror vakolatiga ega bo‘lmasligi asosiy muammodir.

Manba ish tavsiya qilgan yo‘llardan biri — hamjamiyat tomonidan yaratiladigan va mahalliy muassasalar tomonidan boshqariladigan ma’lumot tizimlarini rivojlantirish.

Epistemik chetlatish nimani anglatadi?

Epistemik chetlatish, ayrim bilim shakllarining qaror jarayonlarida yetarlicha tan olinmasligi, vakillik qilmasligi yoki legitim bilim sifatida ko‘rilmasligidir.

Mahalliy va tubjoy hamjamiyatlarning yer bilan munosabatlari, madaniy ma’nolar, an’anaviy parvarish mas’uliyatlari, ma’naviy qadriyatlar, tajribaviy bilimlar va joyga bog‘liq tarixlar har doim standart jadval ustuniga yoki model o‘zgaruvchisiga aylantirib bo‘lmaydi.

Bu bilimlarning oson o‘lchanmasligi ularning ilmiy yoki rejalashtirish nuqtayi nazaridan qadrsiz ekanini anglatmaydi.

Tumbes havzasi misolini nega ehtiyotkor talqin qilish kerak?

Manba ish Perudagi Tumbes havzasi misolini tubjoy va mahalliy bilim yetarlicha tan olinmagan yashil infratuzilma boshqaruvi holati sifatida muhokama qiladi.

Biroq mualliflar muhim farqni ko‘rsatadi: Tumbes misoli bevosita ML muvaffaqiyatsizligi emas. Bu kengroq yashil infratuzilma boshqaruvi muammosining misolidir.

Bu farq saqlanishi kerak, chunki mashinaviy o‘rganishga tegishli bo‘lmagan rejalashtirish muvaffaqiyatsizligini “AI qildi” tarzida ko‘rsatish manba ishni buzadi.

Sundarbans misoli

Sundarban orollari bilan bog‘liq ML qo‘llab-quvvatlaydigan xaritalash ishlarida zaiflik va aralashuv ustuvorliklarini belgilashda hamjamiyatga asoslangan bilim yetarlicha vakillik qilmaganligi manbada muhokama qilingan misollardan biridir.

Bu yerdagi asosiy saboq faqat biofizik va ijtimoiy-iqtisodiy o‘zgaruvchilarni hisoblash mahalliy bilimga bo‘lgan ehtiyojni yo‘qotmasligidir.

Mumbai mangrovlarini tiklash misoli

Manba maqola Mumbaydagi taxminan o‘n yillik mangrov tiklash baholashini ham muhokama qiladi.

Iqtibos qilingan tadqiqotda Google Earth ma’lumotlari va Sentinel/Landsat tasvirlariga qo‘llangan Random Forest tasniflashidan foydalanilgan va baholangan 25 tiklash hududining 13 tasi tiklash maqsadlariga erishmagani bildirilgan.

Manba Perspective hamjamiyat ustuvorliklarini yetarli hisobga olmaslik va ayniqsa Koli hamjamiyati bilimini yetarlicha e’tiborga olmaslik ushbu muvaffaqiyatsizliklar bilan bog‘liq omillardan biri sifatida baholanganini keltiradi.

Bu 13/25 natijasi Baresi va Russo’ning yangi dala topilmasi emas; ular muhokama qilgan oldingi tadqiqotga tegishli.

Mahalliy bilimni faqat “ma’lumotga aylantirish” yetarlimi?

Yo‘q. Manba ishning muhim fikrlaridan biri shuki, mahalliy va tubjoy bilimni faqat yangi ma’lumot ustuniga aylantirish ishtirokchi rejalashtirish degani emas.

Madaniy ma’no, joy bilan munosabat yoki hamjamiyat mas’uliyati kabi tushunchalar standartlashtirilganda ma’nosining bir qismi yo‘qolishi mumkin.

Shu sababli mualliflar bilimni birgalikda ishlab chiqish, hamjamiyatga asoslangan tasdiqlash va tubjoy ma’lumot boshqaruvini zarur deb hisoblaydi.

Shaffoflik nega faqat model kodini tushuntirish emas?

Texnik shaffoflik model qanday ishlashini tushuntirish uchun qimmatli; biroq rejalashtirish qarorlarida o‘zi yetarli emas.

