Sildiarhiiv: automatiseerimine

Filmi kiirendamine kui igavaks läheb

Raamatu eelis filmi ees on, et seda saab nautida omas tempos – kes loeb kiiremini, kes aeglasemalt. Olenevalt raamatust võib ka sama inimene lugeda kas kähku üle rea või pikaldaselt üht kohta mitu korda. Midagi sarnast saab teha filmiga: kerida kas tagasi stseeni uuesti vaatamiseks või edasi mõnest kohast üle. Samuti saab vaadata kiirendusega, aga siis läheb heli kaotsi. Probleem stseenidest üle hüppamisel on kas ebatäpsus või ebamugavus: minuti kaupa kerides võib mõni huvitav koht vahele jääda, aga paari sekundi kaupa hüpates peab pidevalt klõpsama ja heli ja dialoog muutuvad raskesti jälgitavaks.

Äriidee on teha programm, mis filmi kiiremini esitab kui vaatajal igavaks läheb. See kiirem esitus peaks olema „loomulik”, ideaalis märkamatuks jääv, mitte teatud vahemiku kaupa hüppamine või video kiirendusega näitamine. Märkamatuks kiirendamiseks tuleks tuvastada filmi stseenide piirid ja pikemate stseenide lõpud ära lõigata, eriti staatiliste stseenide (armunud vaatavad üksteisele silma, vaenlased põrnitsevad või ähvardavad). Filmi sisu jääb ju arusaadavaks kui silma vaadatakse kaks sekundit kolmekümne asemel. Samuti tulistamine või kaklus võib kesta mitte minuti vaid paar hetke – filmi mõistmist see ei takista.

Staatilist stseeni peaks saama arvuti abil tuvastada, sest pildi pikslitest paljud ei muutu pikema ajavahemiku jooksul. Stseeni väljajäetavat osa saab samuti automaatselt valida, näiteks kõige vähem muutuva pildiga ajavahemik, mis moodustab etteantud protsendi stseeni pikkusest. Kiiresti muutuvaid (märuli)stseene tuleb ilmselt algul inimtööga üksteisest eristada ja nende piirid filmifaili märkida. Edasi saab juba arvuti otsustada soovitava kiirendusprotsendi põhjal kui suur osa igast stseenist ära jätta.

Lisaks stseeni lühemaks lõikamisele saab märulit ja muid dünaamilisemaid juppe ka pisikese kiirendusega (edasikerimise mõistes) näidata, eriti kui neis dialoogi pole. Kui heli on oluline ja moonduks kiirendades (dialoog näiteks läheks kiledahäälseks), siis tuleb see videost eraldada ja algse kiirusega esitada, teatud juppe eemaldades, et see ajaliselt uue pildiesitusega sobiks. Lõigatavate ajavahemike valik võib jällegi nõuda inimese otsust.

Programmi edasijõudnum variant tuvastaks igavuse vaataja näoilme põhjal ise, aga algelisem võimaldaks lihtsalt kasutajal nupuvajutusega vaatamist kiirendada või aeglustada.

Automaattõlge aitab väikestel keeltel püsida

Viimasel ajal on Eesti ajakirjanduses paljud kaevelnud eesti keele väidetava väljasuremise üle, vastustanud ingliskeelset õpet ülikoolides jne. Praeguse trendi jätkudes muutub eesti keel tõepoolest kiiresti inglise laensõnadest küllastunuks ja sureb paari sajandi perspektiivis välja. Oluline eeldus on siinjuures praeguse trendi jätkumine, mis on lähiaastatel küll peaaegu kindel, aga paari aastakümne perspektiivis vähetõenäoline. Paralleel on siin eesti rahva väljarändega, millest viimase kahekümne aasta jooksul ennustati rahvale kadu ja lauldi meedias nutulaulu. Viimasel paaril aastal on aga migratsioonitrend pöördunud: eestlasi on Eestisse liikunud rohkem kui Eestist välja. On ka muid näiteid trendide muutusest: Briti Impeerium ei vallutanud 19. sajandi lõpuks maailma, ega ka Saksa Riik 1941. aasta lõpuks Euraasiat, kuigi trendi põhjal seda ennustati.

