مقدمه‌ای بر هوش مصنوعی در برنامه‌ریزی شهری و منطقه‌ای: مرزها، اعتبارسنجی، مسئولیت‌پذیری و اخلاق

سود:

• توانایی تشخیص، بر اساس سطح ریسک، جایی که هوش مصنوعی در زمان واقعی در جریان کار برنامه ریزی صرفه جویی می کند و جایی که منافع عمومی و مسئولیت حیاتی ایمنی باید با برنامه ریز و مهندس شهری ذیصلاح باقی بماند.
• توانایی اجرای یک رشته اعتبار سنجی چند لایه که هر خروجی هوش مصنوعی را در برابر قوانین قابل اجرا، آمار رسمی، دقت مکانی و کنترل متخصص مستقل آزمایش می کند.
• توانایی به دست آوردن عادت ناشناس کردن زمینه، تشخیص سوگیری داده ها، و انتخاب ابزارهای امن برای حفظ حریم خصوصی برای محافظت از مکان، بسته، داده های شخصی و شرکتی.

برنامه ریزی شهری و منطقه ای یک زنجیره تصمیم گیری عمومی است که تعیین می کند میلیون ها نفر در کجا زندگی کنند، چگونه به آنجا برسند، چه هوایی تنفس کنند و در صورت وقوع فاجعه چقدر ایمن باشند. برخی از پیوندهای این زنجیره (مشاهده داده ها، نوشتن گزارش، تهیه نقشه) می توانند به سرعت خودکار شوند. برخی از آنها هرگز نمی توانند به ماشین منتقل شوند زیرا مستقیماً بر منافع عمومی و ایمنی زندگی تأثیر می گذارند. هوش مصنوعی (به اختصار AI؛ نرم‌افزاری که الگوها را از داده‌ها یاد می‌گیرد و متن، تصاویر، نقشه یا کد تولید می‌کند) یک شتاب‌دهنده قدرتمند در این زنجیره است: یک گزارش تحلیل پیش‌نویس تولید می‌کند، متن قانون‌گذاری را خلاصه می‌کند، کد می‌نویسد، سناریوها را با هم مقایسه می‌کند. اما هوش مصنوعی یک برنامه ریز شهری نیست. از طرف مردم مسئولیت نمی پذیرد، وارد روند تعلیق نمی شود و امضا نمی کند. در این بخش، یاد خواهید گرفت که در برنامه ریزی از هوش مصنوعی کجا استفاده کنید، کجا باید بایستید و چگونه هر خروجی را تأیید کنید. هدف این است که شما را به یک هوش مصنوعی کنترل کننده حرفه ای تبدیل کنیم، نه وابسته به هوش مصنوعی.

آنچه هوش مصنوعی می تواند و نمی تواند در برنامه ریزی انجام دهد

قدرت واقعی هوش مصنوعی زبان، الگو، پردازش داده و تولید انواع مختلف است. خلاصه کردن متن طولانی یک یادداشت طرح، طراحی مراحل تجزیه و تحلیل کاربری زمین، سازماندهی جدول جمعیت، تهیه پیش نویس کد پایتون برای یک گردش کار QGIS، استخراج مضامین از هزاران نظر در نظرسنجی ذینفعان؛ در این موارد، هوش مصنوعی ساعت ها یا حتی روزها در شما صرفه جویی می کند.

آنچه هوش مصنوعی نمی تواند انجام دهد تصمیم الزام آور است که به منافع و امنیت عمومی نیاز دارد. تراکم به یک محله، ممنوعیت ساخت و ساز در بستر رودخانه، وضعیت ساخت و ساز در نزدیکی خط گسل، حق توسعه واقعی یک قطعه، ظرفیت یک تقاطع. هیچ یک از اینها را نمی توان با منطق "اینطوری که معمولاً اتفاق می افتد" تعیین کرد. هوش مصنوعی توهم می‌زند، زیرا از متن در اینترنت و داده‌های آموزشی یاد می‌گیرد: یعنی می‌تواند یک بند، نسبت، مختصات یا آماری درست کند که واقعی به نظر می‌رسد اما نادرست است. این نوع خطا در برنامه ریزی فقط یک اشتباه تایپی نیست. این به معنای یک مدرسه نامناسب، یک منطقه مسکونی سیل زده، یک طرح لغو شده یا زندگی از دست رفته در یک فاجعه است.