Quyidagi savollar ham shaffoflikning bir qismi:

• Ma’lumotlar qayerdan keldi?
• Kimlar ma’lumotda yetarli vakillik qilmagan?
• Qaysi o‘zgaruvchilar tanlandi?
• Model maqsadini kim belgiladi?
• Qaysi murosalar qabul qilindi?
• Noaniqlik qanday hisobot qilindi?
• Hamjamiyat model natijasiga qanday e’tiroz bildira oladi?
• Yakuniy qaror uchun kim javobgar?

Amaliy shaffoflik mexanizmlari

Manba ish quyidagi amaliyotlarning muhimligini ta’kidlaydi:

• ma’lumotlar to‘plamini hujjatlashtirish,
• modelni hujjatlashtirish,
• qaror jurnallari,
• noaniqlikni hisobot qilish,
• ta’sirlangan hamjamiyatlarning model farazlari va natijalarini so‘roq qila olishi.

Ishning Usuli va Topilmalari

Bu ish tajribaviy “usul va natija” maqolasi bo‘lmagani uchun ushbu bo‘lim klassik laboratoriya tadqiqotlaridagi namuna, nazorat guruhi, qurilma, giperparametr yoki p qiymati shaklida o‘qilmasligi kerak. Usul yaqin davrdagi yashil infratuzilma, ML, fazoviy rejalashtirish, ekologik adolat va sun’iy intellekt boshqaruvi adabiyotining Perspective formatidagi konseptual sintezidir.

Ishning uch asosiy maqsadi

Mualliflar Perspective ishining uchta asosiy maqsadini belgilaydi:

1. Mashinaviy o‘rganish tenglikka yo‘naltirilgan yashil infratuzilma rejalashtirishini qaysi yo‘llar bilan qo‘llab-quvvatlashi mumkinligini tushuntirish.
2. Texnik va ijtimoiy-iqtisodiy xavflarni aniqlash.
3. Legitim, javobgar va tenglikka yo‘naltirilgan rejalashtirishni qo‘llab-quvvatlaydigan etik va boshqaruv yo‘llarini ko‘rsatish.

Adabiyotda aniqlangan asosiy bo‘shliq

Mualliflar aniqlagan asosiy bo‘shliq ML qo‘llab-quvvatlaydigan yashil infratuzilma yechimlarini real dunyo amaliyotidagi texnik noaniqliklar va rejalashtirish qarorlarining legitimligi, javobgarligi hamda jamoat ishonchi uchun zarur boshqaruv sharoitlari bilan birgalikda ko‘rib chiqadigan integratsiyalashgan yondashuvning yetishmasligidir.

Boshqacha aytganda, muammo faqat “ML yashil hududni qayerda tavsiya qiladi?” degan savol emas. Asosiy masala model buni qaysi bilim asosida tavsiya qilishi, qaysi guruhlarni ifodalashi, qaysi qadriyatlarni optimallashtirishi va qarorni kim nazorat qila olishidir.

ML foydalanishining uchta rejalashtirish funksiyasi

Manba 1-jadval: ML qo‘llanmalari, tenglik qiymati, xavf va boshqaruv himoyasi

Ground-truthing nimani anglatadi?

Ground-truthing, masofadan zondlash, tasvir tasnifi yoki boshqa model chiqishlarini real dala kuzatuvlari yoki ishonchli etalon ma’lumotlar bilan taqqoslashdir.

Masalan sun’iy yo‘ldosh tasviri hududni daraxt qoplami deb tasniflasa, zarur bo‘lsa joyida kuzatuv yoki ishonchliroq etalon ma’lumot bilan tekshirilishi mumkin.

Ma’lumotni minimallashtirish nima?

Ma’lumotni minimallashtirish, tahlil yoki xizmat uchun haqiqatan kerak bo‘lmagan shaxsiy yoki sezgir ma’lumotlarni to‘plamaslik va ishlatmaslik tamoyilidir.

Ayniqsa harakatchanlik ma’lumotlari kabi yuqori aniqlikdagi fazoviy ma’lumot ishlatiladigan rejalashtirishda maxfiylik xavfini kamaytirish uchun muhim.

Rejalashtirish ssenariylarida istalmagan natijalarni hisobga olish

Manba ish ML qo‘llab-quvvatlaydigan ssenariylar faqat kutilgan ijobiy natijalarni emas, balki ehtimoliy salbiy ta’sirlarni ham baholashi kerakligini taklif qiladi.