Lihtsalt väita, et trend muutub, sest ajaloos on mõnikord nii juhtunud, on muidugi tühi jutt. Tõsiseltvõetavuseks peaksid olema teoreetilised või andmepõhised argumendid, miks trendi muutus tõenäoline on. Minu argument on tõlkeprogrammide jätkuv paranemine ja vabatahtliku inimtõlke levik. Palju tekste, näiteks vaba tarkvara juhendid ja Vikipeedia, on inimesed tasuta ära tõlkinud. Google Translate suudab Euroopa keelte vahel minu kogemuse järgi juba enamvähem arusaadavalt tõlkida. Mida rohkem on tasuta tõlget saadaval, seda väiksem on motivatsioon oma keele võõrkeelega asendamiseks (ja ka keeleõppeks üldiselt).

Kui kirjalik ja suuline suhtlus suudetakse nii kiirelt ja täpselt tõlkida, et inimene ei saa aru, kas räägib omakeelse või teisekeelsega, siis lähevad inimesed kergema vastupanu teed ja suhtlevad oma keeles. Siis lõpeb trend väikeste keelte väljasuremise suunas. Pigem tekib trend keelte lahknemiseks ja killustumiseks, sest iga inimene saab rääkida nii nagu talle mugavam on, tarvitsemata järgida ühtegi õigekirja. Arvuti selgitab nagunii ühe inimese mõtte teisele, nii et iga inimene saab probleemideta enda individuaalset keelt kasutada.

Sellise märkamatu tõlkeni on veel aega, sest praegune arvutipõhine automaattõlge on nähtavalt konarlik. Praegu tõlgivad arvutid sõnakaupa ja neil on raskusi konteksti arvesse võtmisega. Arvutusvõimsuse ja andmebaaside mahu kasvades saab tõlkida lausekaupa, siis juba lõigukaupa jne. Iga tekstiühiku puhul on kontekstil teatud mõju tähendusele, aga mida pikem ühik, seda väiksem. Tõlge muutub pikematel tekstilõikudel põhineva tõlkega järjest täpsemaks, kuigi täiuslikkus on siin maailmas muidugi saavutamatu. Samas pole täiuslikkust kasutatavuseks tarvis, piisab enam-vähem arusaadavusest.

Kui tahta eesti keelt praegusele või ajaloolisele lähedasel kujul säilitada, on parim meetod arendada automaatset tõlget ja õigekirjakontrolli. Paljudes avalikes tekstides olen näinud sagedasi kirjavigu ja viletsa otsetõlke konarusi, mis keele edasikandumise huvides parandada tuleks. Keelt aitab säilitada ka rahva seas populaarsete tekstide (arvutimängud, filmid, uudised) kvaliteetne ja kiire inimtõlkimine eesti keelde. Kui meelelahutus ja tarbetekstid on omakeelsed, siis suunab laiskus rahvast enda keelt kasutama. Inimtõlge on aga oma mahult liiga piiratud võrreldes maailmas toodetud tekstihulgaga, seetõttu pole inimtõlkest ka keele säilitamisel palju abi. Enda keele eeliskasutamise motivatsiooni loob mitte oma keeles kätte saadava teksti maht (mis on praegu suurem kui iial varem), vaid omakeelse teksti protsent kogu saadaolevast tekstist. See suhtarv on kaasajal väiksem kui kunagi enne, aga automaattõlke arenguga muutub suuremaks kui ajalooliselt ja läheneb lõpuks sajale protsendile.

Valitsus saaks aidata keelt säilitada tasuta tõlkeprogramme arendades ja levitades. Ei maksaks minna nii kaugele, et teha veebilehtede automaatne eesti keelde ümberpanek vaikimisi variandiks või lausa kohustuslikuks, sest sundus tekitab vastuseisu, ka oma keele kasutamisel. Praegu Google juba pakub varianti „tõlgi see leht”, mis on tore kui seda esimest korda näha. Kahjuks selle pakkumise eemaldamine veebilehe ülaservast on pisut keeruline, mis tekitab minus teatud trotsi, eriti kuna pakutav tõlge pole veel sama hea kasutatavusega kui ingliskeelne originaal. Keelte puhul, mida ma ei oska, on aga veebilehe tõlkimine Googlei poolt väga tervitatav.

