നഗര, പ്രാദേശിക ആസൂത്രണത്തിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: അതിരുകൾ, മൂല്യനിർണ്ണയം, ഉത്തരവാദിത്തം, ധാർമ്മികത

നേട്ടങ്ങൾ:

• റിസ്ക് ലെവലിനെ അടിസ്ഥാനമാക്കി, പ്ലാനിംഗ് വർക്ക്ഫ്ലോയിൽ AI തത്സമയം ലാഭിക്കുന്നിടത്ത്, പൊതു താൽപ്പര്യവും സുരക്ഷാ-നിർണ്ണായക ഉത്തരവാദിത്തവും യോഗ്യതയുള്ള നഗര ആസൂത്രകനും എഞ്ചിനീയർക്കും ഉണ്ടായിരിക്കേണ്ട സ്ഥലത്തെ വേർതിരിച്ചറിയാനുള്ള കഴിവ്
• ബാധകമായ നിയമനിർമ്മാണം, ഔദ്യോഗിക സ്ഥിതിവിവരക്കണക്കുകൾ, സ്പേഷ്യൽ കൃത്യത, സ്വതന്ത്ര വിദഗ്ദ്ധ നിയന്ത്രണം എന്നിവയ്‌ക്കെതിരെ ഓരോ AI ഔട്ട്‌പുട്ടും പരിശോധിക്കുന്ന ഒരു മൾട്ടി-ലേയേർഡ് വാലിഡേഷൻ അച്ചടക്കം നടപ്പിലാക്കാനുള്ള കഴിവ്
• ലൊക്കേഷൻ, പാഴ്സൽ, വ്യക്തിഗത, കോർപ്പറേറ്റ് ഡാറ്റ എന്നിവ പരിരക്ഷിക്കുന്നതിന് സന്ദർഭം അജ്ഞാതമാക്കുക, ഡാറ്റാ ബയസ് തിരിച്ചറിയുക, സ്വകാര്യത-സുരക്ഷിത ഉപകരണങ്ങൾ തിരഞ്ഞെടുക്കൽ എന്നിവ ശീലമാക്കാനുള്ള കഴിവ്.

ദശലക്ഷക്കണക്കിന് ആളുകൾ എവിടെ ജീവിക്കും, അവർ എങ്ങനെ അവിടെയെത്തും, എന്ത് വായു അവർ ശ്വസിക്കും, ഒരു ദുരന്തമുണ്ടായാൽ അവർ എത്രത്തോളം സുരക്ഷിതരായിരിക്കുമെന്ന് നിർണ്ണയിക്കുന്ന ഒരു പൊതു തീരുമാന ശൃംഖലയാണ് നഗരവും പ്രാദേശിക ആസൂത്രണവും. ഈ ശൃംഖലയിലെ ചില ലിങ്കുകൾ (ഡാറ്റ റാംഗ്ലിംഗ്, റിപ്പോർട്ട് റൈറ്റിംഗ്, മാപ്പ് തയ്യാറാക്കൽ) വേഗത്തിൽ ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയും; അവയിൽ ചിലത് ഒരിക്കലും ഒരു മെഷീനിലേക്ക് മാറ്റാൻ കഴിയില്ല, കാരണം അവ പൊതു താൽപ്പര്യത്തെയും ജീവിത സുരക്ഷയെയും നേരിട്ട് ബാധിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (ചുരുക്കത്തിൽ AI; ഡാറ്റയിൽ നിന്ന് പാറ്റേണുകൾ പഠിക്കുകയും ടെക്‌സ്‌റ്റ്, ഇമേജുകൾ, മാപ്പുകൾ അല്ലെങ്കിൽ കോഡ് നിർമ്മിക്കുകയും ചെയ്യുന്ന സോഫ്റ്റ്‌വെയർ) ഈ ശൃംഖലയിലെ ഒരു ശക്തമായ ആക്സിലറേറ്ററാണ്: ഇത് ഒരു ഡ്രാഫ്റ്റ് വിശകലന റിപ്പോർട്ട് നിർമ്മിക്കുന്നു, നിയമനിർമ്മാണ വാചകം സംഗ്രഹിക്കുന്നു, കോഡ് എഴുതുന്നു, സാഹചര്യങ്ങൾ താരതമ്യം ചെയ്യുന്നു. എന്നാൽ AI ഒരു അർബൻ പ്ലാനർ അല്ല; ഇത് പൊതുജനങ്ങളുടെ പേരിൽ ഉത്തരവാദിത്തം ഏറ്റെടുക്കുന്നില്ല, സസ്പെൻഷൻ പ്രക്രിയയിൽ പ്രവേശിക്കുന്നില്ല, ഒപ്പിടുന്നില്ല. ഈ യൂണിറ്റിൽ, ആസൂത്രണത്തിൽ AI എവിടെ ഉപയോഗിക്കണം, നിങ്ങൾ എവിടെ നിൽക്കണം, ഓരോ ഔട്ട്‌പുട്ടും എങ്ങനെ സാധൂകരിക്കണം എന്നിവ നിങ്ങൾ പഠിക്കും. നിങ്ങളെ AI-യെ ആശ്രയിക്കാതെ, AI നിയന്ത്രിക്കുന്ന ഒരു പ്രൊഫഷണലാക്കുക എന്നതാണ് ലക്ഷ്യം.

