 Donc, maintenant, on est en train d'améliorer la partie de l'application, donc Amina, pourquoi vous voyez les opportunités ? Nous avons les slides devant nous, mais pas derrière nous. Ici, vous avez ça. Imaginez les rôles où l'intelligence artificielle va prendre les règles de tous les humains, la date qui chauffe nos voitures électriques et que les accidents ne existent plus. Ça ressemble à une fiction science. L'intelligence artificielle va jouer un rôle important dans le développement des véhicules autonomiques. Dans les techniques de machine-learning, l'intelligence artificielle va pouvoir faire ces voitures, marcher dans le trafic, faire des décisions et percevoir leurs surroundings. L'intelligence artificielle va monitorer et analyser le trafic en temps réel, permettant d'améliorer le trafic dynamique. Ça va réduire la convention de trafic et améliorer la flow de trafic de tous les humains. L'intelligence artificielle va présenter les conditions de trafic, l'utilisation des services publics et la demande pour les services de partage. Les insights de données vont être très valeurs pour optimiser les rôles, s'arrêter les services et en même temps, allocer les ressources de charge. L'intelligence artificielle va soutenir la gestion. Elle va optimiser les rôles, predicter la demande et manager l'inventory. C'est très important pour la transportation efficace des enfants. L'intelligence artificielle va aussi soutenir les opérateurs de l'infrastructure de charge. Et cela va contribuer au management de l'infrastructure de charge en termes de la coste d'énergie et de la maintenance. Cela va contribuer finement à la sustainability économique de l'infrastructure de charge. L'intelligence artificielle va aussi soutenir les utilités électriques afin de faciliter l'intégration des véhicules électriques et les networks de pouvoir, qui réduisent la strain sur les networks électriques et la balance. C'est très important, spécialement lors de la puissance de l'infrastructure de charge. L'intelligence artificielle va aussi augmenter l'expérience de l'end-user. C'est en fait de l'accompagner avec l'information sur l'infrastructure de charge disponible dans le temps de la waiting et comment naviguer à l'infrastructure de charge néerose. L'intelligence artificielle va révolutionner la secteur de transport par considérant le plan optimal de cette secteur. En utilisant les données et les algorithmes, la transportation va être plus facile, plus sain, plus sustainable et plus efficace. Dans la L'Operation Smart Research Lab, à Califa University, nous avons découvert plusieurs projets en focusant sur comment l'AI révisera cette secteur de transport. Nous avons regardé le plan de la secteur de transport depuis deux scopes. L'un de eux est le plan de transport de long terme et l'autre est le plan d'opération de long terme de transport. Quand nous parlons de la plan de long terme, nous regardons deux choses. L'une est la location et le sizing de l'infrastructure de charge et l'autre est la production d'énergie pour l'infrastructure de charge. Nous avons regardé la production de l'infrastructure de charge et nous avons regardé l'impact de l'air. Donc l'impact de l'air, les conditions de l'air comme la température, l'humidité et la vitesse de l'air aura l'impact de l'énergie de l'infrastructure de charge. Dans l'eau haute, les batteries électriques seraient dégradées très rapidement, ce qui va nécessiter plus de charge. Dans l'interieur, la batterie va devoir être au top avant d'être chargée, et d'adapter plus de demandes à l'impact de l'air. L'intelligence artificielle va également aider à identifier les demandes en termes de l'énergie de ces transportations électriques. Et en même temps, il va s'agir à la charge. Dans le deuxième projet, nous avons regardé la location optimale de l'infrastructure de charge et de l'impact de l'air. Nous avons regardé la projection de l'adaptation et de l'adaptation de l'adaptation de l'électrique et de l'impact de l'air et de l'impact de l'air. Nous avons regardé les meilleures locations et de l'impact de l'infrastructure de charge. Nous avons regardé le plan de transport de l'autonomie. Et en ce cas, nous avons regardé plusieurs projets. Les deux voitures sont en fait celles-ci de la voiture de la voiture. Et puis, quand elles opérent dans les streets, parfois, nous avons des voitures humaines, comme, par exemple, les véhicules d'émergence, comme les voitures de police. Et nous avons besoin d'assurer que les deux types de voitures n'aient pas besoin. C'est ce que nous avons fait. Nous avons fait un véhicule d'émergence d'émergence, un modèle de changement d'émergence qui a utilisé le pouvoir de l'A.I. pour planifier les véhicules d'émergence qui sont de l'air humain pour atteindre leur destination rapidement, par taking the benefit of autonomous vehicles, given that they are going to give priority of access to these vehicles to reach their destinations. What if this emergency vehicle is actually autonomous? For example, in the case of fire or if we need an ambulance every second counts. So we need to make sure that these emergency vehicles can cope with the other cars on the streets. So we have to use the power of AI to plan these emergency vehicles which are autonomous such that they can reach to their destination by finding the optimal path and as well as controlling the traffic and at the same time navigating through the traffic without causing a problem to other road users. Now what makes it challenging for autonomous vehicles is the adverse weather conditions because if it's raining, for example, the roads will get wet and in that case we need to make sure that there are no accidents taking place. So we've benefited with the power of AI to take the weather impact in our planning problem and we made sure that no accidents will take place when we program our autonomous vehicles. And this has been really achieved in the smart operation lab. Now I'm going to focus on one showcase where we consider actually the Dubai. Dubai is divided into 14 districts and you want to investigate how AI is powerful and the planning the charging infrastructure. Now to plan the charging infrastructure we consider two types of charging. One of them is the electric charging infrastructure and the other one is the dynamic wireless charging infrastructure. But the question that may come up why we should consider dynamic wireless charging. The idea here is that if we want to go fully autonomous that means we want also the charging to be autonomous. And this is why dynamic wireless charging is really important. We consider two cases studies. In the first case study we looked at optimally allocating and sizing the dynamic wireless charging infrastructure and the charging stations infrastructure as well. Without using the power of AI but focusing only on the optimization. And then we have developed a novel AI model taking of the benefits of multiple AI algorithms and we did the same problem again. And we have found that we were able to minimize the government infrastructure cost by 2.2%. So this was an overview of the research that we have done at Khalifa University at the smart operation research lab. Thank you. Thank you Amina, very insightful showing both the potential of artificial intelligence to give insights but also to automate. So I think this is quite comprehensive. It shows that we can tackle a complex problem usual infrastructure. Yesterday we had a workshop on food an immense amount of waste that could be addressed applying the same thing. One caveat just for the discussion is that it works well in machine to machine interactions where you can really apply. Unfortunately, when you put human being in the equation there are some randomness that makes AI more difficult to apply. So that's not to be the case with the autonomous vehicle but everything that was shown so a huge potential. Thank you.