看看ChatGPT如何回答这个问题：

省流：

AI能够帮助规划师处理技术理性或者规范理性的可重复的事物——即确定性、规范性的任务或者说具备框架流程的辅助设计，譬如道路设计、空间设计、市政设计、空间建模与计算等等，设计院的大部分的基础性设计方案是可以替代甚至取代的。也可以说，控规的大部分内容，实际上是能够依据规范，可计算、可推算的空间方案，AI是能够胜任的。

然而对于发展方向性的选择以及决策理性的多元判断时，AI并不具备多大的优势——即城市发展战略、城市经济发展的产业选择、社区居民的需求沟通、政策形势的判断要求等是没有办法来做的。总规。这类具备综合性、预测性、沟通性的内容，更多涉及到总体规划或者区域规划的内容，AI是难以突破的。

总之，规划累积的经验主义和确定性的可计算规划，是可以交由AI完成的，这也启示我们，不要成为工匠型、工具人型的画图规划师，多去承担战略型、判断型、沟通型、管理型的智人型规划师。

在规划AI浪潮来临之前

你会准备一块冲浪板并学习冲浪吗？

2022年9月，美国规划协会（APA）发布了一份规划AI白皮书，老舟对原文进行了翻译。白皮书中的论证略微冗长，因而本文筛选出个人觉得有亮点和有启发性的观点和表述进行分享。

许多观点和对趋势的判断显得老生常谈，甚至有些前后矛盾的地方，但也不乏一些比较有意思的阐述。

原文中比较长和难以理解的内容，译者对其结合自己的理解和感悟进行了注释。（见【译者注】）

以下内容为精华摘录版，需要《规划AI白皮书》的完整版译文，关注“规划在路上”公众号，在对话框内发送“白皮书”三个字，后台将回复下载地址。

目录

1引言

2意义的建构——人工智能与规划

    2.1 什么是规划，规划师是做什么的？

    2.2 什么是人工智能，人工智能能做什么？

    2.3 人工智能和规划之间的相似性和协同作用

    2.4 人工智能在规划中的潜在用途和影响

3.挑战与机遇

    3.1 技术部门和规划

    3.2 规划学术界和实践界

4公平和包容以及对人工智能的职业道德要求

   4.1 规划目标和人工智能的目的

    4.2 价值观和道德决定

    4.3 包容性

    4.4 透明度

    4.5 历史的包袱

    4.6 多样性

    4.7 谁该负责？

5.规划师的角色以及如何为人工智能做准备

    5.1 规划师是基于人工智能工具发展的贡献者

    5.2 规师作为知情的消费者

    5.3 提高技能和持续学习

6.用人工智能规划未来

7.参考文献

    7.1 规划中的人工智能展望前瞻社群的作品

    7.2 文中引用的参考文献

    7.3 补充阅读

1 引言

职业及其角色，将一直随着环境的变化、转变而发展。

在急速变革的时代潮流和城市化进程中，规划（师）需要更快的适应，甚至是主动地调整和适应新的工具、流程和技能。

人工智能有望成为21世纪最大的颠覆者之一，对经济、建筑环境、社会以及包括规划行业在内的大多数行业产生影响。

规划师和相关专业人员，应该就人工智能对专业的潜在影响和益处有深刻理解。

人工智能有可能协助规划者展开工作，改善现有的规划过程，提升效率，并允许规划者将他们的工作重点放在规划的人为因素上（即人与人之间的互动，与社区成员的联系，以及相关的人类技能）。

了解哪些任务可以由机器比人更有效地完成（例如，处理和分析大数据集和艰苦的重复性任务，如交通统计），以及哪些任务必须由人类与社区成员面对面来完成，是需要回答的重要问题。

关于规划中的人工智能的讨论需要围绕这样一个问题展开：哪些规划过程目前运行良好，哪些没有。

我们需要确保我们从改善现有的程序开始，并确保其结果是公平和可持续的，然后，我们才可以编程让机器来为我们做这些事情。

本白皮书总结了研究结果，并就规划者如何为人工智能及其潜在影响做好准备、规划者如何确保以公平和包容的方式使用基于人工智能的规划工具，以及规划者在开发和使用基于人工智能的规划工具中应扮演什么角色提出了初步想法。

2 意义建构——人工智能与规划

2.1 什么是规划，规划师是做什么的？

规划是我们为了明智地投资稀缺的公共资源和管理人居环境的复杂性，所做的集体努力。

【译者注：规划通过为城市提供公共产品在时空下的最优布局方案（包括时序安排和空间位置两个维度），方案通过不断地比较、评估和考量，使得城市整体的正外部性得到最大化，局部区域中的负外部性得以最小化，这是现代规划的套路和决策逻辑。】

事实、意见、价值、预测和其他形式的信息，通过逻辑被写入到一系列的原则和规则中，然后被用来持续评估社区可能面临的选择。

与非专业人士不同，规划者可以利用对原则和法律的深入了解，以其他人无法复制的方式来确定提案的优势和劣势。

【译者注&个人感悟：相关法规体系、规划原理中的原则，构成了规划专业的行业壁垒和个人竞争力，这无可厚非。就像是机器学习需要大量的人工反馈一样，对于规划的复盘和评估往往报喜不报忧，更缺乏对于规划过程的反思。在实际项目生产过程中，规划过程往往是依照规范化后的先验知识进行判定，依葫芦画瓢式的理想化设计或者是领导个人意志的映射，缺乏与社区居民需求、地方发展需求以及其他各个专业的深度沟通，因而多数规划项目完成后，没有得到实际的反馈和数据的验证，无法完成学习和经验的累积，初出茅庐的规划新人容易变为纸上谈规的画图工具人。因此，增量阶段我国的规划流程多止于“理”——即参考大量的法律和设计规范完成规划设计任务，到了城镇化后期，更多规划是合乎“情”的存量更新规划——考虑公平、正义、韧性、协商的规划。这时候的优劣可能就是技术合理基础上的方案，看看哪个更公平】

他们通常会通过提及从实践、政策和常识中得出的大量的 "如果这样，那么那样 "的行动条件来做到上述这一点（指比较方案优劣）。

【译者注：类似于控规中的规划条件，利用规划积累的先验知识——控制负外部性的条件和规范，保证物理层面和物质层面的城市系统的正常运行秩序，例如如果这样设计，就不符合日照规范or道路设计规范，会造成底层住户不满足条件。】

近一个世纪以来，这项工作通过理性规划模型等刚性过程【译者注：工程类的规范设计，有着明确的刚性指标和工程计算模型，来判定项目的好坏，这类工程设计的因果导向，具有相当大的确定性和非价值判断，是一种非黑即白的刚性决策过程】、不连贯的渐进主义等柔性过程【译者注：社会经济的行动落地与规划实施过程，结合社会需求进行利益调节和人居环境改善，譬如城市更新和老旧小区安装电梯，这类项目不仅仅是工程问题，还需要考虑制度设计和利益，例如住房政策、设施布局、用地征收、房屋改建、历史保护等等内容往往涉及到了社会公平、公共利益、邻避效应等，是一种灰度的柔性决策过程】，以及我们今天看到的公众参与战略的最佳实践得到了完善。

