การเติบโตของเมืองและการจำลองสถานการณ์

กำไร:

• ความสามารถในการอธิบายตรรกะของการเติบโตของเมือง การขยายพื้นที่และการจำลองสถานการณ์ และบทบาทของ AI เมื่อเปรียบเทียบกับสถานการณ์สมมติ
• ความสามารถในการตั้งค่าอย่างโปร่งใสและเปรียบเทียบสถานการณ์การเติบโตที่แตกต่างกันกับสมมติฐานอินพุต ข้อจำกัด และชุดตัวบ่งชี้
• ความสามารถในการเข้าใจว่าผลลัพธ์ของการจำลองเป็นสถานการณ์ ไม่ใช่การคาดการณ์ และจำเป็นต้องมีกระบวนการวางแผนอย่างเป็นทางการและการประเมินโดยผู้เชี่ยวชาญในการตัดสินใจ

เมืองเติบโตขึ้น แต่ว่าจะเติบโตที่ไหนและอย่างไรก็เป็นทางเลือก งานที่ยากที่สุดประการหนึ่งสำหรับผู้วางแผนคือการเปรียบเทียบคำถาม "ถ้าเราทำเช่นนี้ต่อไป" และ "ถ้าเราใช้นโยบายนี้" ควบคู่กัน เครื่องมือที่ทำสิ่งนี้คือการจำลองการเติบโตของเมือง: แนวทางที่ใช้รูปแบบการเติบโตในอดีต ความเหมาะสมของที่ดิน และข้อจำกัดในการสร้างแบบจำลองว่าการพัฒนาในอนาคตอาจแพร่กระจายไปที่ไหน เทคนิคทั่วไป ได้แก่ ออโตมาตะแบบเซลลูลาร์และแบบจำลองความน่าจะเป็นในการเติบโต AI เป็นตัวช่วยที่ทรงพลังในการตั้งค่าสถานการณ์จำลองเหล่านี้ การปรับสมมติฐานอินพุต การเปรียบเทียบผลลัพธ์กับตัวบ่งชี้และการรายงาน แต่จุดสำคัญคือ: การจำลองเป็นสถานการณ์ ไม่ใช่การคาดการณ์ “ภายใต้สมมติฐานต่อไปนี้ สิ่งนี้อาจเกิดขึ้นได้” เขากล่าว เขาไม่ได้พูดว่า "มันจะเป็นแบบนี้" การตัดสินใจกระทำผ่านกระบวนการวางแผนอย่างเป็นทางการและการประเมินโดยผู้เชี่ยวชาญ

การจำลองทำงานอย่างไร

ข้อมูลทั่วไปของการจำลองการเติบโตของเมือง: การก่อสร้างที่มีอยู่ ความเหมาะสมของที่ดิน (ความลาดชัน น้ำท่วม การป้องกัน) การเข้าถึงการคมนาคม แรงกดดันด้านประชากร/อุปสงค์ และข้อจำกัด (พื้นที่ปิดการก่อสร้าง: ป่าไม้ การคุ้มครองทางการเกษตร พื้นที่ภัยพิบัติ) จากข้อมูลนำเข้าเหล่านี้ แบบจำลองจะกำหนด "ความน่าจะเป็นในการเติบโต" ให้กับแต่ละพื้นที่ และกระจายความต้องการไปยังพื้นที่ตามความน่าจะเป็นนี้ ผลลัพธ์ที่ได้คือรูปแบบการก่อสร้างในอนาคตที่เป็นไปได้

แต่ละรายการมีข้อสันนิษฐานว่า ความต้องการจะเพิ่มขึ้นเท่าใด พื้นที่ใดจะได้รับการคุ้มครอง การขนส่งจะพัฒนาไปอย่างไร สมมติฐานที่แตกต่างกันทำให้เกิดอนาคตที่แตกต่างกันโดยสิ้นเชิง นั่นเป็นเหตุผลว่าทำไมจึงไม่ใช่การจำลองเพียงครั้งเดียว แต่มีหลายสถานการณ์ที่เรียกใช้และเปรียบเทียบ: "การขยายที่ไม่สามารถควบคุมได้" "การพัฒนาที่กะทัดรัด" "ลำดับความสำคัญในการป้องกัน" ฯลฯ

