研究人員：人工智能竟能優化城市規劃！

傳統的城市規劃方法需要大量的技術專業知識和人工勞作。

弗吉尼亞理工大學有一位研究人員正在努力改變這一狀況。

新的研究顯示，像 ChatGPT 以及谷歌的 Gemini 這類大型語言模型（LLM）在藉助街景圖像評估人造環境這一方面具有潛力。

通過把 LLM 的性能和傳統的城市規劃深度學習方法作比較，自然資源與環境學院的此項研究發現，基於 LLM 的性能和既定方法相近。

和需要技術專長或者人工勞作的傳統方法不一樣，研究人員發現 LLM 給用戶提供了更容易獲取的工具，讓政策和規劃利益相關者在中小城市使用這些模型來管理智能城市基礎設施變得更加容易。

“我的目標是縮小技術規模，讓它們對於小城市而言更加實惠、有效，”地理系助理教授、智慧城市公益項目主任 Junghwan Kim 說。“智慧城市技術涉及運用先進的城市分析手段，例如人工智能和數據科學，來處理能夠捕捉城市環境以及人們對其感知情況的高質量數據。這些技術有助於我們更好地理解諸如交通和健康之類的城市問題。”

這項新的研究表明，生成式人工智能工具能夠自動分析圖像並檢測像長椅、人行道或路燈等特徵。

此前，研究人員不得不手動分析圖像，這是很耗費勞動力的工作。

一個具體的例子是對建築環境進行評估，比如某一特定區域的步行或騎行便利程度怎樣。

金利用人工智能檢測建築環境的特徵，像長椅、人行道、樹木和路燈，所有這些元素都會影響人們對於步行便利性和安全性的認知。

“這讓曾經只有擁有編碼技能和高性能計算資源的專家才能使用的先進工具走向大衆化，”

“然而，也存在一些侷限性，例如人工智能訓練數據中的偏差，這可能會引發地理差異。

比如說，由於用於訓練人工智能模型的數據可用性不均衡，這些工具在大城市往往要比在小城鎮表現得好。

雖說這一工具極爲強大，然而它卻可能產生幻覺，還會依據其訓練數據中的空缺來進行假設。

“這就是爲何要謹慎使用這些工具的緣由，尤其是在對準確性要求極高的專業環境裡，”金說道。

我依舊對這些工具的潛力感到興奮，不光是對於我的研究，對於如今能夠輕鬆獲取高級分析的學生和專業人士來說也是這樣。

不過，我們必須一直清楚在城市規劃中運用人工智能所帶來的侷限性和偏見。