ആസൂത്രണത്തിൽ AI-ക്ക് ചെയ്യാൻ കഴിയുന്നതും ചെയ്യാൻ കഴിയാത്തതും

ഭാഷ, പാറ്റേൺ, ഡാറ്റ പ്രോസസ്സിംഗ്, വേരിയൻ്റ് ജനറേഷൻ എന്നിവയാണ് AI-യുടെ യഥാർത്ഥ ശക്തി. ഒരു പ്ലാൻ മെമ്മോയുടെ ദൈർഘ്യമേറിയ വാചകം സംഗ്രഹിക്കുക, ഒരു ഭൂവിനിയോഗ വിശകലനത്തിൻ്റെ ഘട്ടങ്ങൾ രൂപകൽപ്പന ചെയ്യുക, ഒരു ജനസംഖ്യാ പട്ടിക സംഘടിപ്പിക്കുക, ഒരു QGIS വർക്ക്ഫ്ലോയ്‌ക്കായി പൈത്തൺ കോഡ് ഡ്രാഫ്റ്റ് ചെയ്യുക, ഒരു സ്റ്റേക്ക്‌ഹോൾഡർ സർവേയിലെ ആയിരക്കണക്കിന് അഭിപ്രായങ്ങളിൽ നിന്ന് തീമുകൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുക; ഇവയിൽ, AI നിങ്ങളെ മണിക്കൂറുകളോ ദിവസങ്ങളോ ലാഭിക്കുന്നു.

പൊതുതാൽപ്പര്യവും സുരക്ഷയും ആവശ്യമുള്ള ബൈൻഡിംഗ് തീരുമാനമാണ് AI-ക്ക് ചെയ്യാൻ കഴിയാത്തത്. ഒരു അയൽപക്കത്തേക്ക് കൊണ്ടുവരേണ്ട സാന്ദ്രത, ഒരു സ്ട്രീം ബെഡിൽ കെട്ടിട നിരോധനം, ഒരു തകരാർ വരയ്ക്കടുത്തുള്ള നിർമ്മാണ അവസ്ഥ, ഒരു പാഴ്സലിൻ്റെ യഥാർത്ഥ വികസനം, ഒരു കവലയുടെ ശേഷി; "സാധാരണ ഇങ്ങനെയാണ് സംഭവിക്കുന്നത്" എന്ന യുക്തികൊണ്ട് ഇതൊന്നും നിർണ്ണയിക്കാനാവില്ല. ഇൻറർനെറ്റിലെയും പരിശീലന ഡാറ്റയിലെയും ടെക്‌സ്‌റ്റിൽ നിന്ന് പഠിക്കുന്നതിനാൽ AI ഭ്രമിക്കുന്നു: അതായത്, ഇതിന് ഒരു നിയന്ത്രണ ക്ലോസ്, അനുപാതം, കോർഡിനേറ്റുകൾ അല്ലെങ്കിൽ സ്ഥിതിവിവരക്കണക്കുകൾ നിർമ്മിക്കാൻ കഴിയും, അത് യഥാർത്ഥമാണെന്ന് തോന്നുമെങ്കിലും തെറ്റാണ്. ആസൂത്രണത്തിലെ ഇത്തരത്തിലുള്ള പിശക് ഒരു അക്ഷരത്തെറ്റ് മാത്രമല്ല; തെറ്റായ രീതിയിൽ സ്ഥിതി ചെയ്യുന്ന സ്‌കൂൾ, വെള്ളപ്പൊക്കമുണ്ടായ താമസസ്ഥലം, റദ്ദാക്കിയ പ്ലാൻ, അല്ലെങ്കിൽ ഒരു ദുരന്തത്തിൽ നഷ്ടപ്പെട്ട ജീവൻ എന്നിവ ഇതിനർത്ഥം.

ശ്രദ്ധിക്കുക: AI ഔട്ട്‌പുട്ട് ഒരു ഡ്രാഫ്റ്റാണ്, ഒരു വിദഗ്ദ്ധ അഭിപ്രായമോ ഔദ്യോഗിക രേഖയോ അല്ല. സുരക്ഷിതത്വത്തിനും പൊതുതാൽപര്യത്തിനും നിർണായകമായ ഏതൊരു തീരുമാനവും (ദുരന്തസാധ്യത, വെള്ളപ്പൊക്കം, കാരിയർ ഇൻഫ്രാസ്ട്രക്ചർ, നിയമപരമായി ബന്ധിപ്പിക്കുന്ന പ്ലാൻ വ്യവസ്ഥ) ഒരു യോഗ്യതയുള്ള സിറ്റി പ്ലാനറുടെയും ബന്ധപ്പെട്ട എഞ്ചിനീയറുടെയും അംഗീകാരമില്ലാതെ നടപ്പിലാക്കാൻ കഴിയില്ല. AI ഈ അംഗീകാരവും ഔപചാരികമായ അംഗീകാര പ്രക്രിയയും മാറ്റിസ്ഥാപിക്കുന്നില്ല.