Lumesaha automaatne liigutamine sensorite abil

Lumesahad teepuhastusautodel on minu vaatluste põhjal tihti kas liiga madalal, kraapides teepinda, või kõrgel, jättes osa lund teele. Kui tee on ebatasane, siis on saha juhil muidugi raske sahka kogu aeg reguleerida nii, et kõrgus optimaalne oleks. Samuti on lumikatte all keeruline teed ja selle serval olevat muru eristadada, nii et sahk kraabib vahel muru ära. Selle probleemi lahendaksid sahaautole monteeritud tajurid (radar, ultraheli vms), mis lumest läbi näevad ja saha kõrgust automaatselt tõstavad või langetavad. Arvuti on võimeline tajuritelt saadava teabe põhjal sahka palju kiiremini reguleerima kui inimene, nii et saha keskmist kõrgust teepinnast saaks oluliselt vähendada, mis tagaks puhtama teepinna. Tajurid hoiataksid ka sahajuhti kui sahk teelt kõrvale kaldub ja roheala kraapima hakkab.

Kui ainult autol olevate tajurite abil on keeruline teed ja teepeenart eristada, siis võib tulevikus teid parandades teekattesse sisse ehitada odavad signaalisaatjad, mis tajuritele tee asukohta ja kõrgust teatavad. Näiteks RFID kiibid on odavad ning võtavad vastu ja saadavad raadiosignaale. Nende asukoha saaks triangulatsiooni põhjal välja arvutada ja autos monitoril näidata. Monitori asemel võib ka projektoriga esiklaasile tee piirjooned kuvada. Teine võimalus tajuritele tugevamat signaali pakkuda on lisada rauapulbrit teeserva märgistusse ja kasutada tajuritena metallidetektoreid (magneteid).

Autodesse lisatud tajurid, kas kombinatsioonis teekattes olevate signaaliedastajatega või ilma, aitaksid ka autodel teel püsida, eriti just halva nähtavusega. Kasu oleks sellest nii isejuhtivate kui inimjuhiga autode jaoks. Kui sensorid ja tehisintellekt piisavalt head on, saab lumesahad isejuhtivaks muuta.

Teel püsida aitaksid ka kaamerad, mis tee kõrval olevate objektide (teebarjäär, puud, telefonipostid) asetuse tuvastavad, mille põhjal arvuti objektide kaugused arvutaks. Täpsete kauguste võrdlus arvutisse salvestatud detailse kaardiga määrab sõiduki asukoha. Kauguste muutus tuvastab liikumiskiiruse ja -suuna. Täpseima asukohainfo saaks tõenäoliselt erinevaid teabeallikaid (kaamerad, radar, ultraheli, GPS) koos kasutades.

Kaugjuhtimisega toruparandaja

Selle asemel, et toruparandaja kliendi juurde kohale tuleb, võiks tänapäeval klienti lihtsamate parandustööde jaoks virtuaalreaalsusprillide kaudu juhendada. Kirurgias on juba aastaid kaugjuhtimise kaudu operatsioone tehtud (kirurg juhib oma liigutuste abil robotit, mis teises kohas lõikust teeb). Sarnaseid juhiseid saaks oskustöötaja mitteoskajale haptilise tagasiside kinnaste ja virtuaalreaalsuse kaudu anda: prillid näitavad vaateväljas käeliigutusi ja kindad annavad juhendajale tagasisidet juhendatava avaldatava surve ja pisiliigutuste kohta. Vaja vaid tarkvara, mis reaalajas liigutused ette kuvab ja puudutuste ja surve osas tagasisidet annab.
Mitut liiki oskustöölise (lukksepp, tisler, mehaanik) kohaletuleku saaks asendada kliendi (või muude madalama kvalifikatsiooniga juhendatavate) kaugjuhendamisega. Kui kirurgias on kaugjuhtimine võimalik, siis peaks see tehtav olema ka lihtsamates valdkondades. Juhendataval peaksid muidugi paranduseks vajalikud tööriistad olema, aga need on enamasti odavad (mutrivõtmed, kruvikeerajad, haamer, tangid jne), nii et neid saab igaüks kodus pidada. Kui kodus pole, siis vähemalt suurlinnades saaks pakkuda kohaletoomisega tööriistalaenutust. Kohaletooja võib olla isesõitev auto või lihttööline (autojuht).