ข้อควรระวัง: แผนที่จำลองดูน่าเชื่อถือมาก สีสัน รายละเอียด ทางวิทยาศาสตร์ แต่ภาพนี้ไม่ใช่ความจริง แต่เป็นผลมาจากชุดสมมติฐาน เปลี่ยนสมมติฐาน แผนที่ก็เปลี่ยน อย่านำเสนอสถานการณ์จำลองว่าเป็น "นี่คืออนาคต" นำเสนอว่า "ภายใต้สมมติฐานเหล่านี้สิ่งนี้สามารถเกิดขึ้นได้"

คุณค่าสาธารณะของการจำลองไม่ใช่การ "รู้" อนาคต แต่เพื่อทำให้ต้นทุนของอนาคตที่แตกต่างกันมองเห็นได้ในปัจจุบัน เมื่อดูบนแผนที่ล่วงหน้าว่าแอ่งเกษตรกรรม แหล่งน้ำใด และผืนป่าใดที่เมืองจะสูญเสียไปหากขยายออกไปอย่างควบคุมไม่ได้ เสนอทางเลือกที่เป็นรูปธรรมแก่ผู้มีอำนาจตัดสินใจ นั่นเป็นสาเหตุที่การศึกษาสถานการณ์จำลองที่ดีถามว่า "อนาคตที่เป็นไปได้มากที่สุดคืออะไร" ไม่ใช่คำถามว่า "เราต้องการอนาคตอะไรและวันนี้เราควรทำอย่างไร" มันทำหน้าที่ตอบคำถาม เพื่อตอบคำถามนี้ AI จะจำลองสถานการณ์อย่างรวดเร็วและทำให้ผลลัพธ์ของแต่ละสถานการณ์สามารถเปรียบเทียบได้ แต่อนาคตที่ต้องการไม่ใช่ผลลัพธ์ทางเทคนิค แต่เป็นการตัดสินใจตามระบอบประชาธิปไตย การวางตำแหน่งสถานการณ์จำลองให้เป็นพื้นฐานสำหรับการอภิปรายมากกว่าการพยากรณ์ยังช่วยป้องกันไม่ให้เป็นเครื่องมือในการบิดเบือนอีกด้วย

เคล็ดลับ: เมื่อนำเสนอสถานการณ์ต่อรัฐสภา ให้ระบุสถานการณ์ที่ "ไม่พึงประสงค์" อย่างน้อยหนึ่งสถานการณ์เสมอ (เช่น การแพร่กระจายที่ไม่สามารถควบคุมได้) การนำเสนอเฉพาะสถานการณ์ที่ต้องการจะปิดการสนทนาในขณะที่ดูเหมือนว่ามีตัวเลือกอยู่

การใช้ผลลัพธ์การจำลองในทางที่ผิดที่พบบ่อยอีกประการหนึ่งคือการแปลผลลัพธ์สำหรับอนาคตอันไกลโพ้น (เช่น 50-100 ปี) ให้เป็นการตัดสินใจในการวางแผนขั้นสุดท้าย ความไม่แน่นอนเพิ่มขึ้นอย่างทวีคูณเมื่อเวลาผ่านไป รูปแบบการแพร่กระจายที่เกิดขึ้นในอีก 30 ปีข้างหน้าสามารถเปลี่ยนแปลงได้อย่างสมบูรณ์โดยมีการเบี่ยงเบนเล็กน้อยจากสมมติฐานในปัจจุบัน นั่นเป็นเหตุผลว่าทำไมสถานการณ์ระยะไกลจึงมีคุณค่าสำหรับ "ทิศทาง" และ "คำเตือน" แต่ไม่ใช่สำหรับการตัดสินใจที่มีผลผูกพันในระดับพัสดุ ความจริงที่ว่า AI สามารถสร้างการคาดการณ์ถึงปีที่อยู่ห่างไกลได้อย่างง่ายดายไม่ควรทำให้เราลืมขีดจำกัดนี้ เมื่อเส้นขอบฟ้ายาวขึ้น จำเป็นต้องเขียนความไม่แน่นอนให้ชัดเจนยิ่งขึ้น