Yashil infratuzilmaning ehtimoliy foydalari bilan kontekstga qarab yuzaga kelishi mumkin bo‘lgan zararlar bitta qaror tuzilmasida ko‘rib chiqilishi mumkin.

Masalan ayrim daraxt turlari soya va sovitish berishi bilan birga, ba’zi sharoitlarda allergen ta’siri kabi istalmagan natijalarni ham keltirib chiqarishi mumkin.

Shuning uchun “ekotizim xizmatlarini maksimal qil” shaklidagi bir maqsadli optimallashtirish har doim yetarli deb qabul qilinmasligi kerak.

Algoritmik Ta’sirni Baholash nima?

Algoritmik Ta’sirni Baholash (Algorithmic Impact Assessment, AIA), algoritmik tizim ishlatilishidan oldin yoki ishlatish davomida uning odamlar va hamjamiyatlarga ehtimoliy ta’sirlarini, ma’lumotlarini, qaror mantiqini, tenglik xavflarini va javobgarlik mexanizmlarini tizimli baholashga qaratilgan boshqaruv yondashuvidir.

Manba ishga ko‘ra AIA jarayonlari:

• ML ishlatish haqiqatan mosmi-yo‘qmi ko‘rib chiqishi mumkin,
• taqsimot va protseduraviy tenglikni baholashi mumkin,
• model va o‘quv ma’lumotlari haqida izoh talab qilishi mumkin,
• jamoat fikrini to‘plashi mumkin,
• modelni keyinchalik kuzatish va yaxshilash uchun jarayon yaratishi mumkin.

NIST AI Risk Management Framework qanday qo‘llanadi?

Manba ish NIST AI Risk Management Frameworkni hayotiy sikl davomida ijtimoiy-texnik xavflarni ko‘rib chiqishga doir mavjud boshqaruv misoli sifatida ishlatadi.

Doiraning asosiy funksiyalari:

• Govern: boshqaruv tuzilmasini tashkil etish,
• Map: kontekst va xavflarni xaritalash,
• Measure: xavflarni baholash va o‘lchash,
• Manage: aniqlangan xavflarni boshqarish.

Perspective maqolasi NIST doirasini o‘zi ishlab chiqqan yangi usul sifatida taqdim etmaydi; tenglikka yo‘naltirilgan GI rejalashtirishida ishlatilishi mumkin bo‘lgan mavjud boshqaruv vositalaridan biri sifatida muhokama qiladi.

AIA va Strategik Ekologik Baholash Birgalikda Qanday Qo‘llanishi Mumkin?

Manba ishga ko‘ra Strategik Ekologik Baholash (SEA) reja va dastur darajasida muqobil variantlar, jamoat ishtiroki, kumulyativ ta’sirlar va uzoq muddatli monitoringni tashkil qiladigan keng rejalashtirish doirasini ta’minlashi mumkin; AIA esa shu doira ichida ishlatiladigan mashinaviy o‘rganish yoki algoritmik komponentning ma’lumot, tenglik, shaffoflik va javobgarlik xavflariga batafsilroq e’tibor qaratishi mumkin.

SEA nima?

Strategik Ekologik Baholash (Strategic Environmental Assessment, SEA), alohida loyiha tafsilotlaridan yuqoriroq darajada siyosat, reja va dasturlarning ekologik hamda ijtimoiy ta’sirlarini baholash uchun ishlatiladigan strategik jarayondir.

SEAning muhim jihatlaridan biri muqobil ssenariylar, kumulyativ ta’sirlar, turli siyosat sektorlar, uzoq muddatli natijalar va jamoat ishtirokini birgalikda ko‘rib chiqish imkoniyatidir.

SEA va EIA o‘rtasidagi farq

Atrof-muhitga Ta’sirni Baholash (Environmental Impact Assessment, EIA) ko‘pincha muayyan loyiha miqyosidagi ta’sirlarni baholashga qaratilsa, SEA siyosat, reja va dastur darajasidagi kengroq strategik muqobillarni ko‘rib chiqishi mumkin.

Manba ish shu sababli ML qo‘llab-quvvatlaydigan yashil infratuzilma rejalashtirishini faqat bitta loyiha bahosiga qisqartirmaslik kerakligini muhokama qiladi.

AIA nega SEA o‘rnini bosmaydi?