Kunsti loomine arvutiga

Kunsti loomiseks arvutiga on kolm taset – testimine, poolautomaatne genereerimine ja täisautomaatne genereerimine.

Testimiseks loob inimene mingi ühiku potentsiaalset kunsti, programm võrdleb seda olemasoleva kunsti andmebaasiga ja annab infot selle kohta, kui palju ja kus esitatud ühik andmebaasi keskmisest mingite parameetrite poolest erineb (raamatul nt sõnade pikkuse, esinemissageduse, lausete pikkuse ja liigi).

Poolautomaatne genereerimine on see, kui programm loob elemente kunstivormist, inimene valib nende hulgast mõned ja paneb kokku. Arvuti võib näiteks luua luuleridu etteantud silpide arvu ja riimiskeemiga. Inimene valib mõned ja paneb luuletuseks kokku. Arvuti võib enne võrrelda genereeritud elemente andmebaasis olevate teostega, et vältida plagiaati.

Täisautomaatne genereerimine on see, kui arvuti loob valmis kunstiühiku. Näiteks võtab arvuti maalide andmebaasi, kasutab kujutise äratundmise algoritme, et maalide elemendid eraldada. Siis paneb arvuti teatud viisil valitud maalide elemendid kokku üheks pildiks ja loob sellele pildile ühtse stiili, nt imiteerides pintslitõmbeid või moonutades kujutisi teatud viisil.

Tänapäeval suudaksid arvutid õige programmi abil täisautomaatselt genereerida luuletusi, sõnamänge, maale, skulptuure (3D printimise abil), muusikapalu. Poolautomaatselt saaks lisaks genereerida sisuplaane näidendite, raamatute, filmide jaoks. Nende sisuplaanide põhjal võib siis inimene vastava kunstiühiku luua, lisades sisu kokkuvõttele kirjeldused ja detailid.

Testida saaks piisava arvutusvõimsuse olemasolul peaaegu kõiki kunstiliike. Esinemiskunsti puhul peaks selle mitme nurga alt filmima, et arvuti seda 3D-s võrrelda saaks. Kõige selle jaoks on vaja eelneva kunsti andmebaase.

Kas masinad asendavad inimeste töö?

Juba Teise maailmasõja eelsest ajast on kuulutatud masinate võidukäiku ja ennustatud inimtööjõu vajaduse lõppu. Daron Acemoglu artikkel (http://economics.mit.edu/files/11264) modelleerib tootmise automatiseerimist ja sellele suunatud uurimistööd, et vastata küsimusele, kas inimtööjõud tõrjutakse majanduse ja tehnoloogia arenguga ajapikku kõrvale.

Tuleb välja, et enamasti mitte. Põhjus on üsna sissejuhatava majanduskursuse maiguline – kui osa inimesi jääb automatiseerimise tagajärjel tööta, siis palgad langevad. Tööjõu odavnemine vähendab motivatsiooni automatiseerimiseks ja sellele suunatud uurimistööks ning suurendab sellise innovatsiooni tulusust, mis loob rohkem inimesi kasutavaid tehnoloogiaid. Sümmeetriliselt, kui uued meetodid nõuavad tootmises suuremat rahvahulka, siis tööjõukulu tõuseb ja nii muutub kapitalipõhine tootmine ja arendustegevus atraktiivsemaks. Majandus tasakaalustab end ise nii, et keskmiselt jääb kapitali ja tööjõu suhe tootmises samaks. Ajutiselt võidakse trendist kõrvale kalduda kui juhuslikult tuleb korraga palju uuendusi ühes suunas, näiteks inimeste vajadust vähendavaid.