เปรียบเทียบกับตัวชี้วัด

เปรียบเทียบสถานการณ์ที่ไม่ใช่ "ดี/ไม่ดี" แต่ด้วยตัวชี้วัด: พื้นที่เกษตรกรรมที่เปิดก่อสร้างได้กี่เฮกตาร์ มีผู้คนตั้งถิ่นฐานในเขตน้ำท่วมกี่เฮกตาร์ ระยะทางขนส่งเฉลี่ยคือเท่าใด มีพื้นที่สีเขียวต่อหัวหรือไม่ ต้นทุนโครงสร้างพื้นฐานคือเท่าใด AI มีประโยชน์ในการตั้งค่าตัวบ่งชี้ชุดนี้และเปรียบเทียบสถานการณ์ในรูปแบบตาราง ตัวบ่งชี้ใดที่สำคัญกว่านั้นคือทางเลือกสาธารณะ มันเป็นการตัดสินใจของกระบวนการ ไม่ใช่ AI

ทีละขั้นตอน: การศึกษาสถานการณ์ที่ขับเคลื่อนด้วย AI

1. กำหนดคำถามและสถานการณ์ ตัวอย่างเช่น เทรนด์ / กะทัดรัด / ลำดับความสำคัญในการป้องกัน
2. แสดงรายการอินพุตและข้อจำกัด ความเหมาะสม ความต้องการ พื้นที่คุ้มครอง
3. ชี้แจงสมมติฐานสำหรับแต่ละสถานการณ์ เขียนอย่างโปร่งใส
4. เรียกใช้การจำลอง (จำลองด้วยข้อมูลจริง AI ในนิยายและรายงาน)
5. ติดตั้งชุดเกจวัด. แผนภูมิเปรียบเทียบกับ AI
6. เปรียบเทียบสถานการณ์ แสดงการเสียเปรียบ ไม่ใช่ผู้ชนะ
7. รายงานความคลุมเครือและขอบเขต ปล่อยให้การตัดสินใจเป็นไปตามกระบวนการ

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

ข้อความเตือนที่อ่อนแอ: "เมืองนี้จะเติบโตอย่างไรในปี 2593"

AI สร้าง "การคาดการณ์" ที่ไม่มีแหล่งที่มา เป็นข้อมูลเดียว และทำให้เข้าใจผิด ไม่มีข้อสันนิษฐานและข้อจำกัด

พร้อมท์ที่ชัดเจน: "ฉันต้องการเปรียบเทียบสถานการณ์การเติบโตของเมืองสามสถานการณ์: (1) แนวโน้ม (การขยายตัวในปัจจุบันยังคงดำเนินต่อไป), (2) ขนาดกะทัดรัด (การพัฒนากระจุกตัวอยู่ภายในเมืองที่มีอยู่), (3) ลำดับความสำคัญในการอนุรักษ์ (ไม่รวมเกษตรกรรมและที่ราบน้ำท่วมถึงอย่างเคร่งครัด) จัดทำรายการสมมติฐานสำหรับแต่ละสถานการณ์และตารางเปรียบเทียบพร้อมตัวบ่งชี้ต่อไปนี้: พื้นที่เกษตรกรรมที่สร้างขึ้น (ฮ่า) ประชากรที่ตั้งถิ่นฐานในที่ราบน้ำท่วมถึง, ระยะทางการเดินทางเฉลี่ย, พื้นที่สีเขียวต่อหัว อย่าเลือกผู้ชนะ; อธิบาย การแลกเปลี่ยน นี่เป็นสถานการณ์ ไม่ใช่การคาดการณ์” ไฮไลท์"

พรอมต์ที่สองให้ความกระจ่างเกี่ยวกับสถานการณ์ สมมติฐาน ตัวชี้วัด และกรอบการทำงานที่ต้องแลกมา

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

งาน: จัดทำรายการสมมติฐานและตารางเปรียบเทียบตัวบ่งชี้สำหรับสถานการณ์การเติบโตสามสถานการณ์ต่อไปนี้ ตัวชี้วัด: [...] การเลือกผู้ชนะ เขียนข้อดีข้อเสียของแต่ละสถานการณ์ เพิ่มหมายเหตุว่า "นี่คือสถานการณ์ ไม่ใช่การคาดการณ์" สถานการณ์: [...]

งาน: ตรวจสอบอินพุตการจำลองต่อไปนี้ ข้อมูลใดมีสมมติฐาน ข้อใดไม่ชัดเจนว่าเป็นข้อจำกัด (พื้นที่ปิดการก่อสร้าง) ข้อมูลใดที่เป็นปัจจุบันควรถูกตั้งคำถาม การตัดสินใจ เพียงทำเครื่องหมายอินพุต: [...]