റിസ്ക് ലെവൽ അനുസരിച്ച് മൂന്ന് മേഖലകൾ

AI സുരക്ഷിതമായി ഉപയോഗിക്കുന്നതിനുള്ള ഏറ്റവും പ്രായോഗികമായ മാർഗ്ഗം അപകട നിലയുടെ അടിസ്ഥാനത്തിൽ ഓരോ ജോലിയെയും മൂന്ന് സോണുകളായി വിഭജിക്കുക എന്നതാണ്. “AI ഇത് ചെയ്യണമോ?” എന്ന ചോദ്യത്തിന് ഈ വ്യത്യാസം വേഗത്തിലും കൃത്യമായും ഉത്തരം നൽകുന്നു.

മേഖല

സാമ്പിൾ ടാസ്ക്കുകൾ

AI യുടെ പങ്ക്

സ്ഥിരീകരണ നില

പച്ച (കുറഞ്ഞ അപകടസാധ്യത)

മീറ്റിംഗ് കുറിപ്പ്, ഇ-മെയിൽ, ആശയ വാചകം, പദ വിശദീകരണം, അവതരണ ശീർഷകം

സ്വതന്ത്ര ഉത്പാദനം

ദ്രുത അവലോകനം

മഞ്ഞ (ഇടത്തരം അപകടസാധ്യത)

വിശകലന റിപ്പോർട്ട് ഡ്രാഫ്റ്റ്, നിയമനിർമ്മാണ സംഗ്രഹം, കോഡ് ഡ്രാഫ്റ്റ്, ഡാറ്റ എഡിറ്റിംഗ്, തീം എക്സ്ട്രാക്ഷൻ

ഡ്രാഫ്റ്റ് + നിർദ്ദേശം

വിദഗ്ദ്ധ പരിശോധന + ഉറവിടം/ഡാറ്റ സ്ഥിരീകരണം

ചുവപ്പ് (സുരക്ഷയും പൊതു താൽപ്പര്യവും നിർണായകമാണ്)

ദുരന്തസാധ്യത, വെള്ളപ്പൊക്കം, കെട്ടിട നിരോധനം, സാന്ദ്രത തീരുമാനം, വികസന അവകാശം, ബൈൻഡിംഗ് പ്ലാൻ വ്യവസ്ഥ

പ്രീ-സ്‌ക്രീൻ/ചെക്ക്‌ലിസ്റ്റ് മാത്രം

യോഗ്യതയുള്ള വിദഗ്ധ വിശകലനം, ഔപചാരിക പ്രക്രിയ, അംഗീകാരം എന്നിവ നിർബന്ധമാണ്

ഗ്രീൻ സോണിൽ വേഗത്തിൽ പ്രവർത്തിക്കുക. മഞ്ഞ മേഖലയിൽ AI ഉപയോഗിക്കുക, എന്നാൽ ഓരോ നമ്പറും ഉറവിടവും ഡാറ്റയും പരിശോധിച്ചുറപ്പിക്കുക. റെഡ് സോണിൽ, AI- യ്ക്ക് ഒരിക്കലും അന്തിമ വാക്ക് ഇല്ല; ഇത് വിദഗ്ദ്ധൻ്റെ ജോലി വേഗത്തിലാക്കുന്ന ഒരു സഹായം മാത്രമാണ്.

മൾട്ടി-ലെയർ സ്ഥിരീകരണ അച്ചടക്കം

"ഞാൻ അത് പിന്നീട് പരിശോധിക്കാം" എന്ന് കരുതി മാറ്റിവെക്കേണ്ട ഒന്നല്ല വെരിഫിക്കേഷൻ; വർക്ക്ഫ്ലോയുടെ ഭാഗമാണ്. ആസൂത്രണത്തിലെ ഒരു സോളിഡ് മൂല്യനിർണ്ണയം അഞ്ച് പാളികൾ ഉൾക്കൊള്ളുന്നു:

