Panimula sa Artificial Intelligence sa Urban at Regional Planning: Mga Hangganan, Pagpapatunay, Responsibilidad at Etika

Mga nadagdag:

• Kakayahang makilala, batay sa antas ng panganib, kung saan ang AI ay nakakatipid ng real time sa pagpaplano ng workflow at kung saan ang pampublikong interes at responsibilidad na kritikal sa kaligtasan ay dapat manatili sa karampatang urban planner at engineer
• Kakayahang magpatupad ng multi-layered validation discipline na sumusubok sa bawat output ng AI laban sa naaangkop na batas, opisyal na istatistika, spatial na katumpakan at independiyenteng kontrol ng eksperto
• Kakayahang kunin ang ugali ng pag-anonymize ng konteksto, pagkilala sa bias ng data, at pagpili ng mga tool na ligtas sa privacy upang protektahan ang lokasyon, parsela, personal at corporate na data.

Ang pagpaplano ng lungsod at rehiyon ay isang pampublikong chain ng desisyon na tumutukoy kung saan maninirahan ang milyun-milyong tao, kung paano sila makakarating doon, anong hangin ang kanilang malalanghap at kung gaano sila kaligtas sa oras ng sakuna. Ang ilang link sa chain na ito (data wrangling, pagsusulat ng ulat, paghahanda ng mapa) ay maaaring i-automate nang mabilis; Ang ilan sa kanila ay hindi kailanman maaaring ilipat sa isang makina dahil direktang nakakaapekto ang mga ito sa interes ng publiko at kaligtasan ng buhay. Ang artificial intelligence (AI para sa maikli; software na natututo ng mga pattern mula sa data at gumagawa ng text, mga larawan, mga mapa o code) ay isang makapangyarihang accelerator sa chain na ito: gumagawa ito ng draft analysis report, nagbubuod sa legislative text, nagsusulat ng code, naghahambing ng mga sitwasyon. Ngunit ang AI ay hindi isang tagaplano ng lunsod; Hindi nito inaako ang responsibilidad sa ngalan ng publiko, hindi pumapasok sa proseso ng pagsususpinde, at hindi pumipirma. Sa unit na ito, matututunan mo kung saan gagamitin ang AI sa pagpaplano, kung saan mo kailangang manindigan, at kung paano i-validate ang bawat output. Ang layunin ay gawin kang isang propesyonal na kumokontrol sa AI, hindi nakadepende sa AI.

Ano ang magagawa at hindi maaaring gawin ng AI sa pagpaplano

Ang tunay na kapangyarihan ng AI ay ang wika, pattern, pagpoproseso ng data at pagbuo ng variant. Pagbubuod sa mahabang teksto ng memo ng plano, pagdidisenyo ng mga hakbang ng pagsusuri sa paggamit ng lupa, pag-aayos ng talahanayan ng populasyon, pag-draft ng Python code para sa daloy ng trabaho ng QGIS, pagkuha ng mga tema mula sa libu-libong komento sa isang survey ng stakeholder; Sa mga ito, ang AI ay nakakatipid sa iyo ng mga oras o kahit na mga araw.

Ang hindi magagawa ng AI ay ang may-bisang desisyon na nangangailangan ng pampublikong interes at seguridad. Densidad na dadalhin sa isang kapitbahayan, pagbabawal sa pagtatayo sa isang stream bed, kondisyon ng konstruksiyon malapit sa isang fault line, tunay na karapatan sa pagpapaunlad ng isang parsela, kapasidad ng isang intersection; Wala sa mga ito ang maaaring matukoy ng lohika ng "ganito ang karaniwang nangyayari." Nagha-hallucinate ang AI dahil natututo ito mula sa text sa internet at sa data ng pagsasanay: ibig sabihin, maaari itong bumuo ng regulation clause, ratio, coordinate o statistic na mukhang totoo ngunit mali. Ang ganitong uri ng pagkakamali sa pagpaplano ay hindi lamang isang typo; Nangangahulugan ito ng isang paaralan na hindi maayos na matatagpuan, isang lugar na tirahan na binaha, isang nakanselang plano, o mga buhay na nawala sa isang sakuna.

Pansin: Ang output ng AI ay isang draft, hindi isang opinyon ng eksperto o opisyal na dokumento. Ang anumang desisyong kritikal sa seguridad at interes ng publiko (panganib sa sakuna, baha, imprastraktura ng carrier, probisyon ng plano na may bisa sa batas) ay hindi maipapatupad nang walang pag-apruba ng isang karampatang tagaplano ng lungsod at ng nauugnay na inhinyero. Hindi pinapalitan ng AI ang proseso ng pag-apruba at pormal na pag-apruba na ito.