在实践的每一次迭代中，规划者的逻辑都是一样的【译者注：现代规划过程长期以来的规划过程和路径：调查——分析——规划——评估】。这种逻辑解释了针对大量系统的潜在变化的因果关系，这些系统通常被称为经济、环境和社会需求的“三重底线”。该逻辑将事实、意见、项目和其他形式的信息纳入一个优先价值序列。【译者注：通过累积的法律、工程、社会规范进行方案设计和优劣判断，根据不同的权重进行社会价值、经济价值和环境价值的整体价值判断，取不同空间布局的最优解，中国式表达就是：两利相权取其重，两害相权取其轻】

这些价值反映在保护社区“健康、安全和福利“的地方政策中，所有这些政策都经过了数以千计的法律挑战的考验和证明，今天仍然是以明显方式塑造城市的强大规则。当这样的规则造成意想不到的后果时，规划者和他们的逻辑就会与社区合作，理性地、一次一个项目地找到更好的解决方案。【译者注：所有可能产生的问题和冲突都经过了较好的法律和规范验证，先验式、经验式的价值判定和最佳解决方案，即可复制实施，但在规划项目落地时，需要各种协商、博弈和讨论；在中国语境下，增量式的规划基本上不存在这类问题，城市用地扩张过程中，农用地的转换，社会摩擦和沟通成本较小，因而产生了中国史无前例的城市化进程；但西方国家的增量规划以及城市化进程都已经见顶，存量的社区规划是其最主要的规划业务，以往的工程规范和规则无法解决社会公平性公正性问题——譬如弱势群体、种族隔离问题、邻避效应等，需要大量的协商和沟通以及政治协商过程，因此西方存在沟通式规划和倡导式规划的理论，需要靠规划师摸着石头过河，为地方和群体定制协商式的规划，物质空间设计已经不再像增量时期那么重要了。】

2.2 什么是人工智能，人工智能能做什么？

人工智能拥有向社会提供上述这种相同的基本价值的潜力。这项技术是一种自动化的决策工具。

一般来说，人工智能可以评估信息，识别特征，将模式转化为规定的变量，根据行动的阈值来衡量变量，确定价值最高的选项，并作出决定。【译者注：人工智能如何判定方案的空间价值，尤其面对多元价值和城市多样性、复杂性的时候如何决策，That is a question】

在任何情景下，人工智能技术都表明，正确的数据和正确的规则可以允许人工智能根据其读取的模式，来预测和规定行动方案。【译者注：如何来定义正确？谁来定义正确？That is also a question，文中提及了很多次，但暂时没有答案】

这个想法很简单，但在调整正确的数据和规则，以使人工智能发挥预期运行方面，往往存在巨大的挑战。

2.3人工智能和规划之间的相似性和协同作用

正确的逻辑和正确的数据，也是让规划者合理地解决当地问题的原因。

然而，规划不是游戏，规划者的工作本质上是创造性的，是以人为本的。

人工智能不能取代作家的表达方式和风格，以及对隐喻的刻意使用。然而，它可以确保每一句话都符合适当的语法。人工智能并不取代，而是增强。【译者注：现有很多文献中提及的是辅助规划，因为算法逻辑和结果的对与错都由人来决定】

人工智能正变得越来越有能力实现流程自动化，但它无法做到这一切。即使在最先进的应用中，人工智能也要依靠警惕的专家之手来指导系统，即使专家依靠系统来执行大部分的任务。【译者注：与自动驾驶和开飞机一样，面对突发情况依旧需要人脑来决策，AI只是帮你从具体手动操作中解脱出来】

然而，与大多数人（的逻辑）不同的是，这种算法中包含的逻辑，可以更公开地响应新的信息、新的价值、新的权重和条件。它可以更容易接受社区不断变化的态度和需求。更妙的是，当它产生一个错误时，其他人往往很清楚这个错误已经发生。在复杂的模型中，这种错误很难追踪，因此也更难解决，但错误还是很明显的。这就激发了反复的试验和错误循环，使人工智能随着时间的推移变得更加强大。然而，我们人类往往会因为害怕尴尬或失败，而倾向于隐藏自己的错误。以与机器学习模型相同的方式“更新”我们的思维，往往是痛苦的，因为我们常常在一开始就犹豫是否承认这些错误。最后，算法可以始终如一地履行其职责，每次都使用相同的可靠程序，而人类有时可能会忘记或不一致。【译者注：发现和承认算法错误，比承认自己的决策失误简单多了，似乎有道理。但是，对城市来说，某些错误有可能当前发现不了，还需要考虑时间成本，而且这种决策错误就像是木已成舟，很难纠正。】

有了正确的数据和参数，人工智能可以优化一个城市的街道网络设计，以尽量减少温室气体排放。它可以确定最佳路线设计，以便在中低收入地区获得最大的交通便利。它可以确定最敏感的自然区域来保护土地。它可以根据分区条例的参数，进行的扩建分析，模拟未来城市的增长表现。通过定期的迭代和持续的回测，它可以预测未来的影响，减少误差幅度。

我们（规划者）对交流的贡献，可以来自我们与社区的合作，将他们的不断变化的关注和需求，转化为优先事项、价值观和愿景。这是创造性的工作，它需要计算机无法模仿的情商。这种信息在未来几年将变得更加珍贵。【译者注：公共利益的算法翻译师，把需求反馈给算法，并修正算法】

但是，我们从这些工具中获得的个人满意度，是不容易以技术方式衡量的。同样地，这些工具的社会政治影响，也是只有我们通过我们自己的集体努力，来确定和管理的。换句话说，虽然人工智能是人类建构的，但如果没有规划者与技术的持续合作，它就无法捕捉到人道主义和关怀。

人工智能可以向我们展示“正确”的答案，但只是以我们定义的方式。这个智能的作者，应当由我们来解释哪些结果是“正确”或“错误”。

2.4人工智能在规划中的潜在用途和影响

人工智能可以处理、合成和解释我们提供的数据。无论我们定义了多少变量，它都可以产生无数权重和度量的排列。其质量（可靠性和准确性）取决于它得到的数据和我们设计的公式。除非规划者定义或至少理解数据收集、分析和算法开发的最佳实践，否则我们无法充分认识到人工智能在我们专业中的潜在用途。然而，我们可以很容易地认识到其中的含义。

如果做得好，人工智能可以让我们通过实时分析各种设计方案，来提高公众参与度。目前，规划实践者可以在设计阶段上，提供这种经验。规模和范围可能会有所不同，但核心要素必须包括参与者对一个地区的未来的想法。这些想法被转化为设计，然后由人工智能模型评估的软件进行数字化和测试。随着影响被评估，公众可以更好地看到他们许多想法和设计的权衡。通过修改和调整，他们可以了解街道、建筑、自然区域以及管理政策之间的相互作用。该技术提供的视觉表现和快速反馈，可以使人们更深入地了解如何规划他们的集体未来。对于参与该过程的任何人来说，这一经历都具有高度的吸引力和丰富的信息。随着时间的推移，这种高质量的、由数据驱动的交流，可以成为每个规划决策的一部分。【译者注：个人觉得利用AI进行可视化展示和教育是可行的，但是利用公众参与来决策，这个有些理想化和过度乐观了。在西方语境下，在社区规划层面的人居环境更新改造，是可行的。就目前城市的重大决策和发展决策而言，一定是存在着信息差的，这种公投式的规划决策不见得会很有效率。这个模式跟现在流行的DAO组织很像。】