AIA algoritm xavflarini baholashi mumkin; biroq yerga egalik, rejalashtirish qonunchiligi, muassasalararo vakolat taqsimoti, xarid qoidalari, budjet yoki keng ekologik ta’sirlar kabi masalalarni faqat algoritm darajasida hal qilib bo‘lmaydi.

Manba ish tavsiya qilgan munosabat to‘ldiruvchilikdir: SEA keng strategik rejalashtirish doirasini yaratishi mumkin, AIA esa shu tuzilma ichida ishlatiladigan algoritmik qaror qo‘llab-quvvatlashga e’tibor qaratishi mumkin.

Ishtirok va birgalikdagi dizayn

Manba ishga ko‘ra jamiyat va manfaatdor tomonlar ishtiroki loyiha oxirida faqat tayyor natijani jamoatchilikka tushuntirish shaklida bo‘lmasligi kerak.

Hamjamiyatlar imkon qadar erta bosqichda:

• maqsadlarni,
• cheklovlarni,
• muvaffaqiyat mezonlarini,
• qabul qilinadigan murosalarni,
• qabul qilib bo‘lmaydigan natijalarni

belgilashda qatnashishi kerak.

Masalan ko‘chirilish bosimi yoki madaniy qadriyat yo‘qolishi kabi natijalar texnik optimallashtirishdan tashqarida qolgan “keyin o‘ylanadigan” masalalar bo‘lmasligi kerak.

Fuqarolik panellari va maslahatlashuv jarayonlari

Mualliflar fuqarolik panellari yoki manfaatdor tomonlar maslahat kengashlari kabi muhokamaviy mexanizmlarni strategik rejalashtirish jarayonlariga kiritish mumkinligini muhokama qiladi.

Bu tuzilmalarning maqsadi hamjamiyat faqat ma’lumot yetkazib berishi emas, balki model farazlariga, uning chiqargan natijalariga va foydalar qanday taqsimlanishiga ta’sir qila olishidir.

CARE tamoyillari nima?

CARE Principles for Indigenous Data Governance, tubjoy ma’lumot boshqaruvini faqat “ma’lumot ochiqmi?” degan mezon bilan emas, balki hamjamiyat huquqlari va kollektiv foyda nuqtayi nazaridan baholashga qaratilgan tamoyillar majmuasidir.

• C — Collective Benefit: Kollektiv foyda.
• A — Authority to Control: Nazorat vakolati.
• R — Responsibility: Mas’uliyat.
• E — Ethics: Etika.

Manba ish CARE tamoyillarini tubjoy bilim va ma’lumotlarni ML qo‘llab-quvvatlaydigan rejalashtirishda boshqarish uchun foydalanish mumkin bo‘lgan mavjud doiralardan biri sifatida ko‘rsatadi.

OCAP nima?

OCAP, tubjoy ma’lumot boshqaruvida qo‘llanadigan to‘rtta asosiy tamoyilning bosh harflaridan tuzilgan:

• Ownership: Egalik.
• Control: Nazorat.
• Access: Kirish.
• Possession: Egalikda saqlash/amaliy nazorat.

Bu tamoyillar ma’lumotni kim yig‘ishi bilan birga, ma’lumot ustidan kim vakolat va kirish huquqiga ega degan savolni ham ko‘taradi.

FPIC nima?

Free, Prior and Informed Consent (FPIC), o‘zbek tilida umumiy tarzda Erkin, Oldindan va Axborotli Rozilik deb ifodalanishi mumkin.

FPIC tubjoy xalqlarning huquqlariga ta’sir qilishi mumkin bo‘lgan amaliyotlarda qaror bosimsiz, amaliyot boshlanishidan oldin va yetarli axborot berilgan holda qabul qilinishiga oid tamoyildir.

Manba ish FPICni UNDRIP kabi xalqaro inson huquqlari doiralari bilan bog‘liq holda ko‘rib chiqadi.

UNDRIP nima?

United Nations Declaration on the Rights of Indigenous Peoples (UNDRIP), Birlashgan Millatlar Tashkilotining Tubjoy Xalqlar Huquqlari to‘g‘risidagi Deklaratsiyasidir.

Manba ish UNDRIPni tubjoy hamjamiyatlarga ta’sir qiladigan yashil infratuzilma va ma’lumot boshqaruvi qarorlarida huquqqa asoslangan ishtirokning ahamiyatini tushuntiradigan xalqaro doiralardan biri sifatida tilga oladi.