1. ഉറവിടത്തിലേക്ക് മടങ്ങുക. AI ഒരു നിരക്ക്, ഇനം, കോർഡിനേറ്റ് അല്ലെങ്കിൽ സ്ഥിതിവിവരക്കണക്കുകൾ നൽകിയിട്ടുണ്ടെങ്കിൽ, അത് നിലവിലെ ഔദ്യോഗിക വാചകത്തിൽ തുറന്ന് സ്ഥിരീകരിക്കുക (അംഗീകൃത സോണിംഗ് പ്ലാൻ, പ്ലാൻ നോട്ട്, റെഗുലേഷൻ, TÜİK ഡാറ്റ, കോർപ്പറേറ്റ് ഡാറ്റാബേസ്).
2. ഡാറ്റ ഉപയോഗിച്ച് പരിശോധിക്കുക. ഒരു സംഖ്യാ ഫലം (ജനസംഖ്യ, വിസ്തീർണ്ണം, ശേഷി) ഔദ്യോഗിക സ്ഥിതിവിവരക്കണക്കുകളുമായോ കാലിബ്രേറ്റ് ചെയ്ത മോഡലുമായോ താരതമ്യം ചെയ്യുക.
3. സ്പേഷ്യൽ കൃത്യത. യഥാർത്ഥ അടിത്തറയ്‌ക്കെതിരായ മാപ്പ്, കോർഡിനേറ്റ് സിസ്റ്റം (CRS), ജ്യാമിതി ക്ലെയിമുകൾ എന്നിവ പരിശോധിക്കുക, കൃത്യമായ കോർഡിനേറ്റ് റഫറൻസ്.
4. വിദഗ്ദ്ധ കണ്ണ്. പ്രസക്തമായ തീരുമാനം ഒരു അച്ചടക്കത്തിൻ്റെ (ജിയോളജി, ഗതാഗതം, പരിസ്ഥിതി എഞ്ചിനീയറിംഗ്, നിയമം) വൈദഗ്ധ്യത്തിലാണെങ്കിൽ, അത് ആ വിദഗ്ധൻ അംഗീകരിക്കണം.
5. നിങ്ങളുടെ അടയാളം വിടുക. ഏത് ഡാറ്റ ഉപയോഗിച്ച് ഏത് ഔട്ട്‌പുട്ട് സാധൂകരിക്കപ്പെട്ടു, എങ്ങനെയെന്ന് രേഖപ്പെടുത്തുക; പൊതു പ്രക്രിയ ഓഡിറ്റബിൾ ആയിരിക്കട്ടെ.

സൂചന: "AI പറഞ്ഞു" എന്നത് ഒരു ന്യായീകരണമല്ല. ഒരു പ്ലാൻ തീരുമാനത്തിനുള്ള ന്യായീകരണം എല്ലായ്പ്പോഴും നിലവിലുള്ള നിയമനിർമ്മാണം, ഔദ്യോഗിക ഡാറ്റ, വിശകലനം, യോഗ്യതയുള്ള വിദഗ്ദ്ധ വിലയിരുത്തൽ എന്നിവയാണ്. ഈ ന്യായീകരണങ്ങൾ തയ്യാറാക്കാൻ AI നിങ്ങളെ സഹായിക്കുന്നു, അത് അവയെ മാറ്റിസ്ഥാപിക്കുന്നില്ല.

സ്വകാര്യത, ഡാറ്റ പക്ഷപാതം, ധാർമ്മികത

പ്ലാനിംഗ് ഡാറ്റ സെൻസിറ്റീവ് ആണ്. താൽക്കാലികമായി നിർത്തിവച്ചിട്ടില്ലാത്ത ഒരു പ്ലാൻ ഭേദഗതി, പാഴ്സൽ ഉടമയുടെ ഐഡൻ്റിറ്റി, ഒരു അയൽപക്കത്തിൻ്റെ സാമൂഹിക സാമ്പത്തിക ഡാറ്റ, ഒരു പ്ലോട്ടിൻ്റെ കോർഡിനേറ്റ്; അവരുടെ അകാല ചോർച്ച ഊഹക്കച്ചവടത്തിലേക്കും തെറ്റായ നേട്ടങ്ങളിലേക്കും പൊതുവിശ്വാസത്തിന് കോട്ടം വരുത്തുന്നതിലേക്കും നയിക്കുന്നു. ഒരു ക്ലൗഡ് അധിഷ്‌ഠിത AI ടൂളിലേക്ക് ഈ ഡാറ്റ നൽകുന്നതിന് മുമ്പ്, മൂന്ന് ചോദ്യങ്ങൾ ചോദിക്കുക: ഈ ഡാറ്റ ശരിക്കും ആവശ്യമാണോ? ഇത് അജ്ഞാതമാക്കാൻ കഴിയുമോ? ഞാൻ ഉപയോഗിക്കുന്ന ഉപകരണം പരിശീലനത്തിൽ ഡാറ്റ ഉപയോഗിക്കുന്നുണ്ടോ?

ഡാറ്റാ ബയസ് ആസൂത്രണത്തിന് മാത്രമുള്ള ഒരു പ്രത്യേക അപകടമാണ്. ചരിത്രപരമായ ഡാറ്റയിൽ നിന്ന് AI പഠിക്കുന്നു; ഒരു പ്രദേശത്തിന് മുമ്പ് നിക്ഷേപം കുറവാണെങ്കിൽ, കുറച്ച് ഡാറ്റ ശേഖരിക്കുകയോ അല്ലെങ്കിൽ ഗ്രൂപ്പ് അഭിപ്രായമൊന്നും രേഖപ്പെടുത്തിയിട്ടില്ലെങ്കിലോ, AI-ക്ക് ഈ അസമത്വം "സാധാരണ" ആയി ശക്തിപ്പെടുത്താൻ കഴിയും. ഉദാഹരണത്തിന്, ഡിജിറ്റൽ സർവേയിൽ പങ്കെടുക്കാൻ കഴിയാത്ത മുതിർന്നവർ അല്ലെങ്കിൽ പരിമിതമായ ഇൻ്റർനെറ്റ് ആക്‌സസ് ഉള്ള അയൽപക്കങ്ങൾ AI സംഗ്രഹത്തിൽ അദൃശ്യമായി തുടരാം. ഒരു പൊതു ജോലിയിൽ, കോഡ് ഉപയോഗിച്ച് അനീതി വർദ്ധിപ്പിക്കുക എന്നാണ് ഇതിനർത്ഥം. അതുകൊണ്ടാണ് ഓരോ AI ഔട്ട്‌പുട്ടും "ആരാണ് അല്ലെങ്കിൽ എന്താണ് നഷ്ടമായത്?" എന്ന് ചോദിക്കുന്നത്. ചോദ്യം ചോദിക്കുന്നത് ഒരു പ്രൊഫഷണൽ ബാധ്യതയാണ്.