ภารกิจ: เขียนร่างการนำเสนอของสภา/ผู้มีส่วนได้ส่วนเสียจากผลการเปรียบเทียบสถานการณ์ด้านล่าง อธิบายข้อดีข้อเสียของแต่ละสถานการณ์ด้วยภาษาธรรมดา ระบุความไม่แน่นอนชัดเจน และ “คำตัดสินอยู่ในกระบวนการของทางการ” ผลลัพธ์: [...]

ภารกิจ: อธิบายคำศัพท์เกี่ยวกับหุ่นยนต์เซลลูล่าร์ ความน่าจะเป็นในการเติบโต ชั้นข้อจำกัด สถานการณ์และตัวบ่งชี้ในภาษาตุรกีธรรมดาในพจนานุกรม เน้นในประโยคเดียวว่าเหตุใดการจำลองจึงเป็นสถานการณ์ ไม่ใช่การคาดเดา

ตาราง: ประเภทสถานการณ์และตัวบ่งชี้

สถานการณ์

สมมติฐานพื้นฐาน

ความเสี่ยงที่โดดเด่น

ตัวบ่งชี้ที่น่าจับตามอง

เทรนด์ (ปัจจุบัน)

การขยายพันธุ์ยังคงดำเนินต่อไป

เกษตรกรรม/การสูญเสียธรรมชาติ

พื้นที่เกษตรกรรมที่สร้างขึ้น

กะทัดรัด

ความเข้มข้นภายใน

ความหนาแน่น/ความสบายสูงสุด

พื้นที่สีเขียวต่อคน

การป้องกันเป็นสิ่งสำคัญ

ไม่รวมพื้นที่ละเอียดอ่อน

ข้อจำกัดด้านอุปทานที่อยู่อาศัย

การขาดแคลนที่อยู่อาศัย

มุ่งเน้นการขนส่ง

เส้นรอบวงดีขึ้น

แม้กระทั่งการเสพติด

ระยะทางขนส่งเฉลี่ย

มินิเคสสามอัน

กรณีที่ 1 — สถานการณ์ที่คิดว่าเป็นการเดา เทศบาลเมืองแห่งหนึ่งจัดทำ "แผนที่การเติบโต" ฉบับเดียวและนำเสนอต่อสภาโดยกล่าวว่า "นี่คืออนาคตของเมือง" สมาชิกสภาคนหนึ่งถามว่า “สมมติฐานคืออะไร?” เขาถาม; ทีมงานตระหนักดีว่าพื้นที่เกษตรกรรมน่าจะเปิดให้มีการก่อสร้างได้ เมื่อมีการเพิ่มสถานการณ์ที่มีลำดับความสำคัญในการป้องกัน แผนที่จะเปลี่ยนไปโดยสิ้นเชิง การนำเสนอสถานการณ์เดียวในขณะที่อนาคตปิดการสนทนาตั้งแต่ต้น

กรณีที่ 2 — ทำให้มองเห็นการแลกเปลี่ยนได้ชัดเจน ทีมหนึ่งเปรียบเทียบสถานการณ์สามสถานการณ์กับตัวบ่งชี้: สถานการณ์การอนุรักษ์ช่วยรักษาการเกษตรแต่สร้างการขาดดุลที่อยู่อาศัย สถานการณ์ขนาดกะทัดรัดช่วยรักษาที่ดินแต่เพิ่มความหนาแน่น ภาพชุด AI ทำให้ความเป็นจริงของ "ไม่มีอาหารกลางวันฟรี" ปรากฏให้เห็น และรัฐสภาสามารถตัดสินใจได้อย่างมีข้อมูล

กรณีที่ 3 — คำเตือนการบรรเทาน้ำท่วม ในสถานการณ์แนวโน้ม แดชบอร์ดเผยให้เห็นว่าผู้คน 6,500 คนจะตั้งถิ่นฐานอยู่ในเขตน้ำท่วม ตัวเลขนี้บ่งชี้ว่ามีการกำหนดเลเยอร์ข้อจำกัดอย่างหลวมๆ ในสถานการณ์จำลอง ทีมงานกระชับข้อจำกัด ตัวบ่งชี้จะระบุปริมาณความเสี่ยงที่จะถูกมองข้าม