Manba 1-rasmning ilmiy tuzilmasi

Manba ishning 1-rasmi tenglikka yo‘naltirilgan yashil infratuzilma rejalashtirishida ML mustaqil qaror qabul qiluvchi emas, balki ijtimoiy-texnik boshqaruv ichida ishlaydigan tarkibiy qism sifatida joylashtirilishi kerakligini ko‘rsatadi.

Rasmdagi qayta aloqa sikli nimani anglatadi?

Manba 1-rasmda amalga oshirilgan yashil infratuzilma natijalari kelajakdagi ma’lumot, model farazlari va rejalashtirish ustuvorliklariga qaytishi kerakligi ko‘rsatiladi.

Bu rejalashtirish “model bir marta ishladi va qaror tugadi” yondashuvi bilan yakunlanmasligi kerak deganidir.

Loyiha amalga oshirilgandan keyin haqiqatan:

• qaysi hamjamiyatlar foyda ko‘rganini,
• qaysi guruhlar chetda qolganini,
• kutilmagan zararlar yuzaga kelgan-kelmaganini,
• kirish va foydalanish naqshlari qanday o‘zgarganini

kuzatish va keyingi modellashtirish sikliga qaytarish kerak.

Ish taklif qilgan to‘rtta amaliy tamoyil

Ishning kuchli tomoni nima?

Ishning asosiy kuchli tomoni mashinaviy o‘rganishni faqat texnik samaradorlik nuqtayi nazaridan baholamasligidir.

Ma’lumot sifati, model aniqligi va optimallashtirish imkoniyatidan tashqari:

• rejalashtirish legitimligi,
• jamoat ishtiroki,
• madaniy bilim,
• maxfiylik,
• ma’lumot suvereniteti,
• javobgarlik,
• qarorlarga e’tiroz bildirish imkoniyati

kabi boshqaruv unsurlarini bir doirada ko‘rib chiqadi.

Ishning asosiy cheklovlari

Perspective turi sababli ish yangi dala aralashuvi, nazoratli tajriba, tajribaviy namuna yoki original ML modelini taqdim etmaydi.

Shu sababli manba:

• bir ML arxitekturasi boshqasidan yuqori aniqlikka ega ekanini tajribaviy isbotlamaydi,
• muayyan algoritm uchun yangi accuracy, F1, AUC yoki xato qiymatini hisobot qilmaydi,
• yangi ma’lumot to‘plamini tahlil qilmaydi,
• taklif etilgan boshqaruv doirasi nazoratli dala qo‘llanmasida tengsizlikni muayyan foizga kamaytirganini ko‘rsatmaydi,
• barcha shaharlar uchun yagona universal tenglik metrikasini belgilamaydi.

Ishning hissasi buning o‘rniga mavjud texnik va boshqaruv adabiyotini o‘zaro bog‘laydigan konseptual va rejalashtirishga yo‘naltirilgan sintezni taqdim etishdir.

Ish qo‘llab-quvvatlaydigan xulosalar

• ML katta va murakkab shahar ma’lumot to‘plamlarini qayta ishlash uchun foydali qaror qo‘llab-quvvatlash imkoniyatini berishi mumkin.
• ML mavjud yashil hudud va ekotizim xizmatlari tengsizliklarini xaritalashga yordam berishi mumkin.
• ML ekologik zaifliklarni bashorat qilish va rejalashtirish ssenariylarini taqqoslashda ishlatilishi mumkin.
• Ko‘p maqsadli optimallashtirish tenglik, xarajat va ekotizim xizmatlari orasidagi murosalarni ko‘rinadigan qilishi mumkin.
• O‘tgan tengsizliklarni o‘zida saqlagan ma’lumot yangi ML qo‘llab-quvvatlaydigan rejalashtirish qarorlarida ayni tengsizliklarni qayta ishlab chiqarishga sabab bo‘lishi mumkin.
• Raqamli ma’lumot to‘plamlari shahar aholisining barchasini teng darajada ifodalamasligi mumkin.
• Texnik tenglik vositalari ijtimoiy tenglik maqsadlarini o‘z-o‘zidan belgilay olmaydi.
• Tubjoy va mahalliy bilimni rejalashtirishga kiritish faqat ma’lumot ajratib olish sifatida emas, balki bilimni birgalikda ishlab chiqish va ma’lumot boshqaruvi sifatida ko‘rilishi kerak.
• ML qo‘llab-quvvatlaydigan rejalashtirishda shaffoflik, ishtirok, monitoring va javobgarlik mexanizmlari talab etiladi.
• Mashinaviy o‘rganishning yashil infratuzilma rejalashtirishidagi roli qarorlarni qo‘llab-quvvatlash bo‘lib qolishi; mas’uliyat rejalashtirish muassasalari, jamiyat va boshqaruv jarayonlarida bo‘lishi kerak.