Maksekaardipettuse takistamisest

Maksekaardipettused on suur tuluallikas kuritegevusele ja selle vastu on kaardifirmad juba välja mõelnud mõned vargusi ennetavad meetmed. Näiteks kui kaarti kasutatakse võõras riigis või suurte maksete jaoks, helistab klienditeenindus ametlikule kaardikasutajale ja kontrollib, kas tehingu tegi ikka tema. Selliseid meetmeid võiks edasi arendada ja panna rohkem kasutaja kontrolli alla. Kui inimene teab, et ta mingil kellaajal, teatud kohas või teatud kaupu kunagi ei osta, peaks ta saama need tehingud kaardiga keelata. Karsklane teab, et ta alkoholi ei osta, nii et alkoholi eest kaardiga maksmise saab võimatuks teha. Regulaarse uneajaga inimene ei tee oste magamise ajal, nii et võib blokeerida igal ööl ostud teatud ajavahemikus. Vanemad võiksid saada lapse maksekaardil tubaka- ja alkoholiostu blokeerida.

Lisaks võiks keelatud ostu ajast ja kohast automaatselt politseid teavitada. Maksekaardi vargus või kopeerimine oleks siis palju riskantsem, sest kurjategija üldjuhul ei tea, milleks ja mis ajal kaarti kasutada tohib. Kui proovib vale ostu teha, jääb vahele. Turvameetmena saavad seaduslikud kasutajad näiteks kahte eri välimusega maksekaarti kaasas kanda, millest ühega tohib osta ainult enne keskpäeva, teisega pärast.

Unustajale muidugi sellised turvameetmed ei sobi – kes kasutab kaarti hajameelselt valesti, peab pärast politseile tõestama, et on kaardi omanik. Aga elustiiliga loomulikult välistatud ostud ei tohiks selliseid probleeme tekitada.

Nõrga enesekontrolliga inimesed võivad tahta takistada ennast liiga palju kulutamast, pannes kaardile madala kulupiirangu ja keelates teatud liiki ostud. See ilmselt kaardifirmadele ei meeldiks, kuna nad saavad suurema kasumi kui kaardiga rohkem ostetakse.

Uudiste automaatkirjutus

Uudiste tekstid on aja ja sündmuste lõikes omavahel üsna sarnased. Need langevad teatud kategooriatesse, näiteks “sõjategevuses X ja Y vahel hukkus niipalju ühelt poolt, naapalju teiselt poolt” või “avaliku elu tegelane T mõistis hukka vägivalla X ja Y vahel” või “katastroofis (lennuõnnetus, laevahukk, üleujutus, maavärin) kohas K hukkus n inimest” või “selle kuu statistika näitab, et tööpuudus on x protsenti, inflatsioon y protsenti” või “valimised kohas K võitis partei P” või “A ja B alustasid/jätkasid/lõpetasid läbirääkimisi teemal T.”
Selliseid uudiseid võib kirjutada arvuti. Vaja vaid mingit andmebaasi, kuhu sisestatakse koht, aeg, tähtsad isikud, sündmuse liik, surnute ja vigastatute arv jne. Sisestamine nõuab pisut inimtööd, aga säästab kirjutamise ja tõlkimise aega, sest igasse väljaandesse ja keelde saab artikli automaatselt. Tuleb vaid asendada teatud sõnad ja numbrid vana uudise tekstis uutega.

Arvutiajastu hindamissüsteemist

Tudengi hindamisel ülikoolis on probleem see, et tahaksime teada nii tudengi andekuse ja töökuse kombinatsiooni kui ka aine raskust, aga vaadeldav on ainult üks number – hinne. Kuna hinne H sõltub nii andekusest A kui aine raskusest R (näiteks funktsioonina H=A-R), ei saa andekust ja raskust ainult hinde põhjal eristada. Pole võimalik ühe võrrandi põhjal leida kahte muutujat.

Probleem leeveneb, kui vaadeldav on mitme tudengi hinne mitmes aines. Näiteks kui kaks tudengit, A ja B, võtavad mõlemad aineid C ja D, siis on meil vaatlustena neli hinnet ja tahame leida kahe tudengi andekust ja kahe aine raskust. Seega on meil neli võrrandit nelja tundmatuga ja ülesanne on lahendatav.