ഘട്ടം ഘട്ടമായി: ഒരു ടാസ്ക്കിലേക്ക് സുരക്ഷിതമായി AI അവതരിപ്പിക്കുന്നു

1. പ്രദേശത്ത് ചുമതല സ്ഥാപിക്കുക. പച്ചയോ മഞ്ഞയോ ചുവപ്പോ?
2. സന്ദർഭം അജ്ഞാതമാക്കുക. യഥാർത്ഥ പാഴ്സൽ, കോർഡിനേറ്റ്, പേര്, നമ്പർ എന്നിവ മായ്‌ക്കുക.
3. വ്യക്തമായ ഒരു സംക്ഷിപ്തരൂപം നൽകുക. ജോലിസ്ഥലം, നിയന്ത്രണങ്ങൾ, മാനദണ്ഡങ്ങൾ, ഫോർമാറ്റ് എന്നിവ വ്യക്തമായി എഴുതുക.
4. ഔട്ട്പുട്ട് ഒരു ഡ്രാഫ്റ്റ് പരിഗണിക്കുക. ഇത് ഒരിക്കലും അന്തിമ ഉൽപ്പന്നമായോ ഔദ്യോഗിക രേഖയായോ ഉപയോഗിക്കരുത്.
5. സ്ഥിരീകരണത്തിൻ്റെ പാളികൾ പ്രയോഗിക്കുക. ഉറവിടം, ഡാറ്റ, സ്പേഷ്യൽ കൃത്യത, വിദഗ്ധൻ, ട്രെയ്സ്.
6. "ആരാണ് അല്ലെങ്കിൽ എന്താണ് കാണാതായത്?" ചോദിക്കുക. പ്രാതിനിധ്യവും പക്ഷപാതവും പരിശോധിക്കുക.
7. തീരുമാനവും അതിൻ്റെ യുക്തിയും രേഖപ്പെടുത്തുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്: "ഈ അയൽപക്കത്തിന് ഒരു ആസൂത്രണ വിശകലനം എഴുതുക."

ഈ അഭ്യർത്ഥന സന്ദർഭ രഹിതമായതിനാൽ, AI ജനറിക്, ക്ലീഷേ, ഒരുപക്ഷേ കൃത്യമല്ലാത്ത വാചകം നിർമ്മിക്കുന്നു; അവൻ സംഖ്യകൾ ഉണ്ടാക്കുകയും നിയമനിർമ്മാണത്തെ ഭ്രമിപ്പിക്കുകയും ചെയ്യുന്നു.

ശക്തമായ നിർദ്ദേശം: "നിങ്ങൾ ഒരു അർബൻ പ്ലാനറുടെ സഹായിയാണ്. ഇനിപ്പറയുന്ന [അജ്ഞാത] ഡാറ്റയെ അടിസ്ഥാനമാക്കി ഒരു ഡ്രാഫ്റ്റ് ഭൂവിനിയോഗ വിശകലന റിപ്പോർട്ട് തയ്യാറാക്കുക. ഡാറ്റ: നിലവിലെ ഉപയോഗ വിതരണം [പട്ടിക], ജനസംഖ്യ [തുർക്സ്റ്റാറ്റ് ഡാറ്റ], ചരിവും വെള്ളപ്പൊക്കവും [സംഗ്രഹം]. ലേബൽ 'സ്ഥിരീകരണം: ഓരോ തലക്കെട്ടിനും വേണ്ടിയുള്ള നിയന്ത്രിത ശീർഷകങ്ങൾ, നിങ്ങളുടെ ഫോർമാറ്റിംഗ് സൂചിപ്പിക്കുന്നു. ഓരോ കണ്ടെത്തലിനും ഡാറ്റ ഉറവിടം."