需要注意的是，这种交流主要是在社区和代表实践的模型之间进行的，就像聊天机器人是客户和语言模型之间的交流一样。这并不导致规划师在这个过程中被取代。相反，它允许规划者专注于模型的完善——这样他们就能产生更好的分析和反馈。【译者注：按这种说法，规划师已经沦为社区产品经理和算法工程师了，这规划师已经转行了；这里描绘场景与之前提及的“人与人之间的互动过程”有些矛盾，人与人的沟通已经被AI取代了，与之前提及的人与人的沟通，有些本末倒置了。】

同样，社区和模型之间的直接交流，使社区能够学习、澄清和完善其优先权和利益，从而产生更好的价值判断。

知情的从业者也知道，目前人工智能模型的技术准确性并不理想。同样地，他们知道我们目前的人工智能的智能是受有限的数据所限制的。数据的缺乏导致了有效训练的缺乏。强大的机器学习技术，如无监督强化方法，在目前的实践中，由于缺乏强大的训练集来为其提供支持，基本上是遥不可及的。我们还缺乏将我们的定性理想，转化为可以在软件代码中自动化的数字和对象所需的知识。这些问题可以并且将由技术专家解决。他们需要规划者提供成功的秘诀。

规划的最佳人工智能需要时间来创造，只有第一步是明确的：规划的最佳人工智能逻辑，必须从模仿人类的最佳规划逻辑开始。我们对这种逻辑有清晰的认识吗？我们是否从经验和哲学的角度知道我们认为理想的问题和解决方案？我们知道如何培养这种知识，以增强这些模型的能力吗？如果我们不为规划开发这种算法逻辑，那么其他专业人员（AI开发人员）在开发基于AI的规划工具时，很可能会开发这种算法逻辑。

通过试验和错误，以及来自这个领域集中努力所产生的更好数据，是揭示和发现上述问题答案的最佳路径。这是人工智能和规划之间协同作用的最佳方面。努力使人工智能成为一个有效的工具，将有助于规划者明确最佳实践和方法，这也必将使我们的专业也更加有效。

（未完待续）

3 机遇与挑战

人工智能用于规划，或将有助于发现痛点以及相关的机会。这需要具备与相关任何创新的相同任务：开发一个共享的术语表，学习新的技能，了解新工具优越之处，定期地重新调整预期，并确定适当的绩效指标、分析框架和评估技术。规划师将需要在规划和技术部门的对比文化之间架起桥梁，而规划学者将在这个领域找到新的研究机会。

【译者注：不同的规划应用场景的需求不一样，从调研、规划、管理、评估中的每一个环节，其指标、框架、技术都要重新搭建，一如现阶段“城垣杯”竞赛所作的事情，具体到分析场景，需要数据和模型来展开分析，这将成为一个新的业务增长点，且形成可复制可调参的空间分析产品和算法模型】了解人工智能建立在规划师长期使用的预测和分类统计方法上是很有帮助的，如回归模型、聚类分析和主成分分析。使人工智能与众不同的扩展是，预测和分类用于支持自动化、基于规则的决策。

【译者注：自动化的决策和基于规则的决策是很理想的状态，就像自动驾驶完全不需要人的掌控的阶段，这需要强大的数据能力和场景判断，规划的周期都比较长，类似交通这样实时的数据基本上不可能有，规划产生的数据基本上都是后验型的，个人感觉很难进行先验的预测和自动化决策。当然也跟现阶段的规划过程有关，因为人的大脑数据投喂的相对单一，但如果是城市大脑，有了整个系统的数据分析能力，就有可能作出系统性的判断进而自动化决策】

理解和管理人工智能的局限性是规划师的另一个重要挑战。……重要的是，了解人工智能是否在有代表性的数据上进行了训练，算法的调整是否反映了应用的背景和最重要的特征，以及最终算法中可能存在的偏差。要想熟练掌握结果的准确性和意义，并认识到工具不适合的情况，这需要实践。

【译者注：目前的AI尚处于初级阶段，积累的数据量不够多，难以从算法中得到反馈，先验的概率决策和分析累积，难以得到验证和反馈，其次是普适性和特殊性的矛盾需要考量。譬如设计方案要考虑的是满足各类设计规范相对刚性，规划决策和管理要求的是底线思维和外部性最小，相对比较弹性，自由裁量权较大。这些地方性的文化背景、制度特征、规范要求有可能很难被ai理解并形成决策，这种普遍性下的特殊性，AI工具的算法可能需要私人订制，做到“一招鲜，吃遍天”和放之四海而皆准的规划算法，可能比较难】

有时我们会选择方便的指标，而不是合适的指标。通常情况下，我们在公共决策中部署的衡量指标，可以由最容易获得和最便宜的访问方式来构建。

【译者注：数据的可获得性、精确性以及规模性，都有可能影响最终决策的分析结果，在初级阶段，有可能还是需要依赖小数据来进行辅助判断，尚且达不到大数据的情景】

有时，我们并没有有意识地选择一个分析框架来指导决策，也没有询问谁会受益。在参考任何分析或数据之前，总会存在一个需要解答的问题。对这个问题的定义，将对数据的呈现、叙述的构建以及最终规划决策的结果，都会产生连锁反应。

【译者注：当前很多规划中的分析决策的过程还是拍脑袋定的，没有分析框架和算法逻辑，譬如产业规划、商业设施、各类用地的选址布局等等。定义清楚问题很重要，这决定了最终的概念和数据指标，并带来空间的连锁反应和蝴蝶效应】

3.1技术部门和规划

然而，通过人工智能实现自动化是有风险的，因为当我们允许人工智能在我们没有思考的情况下进行操作时，我们可能会错误地应用方法或造成意想不到的后果。因此，定期评估我们在自动化方面的尝试及其表现是有价值的。

【译者注：不难理解，看看现在自动驾驶的事故情况就知道了，风险任何情况下都会存在，人工的决策依靠权力，或许也隐藏了更大风险而不自知。但也不能因噎废食，自动化辅助决策还是有价值的，只是技术尚未成熟，需要人工的干预和规避】

规划师将通过成为关键的、有鉴别力的技术使用者，并确保所追求的效率是社区和更广泛的社会所珍视的，从而更好地服务于他们的社区。

【译者注：技术使用者和反馈者，越来越像社区的空间产品经理，目前还在空间决策代理阶段，尚未进化到产品经理阶段】

他们（规划师）需要了解输出是如何产生的，并能够将输入的内容与输出的内容联系起来。规划师应该设法引领游戏规则，对人工智能及其影响采取积极的态度，而不是被动的。

营利性活动与公共利益之间出现了典型的紧张关系。私人行为者将使用人工智能工具来推进他们的目标，而规划师需要做出适当的回应。当规划师借用由更大私有部门开发的工具时，其适用性可能并不完美，并且可能无法满足公开性和问责制的要求。技术部门的职业经理人和学者，都比公共部门规划师的创新和测试想法，有更多的自由。特别是地方政府的规划从业人员没有机会“失败”，这表明科技部门应该承担更多的实验责任，许多人将其归因于麦克斯韦（2000）的格言“早失败，常失败”。