Tatlong rehiyon ayon sa antas ng panganib

Ang pinakapraktikal na paraan upang ligtas na gamitin ang AI ay ang hatiin ang bawat gawain sa tatlong zone batay sa antas ng panganib. Mabilis at tumpak na sinasagot ng pagkakaibang ito ang tanong na "dapat bang gawin ito ng AI?"

Rehiyon

Mga halimbawang gawain

Ang papel ng AI

Antas ng pag-verify

Berde (mababa ang panganib)

Tala sa pagpupulong, e-mail, teksto ng konsepto, pagpapaliwanag ng termino, pamagat ng pagtatanghal

libreng produksyon

Mabilis na pagsusuri

Dilaw (katamtamang panganib)

draft ng ulat ng pagsusuri, buod ng batas, draft ng code, pag-edit ng data, pagkuha ng tema

Draft + proposal

Expert check + source/data confirmation

Pula (kritikal sa seguridad at pampublikong interes)

Panganib sa sakuna, baha, pagbabawal sa gusali, desisyon sa density, karapatan sa pag-unlad, probisyon ng planong may bisa

Pre-screen/checklist lang

Ang karampatang pagsusuri ng eksperto, pormal na proseso at pag-apruba ay sapilitan

Maging mabilis sa green zone. Gumamit ng AI sa yellow zone, ngunit i-verify ang bawat numero, pinagmulan at data. Sa red zone, hindi kailanman ang AI ang may huling say; Ito ay isang tulong lamang na nagpapabilis sa gawain ng eksperto.

Disiplina sa multi-layer na pag-verify

Ang pag-verify ay hindi isang bagay na dapat ipagpaliban sa pag-iisip na "Titingnan ko ito mamaya"; ay bahagi ng daloy ng trabaho. Ang matatag na pagpapatunay sa pagpaplano ay binubuo ng limang layer:

1. Bumalik sa pinanggalingan. Kung ang AI ay nagbigay ng rate, item, coordinate o istatistika, buksan at kumpirmahin ito sa kasalukuyang opisyal na text (naaprubahang zoning plan, plan note, regulasyon, TÜİK data, corporate database).
2. Subukan gamit ang data. Ihambing ang isang numerical na resulta (populasyon, lugar, kapasidad) sa mga opisyal na istatistika o isang naka-calibrate na modelo.
3. Katumpakan ng spatial. Suriin ang mapa, coordinate system (CRS) at geometry claims laban sa aktwal na base at tamang coordinate reference.
4. Matang eksperto. Kung ang kaugnay na desisyon ay nasa kadalubhasaan ng isang disiplina (geology, transportasyon, environmental engineering, batas), aprubahan ito ng ekspertong iyon.
5. Iwanan ang iyong marka. Itala kung aling output ang napatunayan kung aling data at paano; Hayaang maging auditable ang proseso ng publiko.

Hint: "Sinabi ng AI" ay hindi isang katwiran. Ang katwiran para sa isang desisyon sa plano ay palaging ang kasalukuyang batas, opisyal na data, pagsusuri at karampatang pagsusuri ng eksperto. Tinutulungan ka ng AI na ihanda ang mga katwiran na ito, hindi nito pinapalitan ang mga ito.

Pagkapribado, data bias at etika

Sensitibo ang data ng pagpaplano. Isang pagbabago sa plano na hindi nasuspinde, ang pagkakakilanlan ng may-ari ng parsela, ang socioeconomic data ng isang kapitbahayan, ang coordinate ng isang kapirasong lupa; Ang kanilang maagang pagtagas ay humahantong sa haka-haka, ill-gotten gains at pinsala sa tiwala ng publiko. Bago ibigay ang data na ito sa isang cloud-based na AI tool, magtanong ng tatlong tanong: Kailangan ba talaga ang data na ito? Maaari ba itong i-anonymize? Gumagamit ba ng data ang tool na ginagamit ko sa pagsasanay?