Ish qo‘llab-quvvatlamaydigan xulosalar

Manba ish mashinaviy o‘rganish yashil infratuzilma rejalashtirishini avtomatik tarzda adolatli qiladi demaydi.

Mashinaviy o‘rganish inson ishtirokini almashtirishi kerakligini himoya qilmaydi.

ML ishlatilganda yashil infratuzilma investitsiyalari albatta muvaffaqiyatliroq bo‘lishini isbotlamaydi.

Har bir rejalashtirish muammosida ML klassik GIS yoki sodda usullardan ustun ekanini ko‘rsatmaydi.

Tubjoy yoki mahalliy bilim har doim sonli modelga to‘liq o‘girilishi mumkinligini da’vo qilmaydi.

AIA, SEA, CARE, OCAP yoki FPIC kabi doiralar o‘zlari barcha tenglik muammolarini hal qiladi demaydi.

Mashinaviy o‘rganish chiqishi yakuniy rejalashtirish qarori sifatida qabul qilinishi kerakligini himoya qilmaydi.

Umumiy xulosa

Ishning asosiy xabari texnologiyaga qarshilik emas. Mashinaviy o‘rganishning katta ma’lumotlarni qayta ishlash, xaritalash, bashorat, ssenariy tahlili va ko‘p maqsadli optimallashtirish kabi kuchli imkoniyatlari yashil infratuzilma rejalashtirishiga muhim hissa qo‘shishi mumkinligi qabul qilinadi.

Biroq algoritmning hisoblash quvvati bilan rejalashtirish qarorining ijtimoiy legitimligi bir xil narsa emas.

Model texnik jihatdan mukammal ishlasa ham noto‘g‘ri maqsadni optimallashtirishi mumkin. Ma’lumot ilmiy jihatdan toza ko‘rinsa ham jamiyatning ayrim qismlarini ifodalamasligi mumkin. Xarita fazoviy jihatdan to‘g‘ri bo‘lsa ham madaniy qadriyatni ko‘rinmas qoldirishi mumkin. Optimallashtirish eng yuqori umumiy foydani bersa ham eng zaif hamjamiyat ehtiyojini ikkinchi o‘ringa surishi mumkin.

Shu sababli tenglikka yo‘naltirilgan yashil infratuzilma rejalashtirishida asosiy savol faqat “Mashinaviy o‘rganish qanchalik yaxshi bashorat qiladi?” emas. Shu bilan birga “Nimani optimallashtiradi, qaysi ma’lumotga ishonadi, kim vakillik qiladi, kim qaror beradi, kim hisob so‘ray oladi va amaliyotning real natijalari keyinchalik qanday kuzatiladi?” savollariga ham javob berish kerak.

Mualliflar yondashuvida mashinaviy o‘rganish yakuniy qaror qabul qiluvchi emas, balki shaffof, ishtirokchi, so‘roq qilinadigan va davriy ravishda qayta baholanadigan ijtimoiy-texnik rejalashtirish tizimining tarkibiy qismidir.

Manba va Usul Izohi

Asl sarlavha: Can Machine Learning Support Planning for Equitable Green Infrastructure? A Perspective on Opportunities, Risks, and Ethical Pathways

Mualliflar: Umberto Baresi; Alessio Russo.

Mualliflar tartibi: Manbada berilganidek Umberto Baresi birinchi, Alessio Russo ikkinchi muallif.

Birinchi muassasa: School of Architecture and Built Environment, Faculty of Engineering, Queensland University of Technology, Brisbane 4000, Australia.

Ikkinchi muassasa: Centre for Environment and Society, Queensland University of Technology, Brisbane 4000, Australia.

Uchinchi muassasa: IUCN Commission on Environmental, Economic and Social Policy, 1196 Gland, Switzerland. Bu bog‘lanish Umberto Baresiga tegishli.

Mas’ul muallif: Umberto Baresi.

Teng hissa / teng birinchi mualliflik: Manbada bunday bayonot yo‘q.