രണ്ടാമത്തെ പ്രോംപ്റ്റ് ഓഡിറ്റ് ചെയ്യാവുന്നതും പരിശോധിക്കാവുന്നതുമായ ഒരു ബ്ലൂപ്രിൻ്റ് നിർമ്മിക്കുന്നു, കാരണം ഇത് AI-ക്ക് റോൾ, ഡാറ്റ, നിയന്ത്രണങ്ങൾ, അവ്യക്തത, ഫോർമാറ്റ് എന്നിവ നൽകുന്നു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

റോൾ: നിങ്ങൾ ഒരു നഗര, പ്രാദേശിക ആസൂത്രണ സഹായിയാണ്. ടാസ്‌ക്: [ടാസ്‌ക്കിനായി] ഒരു ഡ്രാഫ്റ്റ് നിർമ്മിക്കുക. സന്ദർഭം: പഠന മേഖല [...], ജനസംഖ്യ [...], നിലവിലെ ഉപയോഗം [...], നിയന്ത്രണങ്ങൾ [...]. നിയമം: നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത ഏതെങ്കിലും നമ്പറുകൾക്കും നിരക്കുകൾക്കും കോർഡിനേറ്റുകൾക്കും നിയമനിർമ്മാണ റഫറൻസുകൾക്കും "സ്ഥിരീകരണം ആവശ്യമാണ്" എന്ന ലേബൽ. ഡാറ്റ ഫിറ്റിംഗ്.ഫോർമാറ്റ്: തലക്കെട്ടുകളിൽ, ഓരോ കണ്ടെത്തലിനും ഡാറ്റ ഉറവിടം സൂചിപ്പിക്കുന്നു.

ടാസ്‌ക്: ഇനിപ്പറയുന്ന ടെക്‌സ്‌റ്റിലെ സാങ്കേതിക ക്ലെയിമുകൾ, സംഖ്യാ മൂല്യങ്ങൾ, കോർഡിനേറ്റുകൾ, റെഗുലേറ്ററി റഫറൻസുകൾ എന്നിവ ലിസ്റ്റ് ചെയ്യുക. ഓരോന്നിനും "ഉറവിടം പരിശോധിച്ചുറപ്പിച്ചിരിക്കണം" എന്ന കുറിപ്പ് ചേർക്കുക. ഇത് സ്വയം പരിശോധിക്കരുത്, അത് അടയാളപ്പെടുത്തുക. ടെക്സ്റ്റ്: [...]

ടാസ്‌ക്: ഒരു അർബൻ പ്ലാനറുടെ വീക്ഷണകോണിൽ നിന്ന് റിസ്ക് ലെവൽ അനുസരിച്ച് ഈ AI ഔട്ട്‌പുട്ടിനെ തരംതിരിക്കുക. ഓരോ ഇനത്തിനും: പച്ച / മഞ്ഞ / ചുവപ്പ്, ഒരൊറ്റ വാചകം ന്യായീകരിക്കുക. ചുവന്ന ഇനങ്ങൾക്ക്, "യോഗ്യതയുള്ള വിദഗ്ദ്ധ വിശകലനവും ഔദ്യോഗിക അംഗീകാരവും ആവശ്യമാണ്" എന്ന് എഴുതുക. ഔട്ട്പുട്ട്: [...]

ടാസ്ക്: താഴെയുള്ള പ്ലാൻ/പ്രോജക്റ്റ് ടെക്സ്റ്റ് അജ്ഞാതമാക്കുക. യഥാർത്ഥ പാഴ്സൽ നമ്പർ, ദ്വീപ്, വിലാസം, കോർഡിനേറ്റുകൾ, വ്യക്തിയുടെ/സ്ഥാപനത്തിൻ്റെ പേര്, നമ്പർ എന്നിവ [LABEL] ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുക; സാങ്കേതിക അർത്ഥം നിലനിർത്തുക. ടെക്സ്റ്റ്: [...]

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ഹാലുസിനേറ്റഡ് ഫ്ലഡ് ലൈൻ. ഒരു അരുവിക്ക് അടുത്തുള്ള 40 ഹെക്ടർ സ്ഥലത്ത് "വെള്ളപ്പൊക്ക സാധ്യതയുണ്ടോ" എന്ന് ഒരു പ്ലാനർ AI-യോട് ചോദിക്കുന്നു. AI ആത്മവിശ്വാസത്തോടെ പറയുന്നു, "50 വർഷത്തെ വെള്ളപ്പൊക്ക പരിധി സ്ട്രീമിൽ നിന്ന് 30 മീറ്ററാണ്." പ്ലാനർ ഇത് പരിശോധിക്കാതെ തന്നെ വിശകലനം ചെയ്യുന്നു. എന്നിരുന്നാലും, ബന്ധപ്പെട്ട സ്ഥാപനത്തിൻ്റെ (DSI) ഔദ്യോഗിക വെള്ളപ്പൊക്ക വിശകലനം അനുസരിച്ച്, ചില സ്ഥലങ്ങളിൽ യഥാർത്ഥ വെള്ളപ്പൊക്ക പരിധി 120 മീറ്ററാണ്. AI നിർമ്മിച്ച 30 മീറ്റർ 12 ഹെക്ടർ അപകടസാധ്യതയുള്ള പ്രദേശം "സുരക്ഷിതം" എന്ന് കാണിച്ചു. പാഠം: വെള്ളപ്പൊക്കം പോലുള്ള റെഡ് സോൺ ഡാറ്റ ഔദ്യോഗിക ഏജൻസി വിശകലനത്തിൽ നിന്ന് മാത്രമാണ് എടുത്തത്.