توجه: خروجی هوش مصنوعی یک پیش نویس است، نه یک نظر کارشناسی یا سند رسمی. هرگونه تصمیم حیاتی برای امنیت و منافع عمومی (خطر بلایا، سیل، زیرساخت های حامل، تهیه طرح الزام آور قانونی) بدون تأیید شهرساز ذیصلاح و مهندس مربوطه قابل اجرا نیست. هوش مصنوعی جایگزین این فرآیند تایید و تایید رسمی نمی شود.

سه منطقه با توجه به سطح خطر

عملی ترین راه برای استفاده ایمن از هوش مصنوعی این است که هر کار را بر اساس سطح ریسک به سه منطقه تقسیم کنید. این تمایز به سرعت و با دقت به این سوال پاسخ می دهد که "آیا هوش مصنوعی باید این کار را انجام دهد؟"

منطقه

نمونه کارها

نقش هوش مصنوعی

سطح تأیید

سبز (کم خطر)

یادداشت جلسه، ایمیل، متن مفهومی، توضیح اصطلاح، عنوان ارائه

تولید رایگان

بررسی سریع

زرد (خطر متوسط)

پیش نویس گزارش تجزیه و تحلیل، خلاصه قانون، پیش نویس کد، ویرایش داده ها، استخراج موضوع

پیش نویس + پیشنهاد

بررسی کارشناسی + تایید منبع/داده

قرمز (امنیت و منافع عمومی حیاتی است)

خطر بلایا، سیل، ممنوعیت ساختمان، تصمیم تراکم، حق توسعه، ارائه طرح الزام آور

فقط پیش نمایش/چک لیست

تجزیه و تحلیل تخصصی، فرآیند رسمی و تایید اجباری است

در منطقه سبز سریع باشید. از هوش مصنوعی در ناحیه زرد استفاده کنید، اما هر عدد، منبع و داده را تأیید کنید. در منطقه قرمز، هوش مصنوعی هرگز حرف آخر را نمی‌زند. این صرفا کمکی است که کار متخصص را سرعت می بخشد.

رشته تأیید چند لایه

تأیید چیزی نیست که بتوان آن را به تعویق انداخت و فکر کرد "بعداً بررسی خواهم کرد". بخشی از گردش کار است. اعتبار سنجی جامد در برنامه ریزی شامل پنج لایه است:

1. بازگشت به منبع. اگر هوش مصنوعی نرخ، مورد، مختصات یا آماری را ارائه کرده است، آن را در متن رسمی فعلی (طرح منطقه‌بندی تایید شده، یادداشت طرح، مقررات، داده‌های TÜİK، پایگاه داده شرکتی) باز کرده و تأیید کنید.
2. با داده ها تست کنید یک نتیجه عددی (جمعیت، مساحت، ظرفیت) را با آمار رسمی یا یک مدل مدرج مقایسه کنید.
3. دقت فضایی نقشه، سیستم مختصات (CRS) و ادعاهای هندسه را در برابر پایگاه واقعی و مرجع مختصات صحیح بررسی کنید.
4. چشم متخصص در صورتی که تصمیم مربوطه در کارشناسی یک رشته (زمین شناسی، حمل و نقل، مهندسی محیط زیست، حقوق) باشد، به تایید آن کارشناس برسد.
5. نشان خود را بگذارید. ضبط کنید که کدام خروجی با کدام داده و چگونه تایید شده است. بگذارید روند عمومی قابل ممیزی باشد.