Nashr turi: Perspective.

Jurnal: Urban Science.

Nashriyot: MDPI.

Jild / son / maqola raqami: 10 / 7 / 377.

DOI: 10.3390/urbansci10070377.

Yuborilgan sana: 15-aprel 2026.

Tahrir sanasi: 19-iyun 2026.

Qabul sanasi: 26-iyun 2026.

Nashr sanasi: 2-iyul 2026.

Akademik muharrir: Jianming Cai.

Litsenziya: Creative Commons Attribution (CC BY).

Rasmiy nashr havolasi: https://www.mdpi.com/2413-8851/10/7/377

DOI havolasi: https://doi.org/10.3390/urbansci10070377

Moliyalashtirish: Mualliflar tadqiqot tashqi moliyalashtirish olmaganini bildirgan.

Institutsional etika qo‘mitasi: Qo‘llanmaydi deb bildirilgan.

Axborotli rozilik: Qo‘llanmaydi deb bildirilgan.

Ma’lumotlar mavjudligi: Manba maqolada yangi ma’lumot yaratilmagani yoki tahlil qilinmagani aniq ko‘rsatilgan. Shu sababli ish original ma’lumot to‘plami yoki tajribaviy ma’lumot omborini taqdim etmaydi.

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvi yo‘qligini bildirgan.

Muallif hissalari: Konseptuallashtirish Umberto Baresi va Alessio Russo tomonidan; dastlabki qoralama tayyorlash va ko‘rib chiqish/tahrirlash ikki muallif tomonidan amalga oshirilgan. Vizuallashtirish Umberto Baresi tomonidan bajarilgan. Ikki muallif chop etilgan versiyani o‘qib, tasdiqlagan.

Sun’iy intellektdan foydalanish bayonoti: Mualliflar maqola tayyorlanayotganda Microsoft Copilot (GPT-5 chat model) va ChatGPT (OpenAI, GPT-5 chat model) faqat matnni tekshirish va grammatika yaxshilash maqsadida ishlatilganini bildirgan. Chiqishlar mualliflar tomonidan ko‘rib chiqilib, tahrirlangan va nashr mazmuni uchun mas’uliyat mualliflarda ekani ko‘rsatilgan.

Ilmiy usul xususiyati: Ish yangi tajribaviy ma’lumot yig‘ish, dala tajribasi yoki original ML modeli ishlab chiqish tadqiqoti emas. Yaqin davr adabiyotiga tayanuvchi, rejalashtirishga yo‘naltirilgan Perspective sintezidir.

Markaziy konseptual doira: MLning yashil infratuzilma rejalashtirishidagi tavsifiy, bashoratli va tavsiyaviy funksiyalari; ularning tenglik qiymati va texnik/ijtimoiy xavflari; algoritmik tarafkashlik va fazoviy adolatsizlik; tubjoy va mahalliy bilim; shaffoflik va javobgarlik; AIA, SEA, CARE, OCAP, FPIC va ishtirokchi birgalikdagi dizayn jarayonlari.

Formula va statistika izohi: Manba maqola o‘z tadqiqoti uchun markaziy matematik tenglama, statistik gipoteza testi, p qiymati, ishonch oralig‘i, tajribaviy samaradorlik metrikasi yoki model aniqligi qiymatini taqdim etmaydi. Shu sababli Verianla matniga manbadan tashqari formula yoki statistika qo‘shilmagan.

Jadvalni o‘tkazish: Manba 1-jadvaldagi beshta ML qo‘llanma kategoriyasi rejalashtirish funksiyasi, tenglik qiymati, asosiy xavf va boshqaruv himoyasi bilan birga o‘zbekchaga tarjima qilingan.

Rasmni o‘tkazish: Manba 1-rasm asl vizual nusxalanmasdan, ilmiy munosabatlarni saqlovchi mustaqil inline SVG sifatida qayta yaratilgan. Sxema miqdoriy ma’lumot yoki tajriba natijasi emas.

Asosiy talqin chegarasi: Maqolada keltirilgan Los Angeles, Barcelona, Bronx, Lotin Amerikasi shaharlari, Xitoy, Tumbes, Sundarbans, Mumbai va boshqa misollar Baresi va Russo o‘tkazgan yangi tajribalar emas. Ular Perspective ishida muhokama qilingan avvalgi adabiyot misollaridir.