കേസ് 2 - സമയം ലാഭിക്കുന്ന സംഗ്രഹം. അതേ പ്ലാനർ AI 62 പേജുള്ള പ്ലാൻ വിവരണ റിപ്പോർട്ട് സംഗ്രഹിക്കുകയും 15 മിനിറ്റിനുള്ളിൽ പ്രധാന തലക്കെട്ടുകൾ, വൈരുദ്ധ്യമുള്ള ഇനങ്ങൾ, നഷ്‌ടമായ വിശകലനങ്ങൾ എന്നിവ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുകയും ചെയ്യുന്നു. തുടർന്ന് അത് യഥാർത്ഥ റിപ്പോർട്ടിൽ നിന്ന് ഓരോ ഇനവും സ്ഥിരീകരിക്കുന്നു. പച്ച-മഞ്ഞ സോണിൻ്റെ ഈ ഉപയോഗം രണ്ട് ദിവസത്തെ വായനാ ജോലി പകുതി ദിവസമാക്കി കുറയ്ക്കുന്നു; സ്ഥിരീകരണമില്ലാതെ ഒരു തീരുമാനവും എടുക്കുന്നില്ല.

കേസ് 3 - അദൃശ്യമായ അയൽപക്കം. ഒരു മുനിസിപ്പാലിറ്റി ഒരു ഡിജിറ്റൽ സർവേയിൽ നിന്ന് 8,000 അഭിപ്രായങ്ങൾ സംഗ്രഹിക്കുന്നു AI. സംഗ്രഹം നഗരത്തിൻ്റെ കേന്ദ്ര അയൽപക്കങ്ങൾക്കുള്ള ആവശ്യങ്ങളാൽ നിറഞ്ഞിരിക്കുന്നു. ഒരു പ്ലാനർ ചോദിക്കുന്നു "ആരെയാണ് കാണാതായത്?" അദ്ദേഹം ചോദിക്കുന്നു, ജനസംഖ്യയുടെ 22 ശതമാനം വരുന്ന മൂന്ന് ചേരികളിൽ നിന്ന് ഏതാണ്ട് പ്രതികരണമൊന്നുമില്ലെന്ന് കണ്ടെത്തുന്നു; അവിടെ ഇൻ്റർനെറ്റ് സൗകര്യം കുറവാണ്. ഒരു മുഖാമുഖം കൂടിച്ചേർന്ന് ടീം പ്രാതിനിധ്യം ഉറപ്പിക്കുന്നു. AI യുടെ അഭാവം സ്വയം പറയുന്നില്ല; ചോദിക്കുക എന്നത് ആസൂത്രകൻ്റെ ജോലിയാണ്.

സാധാരണ തെറ്റുകൾ

• AI പ്രിൻ്റൗട്ട് ഔദ്യോഗിക രേഖയായി തെറ്റിദ്ധരിക്കുന്നു. ഡ്രാഫ്റ്റും അംഗീകൃത പദ്ധതി/റിപ്പോർട്ടും തമ്മിലുള്ള വ്യത്യാസം മായ്‌ക്കുന്നതാണ് ഏറ്റവും അപകടകരമായ തെറ്റ്.
• റെഡ് സോൺ ഡ്യൂട്ടി AI-ക്ക് വിടുന്നു. AI യുടെ "നിർദ്ദേശം" ഉപയോഗിച്ച് ദുരന്തങ്ങൾ, വെള്ളപ്പൊക്കം, കെട്ടിട നിർമ്മാണ നിരോധനം തുടങ്ങിയ അവസാന തീരുമാനങ്ങൾ പൊതു സുരക്ഷയെ അപകടത്തിലാക്കുന്നു.
• ആത്മവിശ്വാസമുള്ള ഭാഷയിൽ ആശയക്കുഴപ്പമുണ്ടാക്കുന്ന ഭ്രമാത്മകത. AI ഒരു തെറ്റായ അനുപാതം ശരിയായ അനുപാതം പോലെ ആത്മവിശ്വാസത്തോടെ പറയുന്നു; ടോൺ കൃത്യതയുടെ തെളിവല്ല.
• ആലോചിക്കാതെ രഹസ്യ ഡാറ്റ അപ്‌ലോഡ് ചെയ്യുന്നു. അജ്ഞാതമാക്കാതെ ക്ലൗഡിലേക്ക് സസ്പെൻഡ് ചെയ്യാത്ത പ്ലാനും പാഴ്സൽ ഉടമയും കോർഡിനേറ്റും നൽകുന്നത് വ്യക്തിഗത ഡാറ്റയുടെയും പൊതു പ്രക്രിയയുടെയും ലംഘനമാണ്.
• "ആരെയാണ് കാണാതായത്?" ചോദിക്കാനല്ല. പ്രാതിനിധ്യ പക്ഷപാതത്തെ അവഗണിക്കുന്നത് അസമത്വത്തെ ശക്തിപ്പെടുത്തുന്നു.
• സ്ഥിരീകരണത്തിൻ്റെ ട്രാക്ക് സൂക്ഷിക്കുന്നില്ല. പൊതു പ്രക്രിയ ഓഡിറ്റബിൾ ആയിരിക്കണം; ഏത് ഔട്ട്‌പുട്ട് പരിശോധിച്ചു, എങ്ങനെയെന്നത് അപ്രസക്തമാണെങ്കിൽ, അതിൻ്റെ ഉത്തരവാദിത്തം ഏറ്റെടുക്കാനാവില്ല.