Kui tudengid valivad oma ained nii, et maksimeerida oma keskmist hinnet, siis tekib uus probleem – kui ainete raskused või hindamispõhimõtted pole teada, ei saa keskmise hinde põhjal tudengi andekust mõõta. Üks võtab lihtsaid aineid ja saab kõrge keskmise hinde, teine raskeid aineid ja saab madala keskmise hinde, aga andekus on sama. Seda kallutatust on püütud leevendada suhtelise hindamisega, mille korral näiteks parimad 10% aines saavad A, järgmised 20% B jne. Kui aine on raske, saavad kõik tudengid madala absoluutpunktisumma, aga kuna hinne tekib suhtelise punktisumma põhjal (näiteks jagatakse kõigi punktisumma aine parima tulemusega), siis on raske aine keskmine hinne sama, mis lihtsas aines.

Siit tekib aga uus mure, sest tudengid võivad püüda valida aineid, kus ülejäänud tudengid on keskmisest viletsamad. On lihtsam saada teistest paremat tulemust, kui teised on nõrgad. Kui tahame teada tudengi andekust, tuleb hinnet selle kallaku võrra korrigeerida, näiteks võttes arvesse teiste seda ainet võtvate tudengite keskmist hinnet (absoluutset või suhtelist) ülejäänud ainetes. Kui teised on nõrgad, on nende keskmine hinne muudes ainetes madal.

Aga siit tekib järgmine probleem, sest hinnet maksimeerivad tudengid tahavad võtta aineid, kus teised tudengid on keskmisest viletsamad ja võtavad aineid, mis on kas lihtsad või kus teised tudengid on samuti keskmisest viletsamad. Tundub, et iga probleemi lahendades tekib sellest uus probleem, ehk tegu on lõpmatu probleemijadaga. Igal lõplikul hinde korrigeerimise tasemel süsteemi on võimalik manipuleerida, püsides selle korrigeerimistasemest ühe sammu võrra ees – absoluuthinde puhul võttes lihtsaid aineid, suhtelise hinde puhul võttes rumalate tudengitega aineid, teiste hindega korrigeerimise puhul võttes aineid rumalate tudengitega, kes võtavad teisi lihtsaid aineid või teisi aineid rumalate tudengitega.

Kõiki ülaltoodud hindemanipulatsiooni probleeme saab lahendada korraga, tehes kõik korrigeerimised korraga. Sarnane probleem on ammu lahendatud otsingumootorite poolt – kõik veebilehed tahavad näida populaarsed, seega kuidas leida tegelikult populaarseid veebilehti. Üks võimalus oleks lugeda populaarseks need veebilehed, millele viitab palju teisi lehti. Aga siis tekiks veebilehe pidajatel motivatsioon luua palju võltsveebilehti, mis viitavad nende veebilehele. Võttes arvesse viitavate veebilehtede populaarsust, püsiksid veebilehtede omanikud ühe sammu ees, kui looksid võltsveebilehti, mis viitavad teistele võltsveebilehtedele, mis viitavad nende veebilehele. Ja viitavatele veebilehtedele viitavate veebilehtede populaarsuse arvesse võtmisel tehtaks veel üks samm edasi ja tõstetaks kunstlikult viitavatele veebilehtedele viitavate veebilehtede populaarsust.

Lahendus on korraga võtta arvesse kogu süsteemi. Veebilehtede puhul kogu veebilehtede ja linkide võrgustikku, tudengite hindamise puhul kogu tudengite ja ainete võrgustikku. Viimase puhul on tegemist kaht tüüpi sõlmedega võrgustikuga (bipartite graph), kus tudengid ja ained on võrgustiku sõlmed ning tudengi ja aine vahel on side, kui tudeng võtab seda ainet. Hindamise jaoks on vaid tarvis kõigi tudengite absoluutpunktisummadele kõigis ainetes rakendada veebilehtede populaarsusjärjestusse paneku algoritmi sarnast programmi. Kõigist hinnetest korraga on võimalik välja arvutada kõigi ainete raskused ja kõigi tudengite andekused, kui iga tudeng võtab vähemalt kaht ainet ja iga ainet võtab vähemalt kaks tudengit.