اشاره: "AI گفت" یک توجیه نیست. توجیه تصمیم برای طرح همیشه قوانین جاری، داده های رسمی، تجزیه و تحلیل و ارزیابی کارشناسان صالح است. هوش مصنوعی به شما کمک می کند تا این توجیهات را تهیه کنید، اما جایگزین آنها نمی شود.

حریم خصوصی، سوگیری داده ها و اخلاق

داده های برنامه ریزی حساس هستند. اصلاح طرحی که به حالت تعلیق در نیامده است، هویت مالک قطعه، داده های اجتماعی-اقتصادی یک محله، مختصات یک قطعه زمین؛ نشت زودهنگام آنها منجر به گمانه زنی، سودهای غیرقانونی و آسیب به اعتماد عمومی می شود. قبل از دادن این داده ها به ابزار هوش مصنوعی مبتنی بر ابر، سه سوال بپرسید: آیا این داده ها واقعا ضروری هستند؟ آیا می توان آن را ناشناس کرد؟ آیا ابزاری که من استفاده می کنم از داده ها در آموزش استفاده می کند؟

سوگیری داده ها یک خطر متمایز منحصر به فرد برای برنامه ریزی است. هوش مصنوعی از داده های تاریخی یاد می گیرد. اگر منطقه‌ای در گذشته سرمایه‌گذاری کمی داشته باشد، داده‌های کمی جمع‌آوری شده باشد، یا اصلاً نظر گروهی ثبت نشده باشد، هوش مصنوعی می‌تواند این نابرابری را به عنوان «عادی» تقویت کند. به عنوان مثال، سالمندانی که نمی توانند در نظرسنجی دیجیتال شرکت کنند یا محله هایی با دسترسی محدود به اینترنت ممکن است در خلاصه هوش مصنوعی نامرئی باقی بمانند. در یک شغل عمومی، این به معنای ضرب بی عدالتی در کد است. به همین دلیل است که هر خروجی هوش مصنوعی می پرسد "چه کسی یا چه چیزی کم است؟" پرسیدن سوال یک تعهد حرفه ای است.

گام به گام: معرفی ایمن هوش مصنوعی در یک کار

1. وظیفه را در منطقه قرار دهید. سبز، زرد یا قرمز؟
2. ناشناس کردن زمینه پاک کردن بسته واقعی، مختصات، نام و شماره.
3. مختصری واضح بیان کنید. فضای کاری، محدودیت ها، معیارها و قالب را به وضوح بنویسید.
4. خروجی را یک پیش نویس در نظر بگیرید. هرگز از آن به عنوان محصول نهایی یا سند رسمی استفاده نکنید.
5. لایه های تأیید را اعمال کنید. منبع، داده، دقت مکانی، متخصص، ردیابی.
6. "چه کسی یا چه چیزی گم شده است؟" بپرسید بازنمایی و سوگیری را بررسی کنید.
7. تصمیم و دلیل آن را یادداشت کنید.

اعلان ضعیف / اعلان قوی

اعلان ضعیف: "یک تحلیل برنامه ریزی برای این محله بنویسید."

از آنجایی که این درخواست بدون زمینه است، هوش مصنوعی متنی کلی، کلیشه ای و احتمالاً نادرست تولید می کند. او اعداد و ارقام می سازد و قوانین را توهم می کند.

اعلان قدرتمند: "شما دستیار مفیدی برای یک برنامه ریز شهری هستید. یک گزارش تحلیل کاربری زمین پیش نویس بر اساس داده های [ناشناس] زیر تهیه کنید. داده ها: توزیع کاربری فعلی [جدول]، جمعیت [داده های TurkStat]، شیب و دشت سیلابی [خلاصه]. برچسب "تأیید لازم است: برای هر یک از ارجاعات، شماره های مورد نیاز برای تایید، و مقررات مرجع برای هر یک از شما وجود ندارد." منبع داده را برای هر یافته مشخص کنید."