ചുരുക്കത്തിൽ

നഗരത്തിലും പ്രാദേശിക ആസൂത്രണത്തിലും AI ഒരു ശക്തമായ ആക്സിലറേറ്ററാണ്, എന്നാൽ ഇത് ഒരു പ്ലാനറെ മാറ്റിസ്ഥാപിക്കുന്നില്ല. റിസ്ക് ലെവലിനെ അടിസ്ഥാനമാക്കി ജോലിയെ പച്ച, മഞ്ഞ, ചുവപ്പ് മേഖലകളായി വിഭജിക്കുക; റെഡ് സോണിൽ ഒരിക്കലും AI-ക്ക് അന്തിമ വാക്ക് നൽകരുത്. ഓരോ ഔട്ട്‌പുട്ടും പരിശോധനയുടെ അഞ്ച് പാളികൾ ഉപയോഗിച്ച് പരിശോധിക്കുക (ഉറവിടം, ഡാറ്റ, സ്പേഷ്യൽ കൃത്യത, വിദഗ്ധൻ, ട്രെയ്സ്). രഹസ്യാത്മകത പരിരക്ഷിക്കുകയും ഡാറ്റ പക്ഷപാതവും പ്രാതിനിധ്യത്തിൻ്റെ അഭാവവും സജീവമായി നോക്കുകയും ചെയ്യുക. AI ഔട്ട്‌പുട്ട് യോഗ്യതയുള്ള വിദഗ്ദ്ധ അംഗീകാരത്തിനും ഔപചാരികമായ അംഗീകാര പ്രക്രിയയ്ക്കും പകരമല്ല; പൊതു തീരുമാനവും ഉത്തരവാദിത്തവും എപ്പോഴും ജനങ്ങളുടേതാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങൾ സ്വയം പ്രവർത്തിച്ച (അല്ലെങ്കിൽ സാങ്കൽപ്പിക) ഒരു ആസൂത്രണ ചുമതല തിരഞ്ഞെടുക്കുക. (1) ടാസ്‌ക്കിൻ്റെ ഉപഘട്ടങ്ങളെ പച്ച/മഞ്ഞ/ചുവപ്പ് സോണുകളായി തിരിച്ച് ഒരു പട്ടികയിൽ എഴുതുക. (2) മഞ്ഞ മേഖലയിലെ ഒരു ഉപടാസ്‌ക്കിനായി മുകളിലുള്ള ആദ്യ ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് ഒരു AI സ്കെച്ച് നിർമ്മിക്കുക. (3) അഞ്ച് സ്ഥിരീകരണ ലെയറുകളിൽ ഓരോന്നിനും ഈ രൂപരേഖയിൽ നിങ്ങൾ കൃത്യമായി എന്തുചെയ്യുമെന്ന് ഒരു വാചകത്തിൽ എഴുതുക. (4) "ആരാണ് അല്ലെങ്കിൽ എന്താണ് നഷ്ടമായത്?" ഈ ടാസ്ക്കിൻ്റെ പശ്ചാത്തലത്തിൽ ചോദ്യത്തിന് ഉത്തരം നൽകുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ടാസ്‌ക് പച്ച/മഞ്ഞ/ചുവപ്പ് സോണിൽ സ്ഥാപിച്ചു.
• [ ] ഞാൻ റെഡ് സോൺ തീരുമാനങ്ങൾ AI-ക്ക് വിട്ടിട്ടില്ല; ഞാൻ അദ്ദേഹത്തെ വിദഗ്‌ധരും ഔദ്യോഗിക നടപടികളിലേക്കും റഫർ ചെയ്തു.
• [ ] ഞാൻ സന്ദർഭം അജ്ഞാതമാക്കി; ഞാൻ ആലോചിക്കാതെ രഹസ്യ ഡാറ്റ അപ്‌ലോഡ് ചെയ്തില്ല.
• [ ] ഔദ്യോഗിക ഉറവിടത്തിൽ നിന്നുള്ള എല്ലാ സംഖ്യയും നിരക്കും കോർഡിനേറ്റും നിയമനിർമ്മാണ റഫറൻസും ഞാൻ സ്ഥിരീകരിച്ചിട്ടുണ്ട്.
• [ ] "ആരാണ് അല്ലെങ്കിൽ എന്താണ് നഷ്ടമായത്?" ഞാൻ ചോദ്യം ചോദിച്ചു; പ്രാതിനിധ്യവും പക്ഷപാതവും ഞാൻ പരിശോധിച്ചു.
• [ ] ഞാൻ സ്ഥിരീകരണ ട്രെയ്സ് സംരക്ഷിച്ചു.
• [ ] ഞാൻ AI ഔട്ട്‌പുട്ട് ഒരു ഡ്രാഫ്റ്റായി അടയാളപ്പെടുത്തി, ഞാൻ അത് ഒരു ഔദ്യോഗിക രേഖയായി ഉപയോഗിച്ചില്ല.