【译者注：公共部门规划师的锅，最终由技术来背，这也是第一期中提到的，相比于要人类承认错误和责怪算法错误，前者要难得多，但这个公共利益是很难定义的，有时候是多数人的利益，但难免保证其公平和公正，有可能出现多数人的暴政，算法下的空间规划的失败，其最终的责任由谁来承担呢？其责任这也是很难定义的，政府部门的规划师没有机会失败，这个说的挺好，但人工智能不正是要通过失败来学习么？这里的实验如何做？通过对规划不同方案所带来的一连串的社会实验及其外部性进行评估，权衡利弊，还是那句老话：两害相形，则取其轻；两利相形，则取其重，最终可能会变成了一个决策树模型】

有必要对人工智能工具进行比较评价，以评估其相对优势和劣势。这是学者和研究人员的职责，由于他们经常需要与从业者一起工作。

【译者注：前面提及的对于算法这个黑盒子，有必要对结果予以人工评估和反馈，来不断纠正其结果的正确性，使得其算法不断进化学习，来达到自主决策和分析的需求】

3.2规划学术界和实践界

规划学术界在评估人工智能工具方面可以发挥的作用，是在最新技术的关键性使用方面、规划应用以及培训学生和中期从业人员的适用性方面。此外，人工智能为规划研究议程提出了新的问题。

像其他商业和政府部门一样，人工智能在规划方面的潜力，在20世纪50年代末和60年代初就得到了承认，但由于缺乏关于城市场所和过程的数据，在人工智能的进一步发展受到了限制。这种情形正在迅速改变，因为实施了移动互联网模式、土地使用变化、房地产交易、能源使用和其他信息的数据收集传感器（见Thakuriah，Tilahun，and Zellner，2017）

尽管在过去几年中，城市规划学者对人工智能相关主题的研究一直在增加，但证据表明，这些成果进入专业规划师手中的速度很慢（Batty，2018；Sanchez等人，2022）。一些学者建议规划师缩短规划的时间框架，以便更好地与控制论和城市运营研究的进展相重叠（Batty，2021）。其他学者认为，规划师应该利用数据的普遍性和计算机的进步，来加强信息资源的再分配正义和边缘化社区决策的程序正义（Goodspeed，2015；Boeing等人，2021）。

随着数据可用性、通信能力和城市人工智能研究的上升，城市规划将在规划制定的技术应用方面经历重大变化。学术文献表明，在土地使用、分区和许可、环境规划和交通等不同领域的规划中，有广泛的人工智能应用前景。这些例子中有许多代表了规划行动中的“棘手”问题【译者注：英文为wicked problem，也可译作抗解问题，这里可以理解为无解问题】，这些问题没有商定的规则、逻辑或可能结果的有限集合。人工智能很容易被应用于“驯服“的问题【译者注：英文为tame problem】，例如通过大量的监督数据分类从X射线中进行医疗诊断，而像诊断这样的“棘手“问题则不容易。【译者注：英文为wicked problem，也可译作抗解问题、棘手问题，这里可以理解为无解问题：

「释义」抗解问题是指一个困难或不可能解决的问题，因为这个问题不完整、矛盾、不断变化且往往难以识别或定义。英语中使用“wicked”是指一种抵抗的决心。另一种对抗解问题的定义是“问题因其复杂的社会意涵，而没有任何能够确定的停止点 。”且因为复杂的相互依赖性，试图解决抗解问题的行动或方法可能会造成其他问题的产生。

「应用场景」网络上的信息污染，是个“抗解问题”（wicked problem）。这种问题无法以常规方式解决，尝试解决往往适得其反。举例来说，Facebook增加了一项功能，由事实检查员为虚假信息打上“有争议”标签，然而，如果用户原本已经倾向于相信该信息，看到这个标签只会更加坚信不疑，不会改变想法。我们还需要更好的解决方案。

“棘手问题（Wicked problem）”指由于不完整的、矛盾的和不断变化的要求难以识别，复杂的相互依赖性，使得难以解决或不可能解决的问题。 “棘手问题”最开始用于社会工程中，其现代意义上由Charles West Churchman在1967年在《管理科学期刊》（journal Management Science）提出 ，是为了响应曾经使用棘手问题这个术语的Horst Rittel。Rittel与Melvin M. Webber在1973年发表的论文中正式描述了棘手问题的概念，他们比较了“棘手”与其相对概念“驯服（tame）”，以及在数学，国际象棋或智力游戏中的“可解问题”，他们指出：“由于这些问题的特殊性质，使用科学基础来寻找社会政策问题的解决方案是终将失败……政策问题并无法明确地描述。而且，在多元社会中，不存在没有争议的公益、客观的权益定义；应对社会问题的政策也不能有意义地纠正或错误，谈论这些问题的’最佳解决方案’也毫无意义……更糟糕的是，在有明确意义的答案上也没有解决方案。”棘手问题有一些经典的案例，像是经济、环境和政治上问题。当解决一个问题需要透过改变大量人类个体的思维和行为，那这个问题可能就是一个棘手问题，比如当前的Covid流行病，。。。

参考文献：https://zh.wikipedia.org/zh-cn/棘手問題；https://zhuanlan.zhihu.com/p/371672981】

与其他更常规和经常使用的方法相比，人工智能的作用更大，其他前瞻性应用很少使用，可能不会带来显著的改进或成本节约。因此，当城市规划师和规划组织考虑适当的应用来改善他们的流程时，明智的做法是，考虑规划实践的哪些方面将从现阶段的人工智能中受益，并且不太可能造成意外的后果。要使人工智能应用于城市规划的“抗解”问题，仍需取得重大进展，而学术研究可以提供帮助。这包括一些重要的因素，如谁参与了问题的定义、人工智能工具的评估、数据的代表性以及所涉及的时间范围。这意味着首先要强调规划师的需求，其次才是技术的属性，这种方法与目前通过开发技术的做法不同，在研究过程中很少考虑当前的实践。

4 公平和包容，以及对人工智能的道德需求

为了确保人工智能在规划中的使用能产生公平和可持续的结果，我们必须首先重新评估当前的规划流程，了解其缺点，并利用所学到的经验来指导新的或调整后的流程发展和规划实践。正如本白皮书所阐述的那样，重要的是了解规划的人为因素，并确定哪些可以由机器完成，哪些不应该由机器完成。规划行业一直在努力纠正过去的错误，并改进规划实践，以便在未来创建公平的社区。公平的规划实践需要成为基于人工智能的规划工具的基础。规划师可以首先确定AI在公平、多样性和包容性方面面临的挑战，以及在与人工智能合作时需要解决的其余缺点。此外，规划师必须了解人工智能在公平、多样性和包容性方面的缺点，这与规划师在自己的专业范围内试图解决的问题类似。

4.1规划目标和人工智能的目的

“规划中的人工智能”前瞻社群首先提出了一个问题：规划的目的是什么？一般来说，规划师同意我们努力为共同利益制定计划。规划师试图解决当前的问题，建立共识，平衡不同的利益相关者和不同利益之间的权衡。根据AICP道德和职业行为准则，“规划过程必须不断追求并忠实地服务于公共利益”。

