RHYTHM: מודל ה-AI שחוזה היכן תהיו בעוד 30 דקות ומשנה את עתיד התנועה האנושית

    7 בינו׳ 2026, 20:58ניתוח2 מקורות

    חוקרים מ-Northeastern University פיתחו מודל AI בשם RHYTHM, המנבא תנועה אנושית באמצעות ניתוח דפוסי התנהגות. המודל מדויק ב-2.4% יותר ממתחריו, עם שיפור של 5% בסופי שבוע. יש לו יישומים פוטנציאליים בתכנון תחבורה ובניהול מצבי חירום. נכון לעכשיו, התחזיות אמינות למשך עד שבוע.

    RHYTHM: מודל ה-AI שחוזה היכן תהיו בעוד 30 דקות ומשנה את עתיד התנועה האנושית

    בינה מלאכותית שחוזה תנועות אנושיות: כך RHYTHM עושה זאת

    חוקרים מ-Northeastern University פיתחו מודל AI מתקדם בשם RHYTHM, המסוגל לחזות תנועות אנושיות ברמת דיוק חסרת תקדים. המודל, המבוסס על טכנולוגיית Large Language Models (LLM), מנתח דפוסי התנהגות היסטוריים כדי לנבא היכן אנשים יהיו בעוד 30 דקות ועד 25 שעות.

    לדברי פרופסור ראיין וואנג, סגן יו"ר המחקר בהנדסה אזרחית וסביבתית באוניברסיטה:

    "המודל יכול לחולל מהפכה בתחום התחזיות - החל מתכנון תחבורה עירונית ועד לתגובה מהירה במצבי חירום."

    איך זה עובד בדיוק?

    RHYTHM משתמש בנתוני תנועה פתוחים ובהבנה ההקשרית של מודלי שפה גדולים כדי לזהות דפוסים חוזרים:

    • סממנים מחזוריים: זיהוי פעילות שבועית/יומית קבועה (ביקור בסופר, מכון כושר, נסיעה לעבודה).
    • נתונים טמפורליים: פיצוח מסלולי תנועה ל'טוקנים' זמן-מרחביים.
    • ניתוח רב-שכבתי: שילוב דפוסים קבועים עם אירועים חריגים כמו סופות או תאונות.

    יתרונות בולטים ונתוני דיוק

    לפי הניסויים שערכו החוקרים:

    • 🎯 דיוק גבוה ב-2.4% לעומת מודלים מתחרים.
    • 📈 שיפור של 5% בתחזיות סוף שבוע (כשדפוסי התנועה פחות צפויים).
    • זמן אימון קצר משמעותית - חוסך משאבי מחשוב יקרים.

    ד"ר האיו חה, מוביל המחקר, מסביר:

    "בשגרה האנושית יש 'ריתמוס' ברור – אנשים נוטים לחזור על מסלולים קבועים. RHYTHM עוזר להפוך דפוסים מופשטים אלו לתחזיות קונקרטיות."

    השימושים המהפכניים

    ל-RHYTHM יש שתי קטגוריות יישום מרכזיות:

    1. תכנון עירוני מתקדם

      • אופטימיזציה של מערכות תחבורה.
      • ניהול עומסי תנועה בזמן אמת.
      • תכנון פיתוח תשתיות עתידי.
    2. מערכות תגובה למשברים

      • חיזוי תנועות אוכלוסין במהלך אסונות טבע.
      • מיקום אופטימלי של ציוד חירום.
      • תכנון מסלולי פינוי מהירים.

    המגבלות והאתגרים העתידיים

    עם כל הפוטנציאל, למודל יש אתגרים:

    אתגרים ומגבלות

    • הצטברות טעויות בתחזיות ארוכות טווח (מעל שבוע).
    • רגישות לנתונים חסרים באירועים קיצוניים נדירים.
    • סוגיות פרטיות בטיפול בנתוני תנועה אישיים.

    החוקרים מתמקדים כעת בשיפור הביצועים במצבי קיצון. פרופ' וואנג מציין:

    "באירועים כמו הוריקנים או פיגועים, 24 השעות הראשונות קריטיות. היכולת לחזות תנועות אוכלוסין בטווח זה עשויה להציל חיים."

    מה צפוי בהמשך?

    צוות המחקר בוחן כיוונים חדשים:

    • שילוב נתוני מזג אוויר ועומסי תנועה בזמן אמת.
    • פיתוח גרסאות המסוגלות לחזות תנועות לעומק של 7 ימים.
    • יישום הטכנולוגיה במערכות ניהול ערים חכמות.

    בעולם ההולך ומסתמך על בינה מלאכותית, RHYTHM מייצג קפיצת מדרגה ביכולת להפוך דפוסי תנועה אנושיים לכדי כלי מעשי בתכנון עירוני וניהול משברים.