ข้อผิดพลาดทั่วไป

• เข้าใจผิดสถานการณ์เป็นการคาดเดา การจำลองบอกว่า "อาจ" ไม่ใช่ "จะ"
• นำเสนอสถานการณ์เดียว หากไม่มีการเปรียบเทียบ ก็ไม่สามารถพูดคุยถึงความชอบได้
• การซ่อนสมมติฐาน แผนที่ที่น่าเชื่อสามารถปกปิดข้อสันนิษฐานที่ซ่อนอยู่ได้
• การกำหนดข้อจำกัดอย่างหลวมๆ หากไม่แยกพื้นที่ที่ต้องป้องกันอย่างชัดเจน ความเสี่ยงก็จะเพิ่มขึ้น
• ประกาศผู้ชนะ. ตัวบ่งชี้แสดงการแลกเปลี่ยน; ทางเลือกคือกระบวนการสาธารณะ
• ข้ามการอัปเดตข้อมูล ข้อมูลความพร้อมใช้งาน/ความต้องการที่ล้าสมัยจะทำให้สถานการณ์ทั้งหมดพัง

โดยสรุป

การจำลองการเติบโตของเมืองเป็นวิธีที่มีประสิทธิภาพในการเปรียบเทียบคำถาม "จะเกิดอะไรขึ้นถ้า" AI ช่วยในการสร้างสถานการณ์ การแก้ไขสมมติฐาน การเปรียบเทียบตัวบ่งชี้ และการรายงาน แต่การจำลองนั้นเป็นสถานการณ์ ไม่ใช่การคาดการณ์ เมื่อสมมติฐานเปลี่ยนไป ผลลัพธ์ก็จะเปลี่ยนไป เรียกใช้หลายสถานการณ์แทนการใช้แผนที่เดียว เปรียบเทียบกับตัวบ่งชี้ ทำให้มองเห็นข้อดีข้อเสีย และกำหนดข้อจำกัดอย่างชัดเจน (พื้นที่ที่ต้องปกป้อง) ทั้ง AI และแผนที่ไม่เลือกผู้ชนะ การตัดสินใจกระทำผ่านกระบวนการวางแผนอย่างเป็นทางการและการประเมินโดยผู้เชี่ยวชาญ

งานสมัคร

กำหนดสถานการณ์การเติบโตสามสถานการณ์สำหรับเมือง/ภูมิภาค (เช่น แนวโน้ม ขนาดกะทัดรัด ลำดับความสำคัญในการอนุรักษ์) (1) กำหนดสมมติฐานของแต่ละสถานการณ์และตารางเปรียบเทียบตัวบ่งชี้ด้วยเทมเพลตแรก (2) ตรวจสอบอินพุตด้วยเทมเพลตที่สองและบันทึกข้อจำกัดที่กำหนดไว้อย่างหลวมๆ อย่างน้อยหนึ่งรายการ (3) จัดทำโครงร่างการนำเสนอของรัฐสภาด้วยเทมเพลตที่สาม โดยเน้นความแตกต่าง "สถานการณ์/การคาดการณ์" (4) อธิบายเป็นประโยคเดียวว่าความโดดเด่นของตัวบ่งชี้ใดที่เป็นทางเลือกสาธารณะ

รายการตรวจสอบ

• [ ] ฉันวางกรอบการจำลองไว้เป็นสถานการณ์ ไม่ใช่การคาดการณ์
• [ ] แทนที่จะใช้แผนที่เดียว ฉันสร้างสถานการณ์ขึ้นมาหลายสถานการณ์และเปรียบเทียบมัน
• [ ] ฉันได้เขียนสมมติฐานของแต่ละสถานการณ์ไว้อย่างชัดเจน
• [ ] ฉันได้กำหนดข้อจำกัดไว้อย่างชัดเจน (พื้นที่ที่จะได้รับการคุ้มครอง)
• [ ] ฉันเปรียบเทียบสถานการณ์กับตัวบ่งชี้ ฉันไม่ได้ประกาศผู้ชนะ
• [ ] ฉันทำให้เห็นข้อดีข้อเสียแล้ว
• [ ] ฉันปล่อยให้การตัดสินใจอยู่ในกระบวนการวางแผนอย่างเป็นทางการและการประเมินโดยผู้เชี่ยวชาญ