但是，在试图制定一个算法时，“为公共利益而规划“或“为公共利益服务“意味着什么？它是否意味着为最大多数人的最大利益进行规划？如果是这样，它将默认排除少数群体和边缘化群体。它是否意味着“群体的观点”比个人的观点更重要？如果是这样的话，公平的概念是如何体现的？或者说，更好的算法是假设通过解决社区中最弱势的人的需求，每个人都能得到服务吗？虽然规划师的目标是为共同利益而规划，但一些规划实践却无意和有意地对某些社区造成了伤害。

开发人工智能系统的主要目的是相似的：解决某些问题，特别是那些人类自己无法解决的问题。人工智能本身并不有害，也不是有意有害的。它的目的取决于其用户和他们的意图。机器不做自己的决定，没有意见，也没有经验。人工智能的程序员——开发机器正在使用的算法并决定将哪些数据输入机器的人——要对它所做的决定，以及这些决定所产生的结果负责。然而，不同的是，为公共利益进行规划的规划师可以参考道德准则，而人工智能（及其程序员）没有任何道德框架，至少现在还没有。

4.2价值观和道德判定

到目前为止，还没有关于人工智能的统一法规，也没有关于人工智能开发或使用的一般道德准则。虽然包括经济合作与发展组织（OECD）等全球组织和各国政府以及私营科技公司在内的多个实体一直在发展道德人工智能的初步概念，但没有一个实体具有更大的法律约束力或可执行性。

诸如“什么是道德决定？”或“什么是有道德的算法？”这样的问题超出了人工智能开发者或规划师的责任。例如，如果自动驾驶汽车的算法必须在碾过一个人或撞上一棵树之间做出决定，这个决定可能比在一个70岁的妇女或一个10岁的男孩碾过去之间做出决定更容易。取决于文化价值和信仰，每个人的答案可能有所不同。人工智能的发展迫使我们更好地理解和定义人类的价值观和推理。

当规划人员希望将规划任务转化为算法时，或者使用基于人工智能的工具来辅助任务时，他们应该将人工智能中的道德对话与现有的规划道德联系起来。同样，AICP道德准则也需要更新和调整，以反映AI应用将普遍存在的未来，无论规划师是否参与对话。

4.3包容性

当试图为共同利益进行规划时，最大的挑战之一是确保所有的声音被听到，每个人都被包括在内。然而，诸如“最响亮的声音“的主导问题（我们如何发现从属的叙述，并鼓励边缘化的声音说出来并被听到？），社区参与的预算限制（什么渠道、工具、方法和地点可用于外联、投入和参与？），以及阻力最小的路径（谁最容易参与，谁就会参与什么数据最容易收集，就会被收集）等问题都强调了包容性的必要性。什么是包容所有社区成员的最佳方式？公民包容是什么样的，所有居民都能找到某种符合他们期望的互动方式？

就像在规划中，当使用人工智能时（例如，根据大数据集做出决策），那些在数据中没有代表的人可能会被排除在外。不完整的数据集和不代表社区的数据，会导致不平等。此外，算法偏见的风险可能会加剧这些不平等现象。算法反映了其创建者的偏见，而不完整的数据集可能反映了社会的不平等。当原始的政治权力呈现出凌驾于个体参与权之上的姿态时，人工智能不会缓解问题，反而可能会加剧问题。

4.4透明度

规划师面临的另一个挑战是，由于缺乏透明度，人们对公共部门的信任度不断下降。虽然规划师一直在努力纠正过去的错误做法，但规划仍然是一个由专家驱动的职业，规划师的行话会造成语言障碍，缺乏理解，以及对自上而下决策的偏见看法。如何才能更公平地进行规划，并提供共同创造的机会？

某些技术可以促进更具包容性的访问和每个人的参与机会。但是，当未知数据进入一个黑匣子时，未知算法产生了输出，这种缺乏透明度会加剧不信任，直到社区和规划师都不信任这项技术的地步。在规划中，透明度的挑战在于让规划过程本身更容易被其他人理解，而这正是规划者所能做到的。但在人工智能的情况下，基于人工智能的工具的用户往往不了解黑盒子里的东西。在规划中使用人工智能时，面临的挑战是双重的。首先，规划师（作为人工智能的使用者）需要了解数据的来源，数据中包括谁，黑匣子里有什么，以及黑厘子里没有什么。其次，规划师需要能够将这些知识传达给他们的社区成员，即输出的接收者。

人工智能素养或对基本人工智能概念的理解将是规划者能够以公平的方式使用人工智能并将其目的恰当地传达给社区的关键。……通过优先考虑规划过程中的透明度，规划师可以与社区建立信任。这种规划能力正变得越来越重要，特别是当规划师处理过去的错误所导致的不信任的后果时。最后，每个人都应该成为人工智能系统的关键用户，并意识到他们的权利和责任，以及他们如何在人工智能驱动的世界中行使这些权利和责任。

4.5历史的包袱

在试图消除不平等和解决相关挑战的过程中，我们正在使用我们用来创造不平等的过程、方式和方法。这可能包括提出错误的问题，使用有偏见的假设或目标，缺乏监测和实施后的评估，以及缺乏对公平、多样性和包容性相关问题的规划教育。

像规划师一样，人工智能是根据过去的事件进行训练的，使用过去的数据（反映社会差异的），为现在和未来的决策提供信息。算法只是反映了其创造者现有的心态、偏见和价值观；算法并不会质疑它们。数据反映了历史实践和思维方式，这些做法和思维方式可能是不公平的、误导的和歧视性的。

为了从过去的错误中吸取教训，并适当地重新思考规划过程，采取事后诸葛亮的做法是必要的；这可以为协助规划任务的算法和工具的发展提供信息。分析和评估过去的规划决策和它们的后果是至关重要的。规划师和人工智能开发者需要了解历史在我们的思维方式和数据集中的重要程度，以及它如何对我们的工作产生负面影响，从而导致未来更多不平等的雪球效应。提出不同的问题；使用新的思维方式、新的方法和流程以及不同的数据集；以及解除对有缺陷的、不公平的方法的学习，将是解决今天规划和人工智能发展问题的关键。

4.6多样性

规划行业目前并没有反映出我们所服务的社区的多样性。这种多样性的缺失导致了多元化视角的缺失。同样，在科技界，只有少数人的价值和偏见反映在算法和使用的数据中。为了公平地服务于不同的社区，了解不同的需求和价值观，服务者也需要反映这种多样性。仅从不同角度的投入并不能解决不平等问题。然而，它可以帮助转变关于价值观和偏见的对话。

此外，正如本白皮书中提到的，人工智能中使用的数据和算法需要反映社区的多样性。然而，并不是每个人都与一个设备相连，通过这个设备可以收集数据。规划师的作用仍然是确保他们所使用的数据能够捕捉到社区的多样性，以创造包容和公平的结果。

4.7谁该负责？

如前所述，规划实践造成了伤害，在某些情况下是有意的，在某些情况下是无心的。不平等是规划师通过红线、排他性分区和其他过程有意制造的。然而，当试图改善规划过程时，我们需要回答这样一个问题：什么是在规划师的控制之下，什么不是？当选或任命的议会成员、开发商、政治家和其他行为者的作用是什么，规划师的作用又是什么？在这个过程中，有哪些部分是故意造成排斥的，哪些是无意的，因此可能需要更深入的评估？谁应该负责？