فرمان دوم طرحی قابل بازرسی و تأیید را تولید می کند زیرا به هوش مصنوعی نقش، داده ها، محدودیت ها، ابهام و قالب می دهد.

چهار قالب قابل کپی

نقش: شما دستیار برنامه ریزی شهری و منطقه ای هستید. وظیفه: یک پیش نویس برای [وظیفه] تولید کنید. زمینه: منطقه مورد مطالعه [...]، جمعیت [...]، کاربری فعلی [...]، محدودیت ها [...]. قانون: برای هر عدد، نرخ، مختصات و مرجع قانونی که مطمئن نیستید، برچسب "تأیید الزامی است". Data fitting.Format: در سرفصل ها، منبع داده را برای هر یافته نشان می دهد.

وظیفه: فهرست ادعاهای فنی، مقادیر عددی، مختصات و مراجع نظارتی در متن زیر. برای هر یک یادداشت «منبع باید تأیید شود» اضافه کنید. خودتان آن را تأیید نکنید، فقط آن را علامت بزنید. متن: [...]

وظیفه: این خروجی هوش مصنوعی را بر اساس سطح خطر از دیدگاه یک برنامه ریز شهری طبقه بندی کنید. برای هر مورد: سبز / زرد / قرمز و یک جمله را توجیه کنید. برای موارد قرمز رنگ، «تجزیه و تحلیل کارشناسی صالح و تایید رسمی لازم است» را بنویسید. خروجی: [...]

وظیفه: متن طرح/پروژه زیر را ناشناس کنید. شماره بسته، جزیره، آدرس، مختصات، نام شخص/موسسه و شماره واقعی را با [LABEL] جایگزین کنید. حفظ معنای فنی.متن: [...]

سه کیف کوچک

مورد 1 - خط سیل توهم زده. یک برنامه ریز از هوش مصنوعی می پرسد "آیا خطر سیل وجود دارد" برای 40 هکتار زمین در کنار رودخانه؟ هوش مصنوعی با اطمینان می گوید: "محدودیت 50 ساله سیل در 30 متری رودخانه است." برنامه ریز این را بدون تأیید آن در تحلیل قرار می دهد. این در حالی است که بر اساس تحلیل رسمی سیل سازمان مربوطه (DSI)، حد واقعی سیل در برخی نقاط 120 متر است. 30 متری که توسط هوش مصنوعی ساخته شده است، منطقه پرخطر 12 هکتاری را "ایمن" نشان می دهد. درس: داده های منطقه قرمز، مانند سیل، تنها از تجزیه و تحلیل آژانس رسمی گرفته شده است.

مورد 2 - خلاصه صرفه جویی در زمان. همان برنامه‌ریز از هوش مصنوعی می‌خواهد که گزارش شرح طرح 62 صفحه‌ای را خلاصه کند و عناوین اصلی، موارد متناقض و تحلیل‌های گمشده را در 15 دقیقه استخراج کند. سپس هر مورد از گزارش اصلی را تایید می کند. این استفاده از منطقه سبز-زرد دو روز کار مطالعه را به نصف روز کاهش می دهد. هیچ تصمیمی بدون تایید گرفته نمی شود.

مورد 3 - محله نامرئی. یک شهرداری 8000 نظر را از یک نظرسنجی دیجیتال با هوش مصنوعی خلاصه می کند. خلاصه مطالبی است برای محله های مرکزی شهر. یک برنامه ریز می پرسد "چه کسی گم شده است؟" او می پرسد و متوجه می شود که تقریباً هیچ پاسخی از سه محله فقیر نشین که 22 درصد جمعیت را تشکیل می دهند، وجود ندارد. دسترسی به اینترنت در آنجا کم است. تیم با اضافه کردن یک جلسه حضوری، نمایندگی را برطرف می کند. فقدان هوش مصنوعی به خودی خود نمی گوید. این وظیفه برنامه ریز است که بپرسد.

