در آغاز سال 2020، از تیمی در Google Research خواسته شد تا ایده‌های جدیدی را برای پروژه‌های تحقیقاتی که بر تسریع کاهش آب و هوا متمرکز بودند، بررسی کنند. دوتان امانوئل، مهندس نرم‌افزار در این تیم می‌گوید: «ما در حال بررسی انواع ایده‌های بزرگ، از گوشت پرورشی گرفته تا انرژی گرفته تا آلودگی هوا بودیم».
یک غروب سر میز شام، دوتان برخی از آن ایده‌های بزرگ را با خانواده‌اش در میان گذاشت – و گفتگو خیلی زود به یک ناامیدی آشنا برای بسیاری از ما تبدیل شد: «همسرم اسنات گفت: «چرا نمی‌کنی؟» کاری در مورد چراغ راهنمایی انجام دهید؟ او به یاد می آورد که ما بدون هیچ دلیل خوبی در کنار آنها ایستاده ایم.
حمل و نقل جاده ای مسئول انتشار قابل توجه گازهای گلخانه ای جهانی و شهری است. به ویژه در تقاطع های شهری که آلودگی می تواند 29 برابر بیشتر از جاده های باز باشد مشکل ساز است و حدود نیمی از این انتشارات ناشی از شتاب ترافیک پس از توقف است. با وجود میلیون‌ها چراغ راهنمایی در سراسر جهان، مقیاس مشکل بسیار بزرگ بود – و اگر گوگل می‌توانست کاری برای رفع آن انجام دهد، این فرصت نیز وجود داشت.
دوتان می‌گوید: «فکر اولیه من این بود که نمی‌توانیم کاری در مورد چراغ‌های راهنمایی بکنیم». “اما وقتی نوبت به تحقیق می شود، جذاب ترین چالش ها در ناشناخته ها نهفته است.”
دوتان و تیمش در حالی که کنجکاویشان به اندازه کافی تحریک شده بود، مکانیک مهندسی ترافیک را بررسی کردند. آنها دریافتند که در حالی که مقداری از ترافیک توقف و حرکت اجتناب ناپذیر است، می توان با بهینه سازی زمان بندی چراغ راهنمایی از بخشی از آن جلوگیری کرد. برای انجام این کار، شهرها به طور سنتی نیاز به نصب سخت افزار گران قیمت داشتند یا تعداد خودروهای دستی وقت گیر را اجرا می کردند، که هیچ کدام اطلاعات کاملی در مورد پارامترهای کلیدی مورد نیازشان ارائه نمی دهند.
Dotan می‌گوید: «ما به سرعت متوجه شدیم که مزیت قوی‌ای داریم که شهرها می‌توانند از آن بهره ببرند. “و چند هفته بعد، ما یک پیشنهاد پروژه آماده کردیم.”
این پیشنهاد برای پروژه چراغ سبز بود، ابتکاری که از هوش مصنوعی برای ارائه توصیه هایی به مهندسان شهر برای بهینه سازی چراغ های راهنمایی موجود و کاهش انتشار گازهای گلخانه ای استفاده می کند. پس از ارزیابی ده ها ایده عالی دیگر، Green Light به دلیل سادگی، مقیاس پذیری و پتانسیل تاثیرگذاری انتخاب شد.