最近，在计算机视觉和模式识别会议上，首次出现了“谁对人工智能创造的成果负责？“这个问题，人工智能研究人员在会上预先发表了他们在人工智能发展方面的最新发现。许多研究人员喜欢他们的学术自由，认为他们的主要任务是开发这些工具，而不是考虑潜在的使用案例和错误使用的后果（Kaye，2022）。

考虑到人工智能在规划中的使用和培训规划师成为知情消费者的道德框架，将有助于减轻规划中面临的在人工智能的发展和使用中的风险和挑战。虽然以上几点概述了规划和人工智能的缺点，但在试图为两者共同解决这些问题时，可能会发现当前问题的解决方案。

由于规划行业有改进的空间，人工智能可以成为解决该行业所面临的问题的机制；但如果不小心使用，人工智能也可能很容易加剧这些问题。在这一点上，在规划中使用基于AI的工具可能会出现两种效果。

【译后感悟】

这部分内容涉及到比较多的技术应用的人文思考和哲学思考，目前这方面的规划研究并不是很多，大多数情况研究还是热衷于制造着算法的黑盒子，似乎能够靠算法解决掉很多问题，但背后真正隐藏着的更多小群体那些需求，有可能是算法真正忽视了的。譬如规划应当以人为本，这句话几乎被当成万金油理念和政治正确的口号，但真正的以哪些人为本，很多时候并没有去深入地思考。规划被AI技术裹挟着进入公共利益的决策层面时，群体性代理的政治问题依旧会存在——即你为哪个群体站台，你为哪些人奔走呼号——这也是后增长时代西方规划和研究的重点，包括社会公平、空间正义、社区福祉、程序正义、多样性等等，也是对规划批判最多的一些方面。这个或许也是当前国内的规划教育所缺失的东西，但这类问题似乎又是一个抗解问题（wicked problem）。

目前，规划行业仍旧是技术至上、经验主义和精英主义的判断和治理，毕竟话语权还是掌握在少数人的手里，就专业主义这点来说，这也无可厚非。文中的一句话点破了这一点——虽然规划师一直在努力纠正过去的错误做法，但规划仍然是一个由专家驱动的职业，规划师的行话会造成语言障碍，缺乏理解，以及对自上而下决策的偏见看法——但就目前阶段来看，似乎也没有更好的解决办法。还有个问题是，当算法逐渐接管人类进行空间决策之后，我们的城市形态和社会形态会发生怎样的改变，人在这个规划过程中还有主观能动性么，人本规划和人文主义的价值还存在么？这似乎也是一个值得深思的问题。当技术车轮滚滚向前，成为不可阻挡的趋势，我们都被裹挟其中，AI规划的未来会走向何方？答案在风中飘扬。

（未完待续）

5 规划师的角色以及如何为人工智能做准备

当涉及到使用基于人工智能的工具和支持人工智能的道德使用，以获得公平的结果时，规划师可以发挥两种作用：（1）规划师可以以主题专家的身份为基于人工智能工具的发展做出贡献，旨在解决社区挑战和实现社区目标，以及（2）规划师需要成为知情的消费者，了解正在使用的工具和它们的不足之处。 规划师可以充当程序员和AI开发人员的顾问，以确保这些工具的目的反映出公平、多样性和包容性目标，这些目标应该是规划实践的核心。规划师（用户）和科技公司（开发者）之间的联系和关系需要建立、维护和发展，尽管不是每个科技公司都愿意倾听他们的用户。在整个研究和开发过程中，需要与基于人工智能的规划工具的开发者进行对话。开发人员与终端用户进行合作，继而完善产品，这并不罕见。

随着科技界和规划行业之间关系的成熟，规划师可以预期他们的角色会不断演变。正如过去几十年来地理图形信息系统（GIS）产品在规划行业的应用一样，专家将变得更加普遍，而这些规划师将拥有特定的技能，以促进基于人工智能的规划产品的发展。

此外，规划师必须了解他们所使用的工具，包括这些工具能做什么，不能做什么，它们的局限性和缺点，以及潜在的意外后果的风险。工具的道德使用要求方面，规划者需要确保没有人受到伤害或掉队。应当建立以规划伦理为基础和为共同利益而规划的目标，而非关注潜在的效率收益的目标，应该指导和推动关于何时和如何使用人工智能的决策。

这两种角色都要求规划师提高相关的认知和教育，包括人工智能技术、随之而来的行业发展机遇与挑战，以及各类潜在的应用场景。

5.1规划师作为人工智能工具开发的贡献者

在基于人工智能的规划工具或产品的开发中，规划师应该参与哪些工作？参与其中意味着什么？为了围绕开发基于人工智能的规划工具的相互对话做出有意义的贡献，规划师可以采取以下行动：

界定要解决的问题，并询问正确的问题

人工智能不应该只是为了人工智能而使用。规划师需要积极主动地定义需求说明，反映需要解决的规划挑战。这一直是社区规划过程中的一个关键步骤。由于人工智能工具在很大程度上是基于一个确定的问题或需求，规划师需要考虑如何定义人工智能应该解决的问题，特别是对那些在规划领域之外工作的人工智能开发者。该专业还需要考虑到不同方法（如基于资产的社区发展或设计思维）对从业者如何定义问题的影响。

翻译和更新过程。

如前所述，完成规划任务的过程和方法需要重新评估，特别是考虑到正在进行的公平、多样性和包容性讨论。规划师需要能够清楚地勾勒出规划任务、考虑流程事项，以及这一过程在由人工智能完成时，可能出现的差异。

准备应对意外的后果。

规划师可以通过识别因边缘化而变得脆弱的群体，预测不必要的影响，并在早期建立保护措施，来减轻人工智能的意外后果。规划师应准备通过建立监测和评估机制，积极关注人工智能、数据和算法偏见的意外后果。特别重要的是要与社区成员展开合作，并为他们提供反馈渠道，了解他们使用这些基于人工智能的工具的经验和实际（或感知到的）结果。随着时间的推移，这将有助于人工智能标准的发展，并反映现实世界的经验。

提升规划的声音。

规划师需要能够简明扼要地证明他们出席会议的理由。规划师是人工智能开发者试图提供有关各种社会、空间和城市议题解决方案的主题专家。在开发以人工智能为基础的规划工具时，整合这一主题的专业知识，同时努力避免偏见将是改善规划的关键。

创建针对规划的训练数据集。

规划师可以启动规划，以创建规划为人工智能系统提供特定的训练数据集。这项工作可以向社区（以及规划组织）展示人工智能的价值，并能够促进社区提升关于人工智能的素养、教育和意识。然后，规划师可以注意到哪些有效，哪些无效，并根据需要扩大（或缩小）规模。

成为数据促进者。

创建针对规划的培训数据集，也是规划者尝试成为公民数据促进者的一个机会。规划师可以表达跨机构共享的实时数据的价值。规划师可以倡导改善数据质量和适用性的定义；确保有背景意识的数据收集和使用；并使用定性的方法来填补定量数据收集的空白，这可能是其他专业的首选。

界定组织结构倡导者。

规划组织也可以在组织内确定特定的人，作为人工智能主题的倡导者。这可能是管理或决策层的人，他是技术应用方面的专家，他能跟上最新的技术前沿，并找到在实践中利用这种技术的机会。其他级别的员工也可以参与讨论，但倡导者应该有权力在组织中做出正式的改变。