اشتباهات رایج

• اشتباه گرفتن چاپ AI به عنوان یک سند رسمی. پاک کردن تفاوت بین پیش نویس و طرح/گزارش مصوب خطرناک ترین اشتباه است.
• واگذاری وظیفه منطقه قرمز به هوش مصنوعی. بستن تصمیمات مانند بلایا، سیل و ممنوعیت ساخت و ساز با "پیشنهاد" هوش مصنوعی امنیت عمومی را به خطر می اندازد.
• توهم گیج کننده با زبان مطمئن. هوش مصنوعی یک نسبت نادرست را با اطمینان نسبت صحیح می گوید. لحن دلیلی بر دقت نیست.
• آپلود اطلاعات محرمانه بدون فکر کردن ارائه طرح معلق، مالک بسته و هماهنگی به ابر بدون ناشناس کردن آن، نقض داده‌های شخصی و فرآیند عمومی است.
• "چه کسی گم شده است؟" نپرسیدن نادیده گرفتن سوگیری بازنمایی نابرابری را تقویت می کند.
• عدم پیگیری تأیید فرآیند عمومی باید قابل ممیزی باشد. اگر بی ربط باشد که کدام خروجی و چگونه تأیید می شود، نمی توان آن را پاسخگو دانست.

به طور خلاصه

هوش مصنوعی یک شتاب دهنده قدرتمند در برنامه ریزی شهری و منطقه ای است، اما جایگزین یک برنامه ریز نمی شود. بر اساس سطح خطر، کار را به مناطق سبز، زرد و قرمز تقسیم کنید. هرگز در منطقه قرمز حرف آخر را به هوش مصنوعی ندهید. هر خروجی را با پنج لایه تأیید (منبع، داده، دقت مکانی، متخصص، ردیابی) آزمایش کنید. از محرمانه بودن محافظت کنید و به طور فعال به دنبال سوگیری داده ها و عدم نمایش باشید. خروجی هوش مصنوعی جایگزین تاییدیه متخصص صالح و فرآیند تایید رسمی نیست. تصمیم و مسئولیت عمومی همیشه متعلق به مردم است.

وظیفه کاربردی

یک کار برنامه ریزی که خودتان روی آن کار کرده اید (یا خیالی) انتخاب کنید. (1) مراحل فرعی کار را به مناطق سبز/زرد/قرمز تقسیم کنید و در جدول بنویسید. (2) یک طرح هوش مصنوعی با استفاده از اولین الگوی بالا برای یک کار فرعی در ناحیه زرد ایجاد کنید. (3) در یک جمله بنویسید که به طور مشخص در این طرح کلی برای هر یک از پنج لایه تأیید انجام خواهید داد. (4) "چه کسی یا چه چیزی گم شده است؟" در چارچوب این تکلیف به سوال پاسخ دهید.

چک لیست

• [ ] من کار را در منطقه سبز/زرد/قرمز قرار دادم.
• [ ] من تصمیمات منطقه قرمز را به هوش مصنوعی نسپارم. او را به روند کارشناسی و رسمی ارجاع دادم.
• [ ] من زمینه را ناشناس کردم. من اطلاعات محرمانه را بدون فکر آپلود نکردم.
• [ ] من هر عدد، نرخ، هماهنگی و مرجع قانونی را از منبع رسمی تایید کرده ام.
• [ ] "چه کسی یا چه چیزی گم شده است؟" سوال پرسیدم؛ من برای نمایندگی و سوگیری بررسی کردم.
• [ ] من ردیابی تأیید را ذخیره کردم.
• [ ] من خروجی هوش مصنوعی را به عنوان پیش نویس علامت گذاری کردم، از آن به عنوان سند رسمی استفاده نکردم.