Realistlikkusest jääb ülaltoodud mudelil muidugi kõvasti puudu. Eeldusteks on ühemõõtmeline andekus, tudengite omavaheliste vastasmõjude ja tudengi-aine vastasmõjude puudumine, ainete valik vaid keskmise hinde maksimeerimiseks. Siiski, ühegi eelneva eelduse väärus ei tundu tekitavat kogu ülikooli hindeinfot arvesse võtva hindamissüsteemi kasutamisel negatiivset efekti.

Linnastumisest

Linnastumisel on laialt võttes kaks põhjust – tootmisprotsessi ja tarbimise muutus. Põllumajanduse efektiivsemaks muutumine vähendas nõudlust põllumajandusmaa lähedal elava tööjõu järele. Tööstuse ja teeninduse areng suurendas nõudlust linnas (tööstuskaupade ja teenuste tootmise koha lähedal) elava tööjõu järele. Tarbimise seisukohast pakub linn laiemat valikut kaupu ja teenuseid kui maapiirkond.

Linnastumine toimub nii tootmise kui tarbimise mastaabisäästu kasutamiseks. Tihedalt linnas koos olevad inimesed on andmete põhjal tootlikumad. Üheks põhjuseks võib olla peenem tööjaotus ja kitsam spetsialiseerumine, mida suurem hulk inimesi võimaldab. Tarbimise poolelt on keskküte, elektrivarustus, ühistransport, poed ja teenuseid pakkuvad ärid kõik ühe inimese kohta odavamad pidada, kui tarbijaid on rohkem. Seetõttu on need linnas odavamad pakkuda ja võimaldavad laiemat valikut.

Linnastumisele vastu töötab inimeste soov maal ilusa looduse keskel elada – siit ka valglinnastumine eramajadest koosnevatesse eeslinnadesse. Püüe loodusele lähemale saada on aga üsna hiljutine nähtus, mis tekkis siis, kui loodus enam inimestele ohtlik polnud. Varem oli ellujäämise seisukohast oluline teiste inimeste kaitsvasse ringi pääseda.

Üks tegur, mis linnastumist edaspidi suurendab, on jätkuvalt vähenev nõudlus maal elava tööjõu järele. Piisab isejuhtiva auto tehnoloogia panemisest traktorisse ja pole enam vaja põllu lähedal elavaid kündjaid. Linnastumise vastu töötab sama tehnoloogia panemine (peamiselt linnas ringi vuravatesse) mootorsõidukitesse, mis vähendab nõudlust linnas pesitsevate auto-, veoki- ja bussijuhtide järele. Kuna maal on arenenud riikides vähem inimesi kui linnas, on juhivaba sõiduki üldmõju ilmselt maaelanikkonna suurendamine – tööjõu nõudlusel on maal vähem vähenemisruumi, kui linnas.

Kui tehnoloogia muutub mastaabisäästude vähenemise suunas, nii et ühele leibkonnale võrreldes mitmega kaupu ja teenuseid pakkuda pole enam suhteliselt nii kallis, soodustab see hajaasustust. Näiteks kolmdee printerid vähendavad mastaabisäästu plastikjubinate tootmises. Laevakonteineriga Hiina tehasest tervele linnale toomise asemel võib igaüks neid kodus valmistada (tooraine tuleb muidugi enne koju osta). Ajalehtede, raamatute ja posti elektrooniliseks muutumine vähendab vajadust posti kojukande ja raamatupoodide järele, mis mõlemad on suure mastaabisäästuga tehnoloogiad. Interneti püsiühendus seevastu on vajalikum kui kunagi varem, ja ühele inimesele ühendust pakkuda on linnas odavam.

Sõpradega näost näkku suhelda on linnas lihtsam, sest transport nende juurde on kiirem ja odavam, aga elektrooniline suhtlus muutub järjest lähedasemaks vahetule (varem sai saata telegrammi, siis helistada, nüüd videokõnesid teha). Seega sarnaste huvidega inimeste leidmiseks ei pea elama suure inimhulga lähedal, et sealt otsida, vaid saab elektrooniliselt kontakte luua.

Pole selge, kas edaspidise tehnoloogilise arenguga tootmise ja tarbimise mastaabisäästud suurenevad või vähenevad, seega jääb ebakindlaks ka linnastumise kestmine või tagasipöördumine.