了解还有谁参与（或不参与）。

规划师不是唯一试图加入人工智能和技术界对话的专业人员。规划行业可以通过与那些也在寻求席位的人合作，特别是与那些有共同利益的人合作，来获得一席之地和目标。最后，这个过程还存在规划、政策和技术专家之间建立桥梁的机会。

集思广益，开发面向未来的应用。

鉴于大多数规划工作的长期重点，规划师处于一个很好的位置，可以为面向未来的人工智能应用集思广益。这是该行业在人工智能领域可以做出的一个重要贡献。大多数现有的工具是面向实时监测的，但有机会使用人工智能进行长期预测和决策。当涉及到用于训练人工智能的数据时，规划师的观点可以帮助人工智能开发者变得更有创造力，因为未来的样子会与过去或现在不同。

这些只是规划师为进入人工智能世界可以采取的一些行动，对双方都有利。但重要的是要记住这是一个新的冒险，所以需要实验，而且随着这种关系的发展和成熟，行动可能会变得更加具体。

上面列出的行动决不是关于规划师如何能够成为基于人工智能的工具发展的参与者的最终定论。然而，迈出这些行动的第一步，对于启动规划师和技术开发者之间富有成效的对话是必要的。

5.2作为知情消费者的规划师

规划师如何成为基于人工智能的工具和应用程序的知情消费者，以及规划师在使用这些工具和应用程序时应该注意哪些因素？规划师们正试图进入一个充满了数十年的讨论和所产生的工具的现有世界发展。使用人工智能的规划师的角色应该是这些工具市场上的负责任的行为者。规划师可以采取以下行动，成为基于人工智能工具的知情消费者。

确认数据（和其他）局限性。

在使用一个基于人工智能的工具，规划师需要了解它的原始意图和目的。每个工具或产品的背后都有一个确定的数据收集方法，一个模型，或一个算法。规划师应该经常询问有关这些的问题他们是基于人工智能的工具的基础部分和所需投入。他们应该对数据和模型进行有效的（但不是禁止性的）批评，以确定它们是否适合于规划使用。在基于人工智能的工具中寻找缺陷和瑕疵并不意味着完全取消其使用；相反，它意味着认识到一个工具的输出并不是确定的或完美的，但在规划过程中仍有价值。例如，如果人工智能背后的数据是不完整的，规划师仍然可以使用这个工具作为规划过程的一个输入。该工具仍然提供额外的效率，并提供相关信息。然而，进一步的工作将需要单独完成，以填补空白。简而言之，规划师需要了解该技术如何运作的关键要素，以确定缺点并作出相应调整。

理解并非所有工具都适用于助力完成每项工作任务。

规划师应该对不同种类的数据有一个清晰的认识，如监测的和建模的数据。基于人工智能的工具可能适用于某些数据粒度，但也可能不适用于其他数据粒度。采纳和使用一个基于人工智能的工具，需要规划师将数据和模型的分辨率与决策的适当时间范围（短期、中期或长期）和空间范围（地方、区域等）相匹配。

参加专业发展。

规划师应该知道在选择使用“新技术“时应该问哪些基本问题基于人工智能的工具。本白皮书中触及了一些核心的哲学问题，可能包括以下内容：这个工具能帮助我完成我的工作吗？它能提高我工作的效率吗？这个工具是否能促进我所服务社区的公平结果？它是否能提高我工作的效率？这个工具是否有利于规划？它是否能解决实际问题吗？还是我只是为了使用一个新技术而使用这个工具？规划师将必须提高人工智能有关的知识与技能。

向其他领域学习。

其他领域在将人工智能应用于其工作方面，也可以为规划提供经验教训。从看似遥远的医学专业应用，到更紧密的专业应用——如民事和民事诉讼、工程和景观建筑方面，规划师可以看看基于人工智能工具的应用范围和场景，以及它们对这些专业的影响。

挑战先入为主的观念。

一个至关重要的环节是，规划师以往采取的行动，或将经常对该行业的先入为主的观念带来挑战。例如，将规划师视为“问题解决者”的想法，需要反思AI工具开发人员对需要解决的问题可能持有的先入为主的观念。这些观念可能与规划专业的目标不一致，或者它们可能是基于对问题起源的过时观念。此外，人工智能正在改变传统的规划假设，无论规划师是否参与了人工智能的使用。规划师可能意识到其中的一些转变，例如人工智能如何影响就业或移民趋势，但他们需要确保改变他们的预测工具，以反映不断变化的假设。

作为理解人类价值观的主题专家，规划者需要牢牢把握其宝贵的观点，因为人类价值观与不同社区层面的建筑环境和社会变革有关。成为知情消费者的一种方式，是将这种知识作为一种持续的基础，以发现人工智能操作的行动和结果之间的错位和偏差。当使用现有的工具时，规划师可以标记这些偏差，并要求在必要时进行调整（如果技术开发人员愿意为更好地改变工具，如果不愿意，规划师可以转向另一个工具和开发人员）。

提高对当前应用的认识。

最后，规划者可以通过说出对其工作有效的当前应用程序，来表达他们作为知情消费者的角色。这可以鼓励创造类似的产品，并为所有社区带来一个更强大和更便利的市场。

规划师正在进入一个已经开展了一段时间的行业，因此使用现有的产品不仅是不可避免的，而且是被鼓励的。通过了解在规划师的贡献之外做了什么，规划师可以看到他们可以为双方带来价值和利益的地方。规划师不能假设他们可以直接使用基于人工智能的工具来进行规划，而不首先了解已有的信息。

5.3提高技能和持续学习

学习新东西是规划行业的下一个大挑战。人工智能对这个行业提出了明确的技能提升、教育和培训需求。规划师不需要成为人工智能专家；但是，他们应该了解人工智能如何影响他们今天和未来的工作。提高技能是学习新技能的过程，以帮助个人适应不断变化的需求；这同样是关于持续学习，使他们能够以更有意义的方式完成工作。

这对学术课程有直接的影响，规划专业的学生首先会接触到许多理论、方法和他们将在专业实践中使用的主题。所有学生所需的核心课程应向他们介绍与AI规划相关的主要辩论。核心方法课程应将人工智能定位在作为更熟悉的方法的延伸。选修课应该更深入地研究，使一些学生有能力从事高级应用和工具的开发。

利用人工智能实现较简单的规划活动的自动化，对那些刚开始从事这一职业的人来说也有重大影响。在普通学徒制模式中，初级规划师通过在监督下执行较简单的任务来学习公认的专业实践。如果人工智能可以完成这项工作，初级规划师将需要另一种方式来学习该行业的规范。对人工智能的依赖将极大地增加新手规划师需要用批判性思维来代替边做边学的任务范围。

提高技能有助于规划师填补技能缺口，促进他们的职业发展。地方规划机构和私人公司必须投资于使规划人员多样化和技能提升，以促进创新并与不断变化的世界相适应。我们周围的世界正在变得更加数字化，而数字化转型始于技能转型。

为了为人工智能在规划中的应用做好准备，规划师需要提高他们的人文技能（软技能）和技术技能（硬技能）。正如本白皮书中提到的，人工智能在规划中的使用将使规划行业重新聚焦于规划中的人为因素。人工智能可以处理重复性的任务（如交通统计）和理性的决策（如自动许可程序）。人工智能将能够进行定量分析，提供信息，并创建建议。人类将不得不依靠自己的经验来提供智慧和判断，传达政策和计划，解释建议，并以人道和同情的态度来实施这些建议。

与正确的人工智能工具合作可以使规划更有效率，更以人为本。沟通技巧、情商、敏捷性、同理心和批判性思维将是规划师与人工智能成功合作的关键，同时将社区成员的需求放在首位。此外，数据分析、编程和数据管理等技能，以及有关数据保护和隐私、数据可视化、机器学习和其他相关问题的知识，对规划师来说变得越来越重要。这已经反映在公共和私人部门的许多规划工作中。

同样，为了解决复杂的社区问题，避免各自为政，需要跨部门的合作，如技术部门（见第3.1节）；跨司法管辖区（例如，用于收集一致的数据）；以及跨不同的机构（如开发新的数字工具）。规划师将需要沟通、人际关系和建立关系的技能，以启动和维持与不同机构和组织的合作。

提高技能需要持续的学习和努力，而需要学习和应用的技能数量之多可能会让人难以承受。为了使其更易于管理，规划师应该创建个性化的学习路径，以获得所需的技能并实现职业目标。规划组织和雇主可以通过公平的招聘实践，以及提供与所有职位的人工智能和人工智能管理专业知识相关的职业发展机会，来支持这些努力。

规划组织可以建立与人工智能相关的职业道路，将非传统背景的个人带入该领域。一般而言，规划专业应将包容性主题纳入员工培训和发展中。这可以通过与学术机构、民间社会和公共部门组织建立伙伴关系来实现，以便将公平和包容性进程的过程，嵌入内部人工智能能力。提升技能是规划师在政策、规划和设计领域重新定义自己的一种方式。

6 人工智能规划的未来

白皮书旨在提高规划师对人工智能的机会和缺点的认识，并帮助规划师做好准备，以响应人工智能将在我们的社区和几乎所有行业中发挥重要作用的未来趋势。它旨在帮助规划者通过将该主题纳入规划背景，并分享对人工智能概念及其对规划专业的潜在影响的基本理解，来帮助规划师驾驭即将发生的变化。

此外，规划师可以利用这份白皮书来确定，如何开启在工作中使用人工智能的第一步，以及他们想扮演什么角色。对于一些人来说，这可能是一个全新的概念，了解更多的信息可能是第一步。如上文所述，其他人可能已经熟悉AI的能力，并准备直接与技术部门合作。

无论你是人工智能新手还是人工智能专家，参与到围绕人工智能及其潜在应用的讨论中来是非常重要的。人工智能不再是科幻小说，基于人工智能的规划工具已经成为现实。如果我们作为规划师不使用它们，其他人就会取代我们。让我们学习如何与人工智能合作，使用这种技术来改善我们的流程，并继续以公平和技术先进的方式，为所有人创造伟大的社区。

核心观点回顾

在每一种情形下，AI技术都表明，正确的数据和正确的规则，可以让人工智能根据它所读取的模式来预测行动方案。

即使在最先进的应用中，人工智能也要依靠警惕的专家之手来指导系统，即使专家依靠系统来完成大部分任务。试验和错误的反复循环，使人工智能随着时间的推移变得更加强大。然而，我们人类往往会因为害怕尴尬或失败而隐藏自己的错误。

规划的最佳人工智能将需要时间来创造，只有第一步是明确的，规划的最佳人工智能逻辑，必须从模仿人类的最佳规划逻辑开始。

从业者需要了解人工智能是如何工作的——它不应该是一个黑匣子。他们需要了解输出是如何创建的，并且能够将输入的内容与输出的内容联系起来。

学术文献表明，在土地使用、分区和许可、环境规划和交通等领域的规划中，存在着广泛的前瞻性AI应用。但是，在试图制定一个算法时，“为公共利益而规划”或“为公共利益服务”意味着什么？

事后诸葛亮有必要从过去的错误中吸取教训，适当地重新思考规划过程；这可以为协助规划任务的算法和工具的发展提供参考。

由于规划行业有改进的空间，人工智能可以成为解决该行业所面临问题的机制；但如果不谨慎使用，人工智能也很容易加剧这些问题。

规划师必须了解他们所使用的工具，包括这些工具能够做什么，不能做什么，它们的局限性和缺点，以及潜在的意外后果的风险。

这是一个新的冒险，所以需要实验，随着这种关系的发展和成熟行动可能会变得更加具体。

人工智能对这个行业提出了明确的技能提升、教育和培训需求，规划师不需要成为人工智能专家；但是，他们应该了解人工智能如何影响他们今天和未来的工作。

沟通技巧、情商、敏捷性、同理心和批判性思维，将是规划师与人工智能成功合作的关键，同时将其社区成员的需求放在首位。

让我们学习如何与人工智能合作，利用这项技术来改善我们的流程，并继续以公平和技术先进的方式为所有人创造伟大的社区。

译后感悟和小结

《规划AI白皮书》中的这部分内容挺好理解，没有作任何删减和注释。这两章内容从规划师与AI规划产品的关系出发，推测可能出现的两种角色——产品经理角色和产品客户角色，并分析规划师在这两类业务场景中所能发挥的作用。

作为产品经理角色的规划师，需要围绕AI产品的迭代，为其提供用户需求反馈和产品效果测试，包括明确问题（界定能够使用AI的规划业务场景）、转译流程（将规划过程和流程进行数字化和确保准确性）、纠正偏差（预测和响应AI产生的意外后果和不利因素）、提升话语（保证规划师能够有权利参与和介入和影响算法和数据流程的设计）、界定数据（确定训练数据集的规模和有效性）、技术倡导、广泛合作、集思广益等等。

作为产品用户角色的规划师，需要小心谨慎地来使用产品，具备消费者的知情权确保工具不被滥用，包括数据和算法的局限性、产品使用场景的局限性、产品对于规划治理效能的反思和评估、积极借鉴其他行业的经验教训、谨防开发者的先入为主的观念、提升产品的技术认知等等。

总而言之，AI工具、技术和市场都不是万能的，不能为了使用AI而使用，需要依靠规划师“警惕的专家之手”来帮助AI产品进行迭代和设计，同时在其使用过程中要关注有可能造成偏离规划核心目标（公平、多样、包容价值观）的算法过程和风险后果。

最后，白皮书提到了AI可能对于规划职业以及教育上带来的变革，这不仅要求规划师提升和学习相关的硬技能（具体的技术应用导向），也要更加注重软技能的扩展（沟通技巧、情商、敏捷性、同理心和批判性思维）。这些技能都将形成规划师的专业护城河和职场竞争力，并成为其与AI技术开发者和跨部门进行对话与合作的基石。 当前，在国土空间规划一张图的技术要求倒逼下，规划信息化、数字化和智能化的趋势会愈加凸显，规划师只有不断地学习和提升自己，才能确保我们的饭碗不被AI取代。规划过程的“软技能”和“硬技能”，以及规划过程的“效率”与“公平”，两手都要抓，两手都要硬，方才能在数字化浪潮横流的同时，尽显规划英雄的本色。

需要《规划AI白皮书》的完整版译文，关注“规划在路上”公众号，在对话框内发送“白皮书”三个字，后台将回复下载地址。