Ang bias ng data ay isang natatanging panganib na natatangi sa pagpaplano. Natututo ang AI mula sa makasaysayang data; Kung ang isang rehiyon ay nagkaroon ng maliit na pamumuhunan sa nakaraan, kaunting data na nakolekta, o walang opinyon ng grupo na naitala, maaaring palakasin ng AI ang hindi pagkakapantay-pantay na ito bilang "normal." Halimbawa, ang mga nakatatanda na hindi maaaring lumahok sa isang digital na survey o mga kapitbahayan na may limitadong internet access ay maaaring manatiling hindi nakikita sa buod ng AI. Sa isang pampublikong trabaho, nangangahulugan ito ng pagpaparami ng kawalan ng katarungan sa pamamagitan ng code. Iyon ang dahilan kung bakit ang bawat output ng AI ay nagtatanong ng "sino o ano ang nawawala?" Ang pagtatanong ay isang propesyonal na obligasyon.

Hakbang-hakbang: Ligtas na pagpapakilala ng AI sa isang gawain

1. Ilagay ang gawain sa rehiyon. Berde, dilaw o pula?
2. Anonymize ang konteksto. I-clear ang totoong parsela, coordinate, pangalan at numero.
3. Magbigay ng malinaw na brief. Malinaw na isulat ang workspace, mga hadlang, pamantayan at format.
4. Isaalang-alang ang output bilang isang draft. Huwag kailanman gamitin ito bilang isang pangwakas na produkto o opisyal na dokumento.
5. Ilapat ang mga layer ng pag-verify. Pinagmulan, data, katumpakan ng spatial, eksperto, bakas.
6. "Sino o ano ang kulang?" magtanong. Suriin ang representasyon at bias.
7. Itala ang desisyon at ang pangangatwiran nito.

Mahinang prompt / Malakas na prompt

Mahinang prompt: "Sumulat ng pagsusuri sa pagpaplano para sa kapitbahayan na ito."

Dahil ang kahilingang ito ay walang konteksto, ang AI ay gumagawa ng generic, clichéd, at posibleng hindi tumpak na text; Gumagawa siya ng mga numero at nagha-hallucinate ng batas.

Napakahusay na prompt: "Ikaw ay isang kapaki-pakinabang na katulong sa isang urban planner. Gumawa ng isang DRAFT na ulat sa pagsusuri ng paggamit ng lupa batay sa sumusunod na [anonymised] data. Data: kasalukuyang distribusyon ng paggamit [talahanayan], populasyon [TurkStat data], slope at floodplain [buod]. Label na 'KINAKAILANGANG KUMPIRMASYO' para sa bawat numero at sangguniang pangregulasyon na hindi mo sigurado. Ipahiwatig ang format ng data para sa mga heading ng pinagmulan.

Ang pangalawang prompt ay gumagawa ng isang auditable, nabe-verify na blueprint dahil binibigyan nito ang AI ng tungkulin, data, mga hadlang, kalabuan, at format.

Apat na maaaring kopyahin na mga template

Tungkulin: Isa kang katulong sa pagpaplano ng lungsod at rehiyon. Gawain: Gumawa ng DRAFT para sa [gawain]. Konteksto: Lugar ng pag-aaral [...], populasyon [...], kasalukuyang gamit [...], mga paghihigpit [...]. Panuntunan: Lagyan ng label ang "KINAKAILANGANG PAGKUMPIRMA" para sa anumang mga numero, rate, coordinate at mga sangguniang pambatas na hindi ka sigurado. Data fitting.Format: Sa mga heading, na nagsasaad ng data source para sa bawat paghahanap.

Gawain: LISTAHAN ang mga teknikal na paghahabol, mga halaga ng numero, mga coordinate at mga sanggunian sa regulasyon sa sumusunod na teksto. Magdagdag ng tala na "dapat ma-verify ang pinagmulan" para sa bawat isa. Huwag i-verify ito sa iyong sarili, markahan lamang ito. Teksto: [...]

Gawain: I-classify itong AI output ayon sa antas ng panganib mula sa pananaw ng isang urban planner. Para sa bawat item: berde / dilaw / pula at magbigay ng isang pagbibigay-katwiran sa pangungusap. Para sa mga pulang item, isulat ang "karampatang pagsusuri ng eksperto at kinakailangan ng opisyal na pag-apruba". Output: [...]

Gawain: I-anonymize ang teksto ng plano/proyekto sa ibaba. Palitan ang aktwal na parcel number, isla, address, coordinate, pangalan ng tao/institusyon at numero ng [LABEL]; panatilihin ang teknikal na kahulugan.Text: [...]

tatlong mini case

Case 1 — Hallucinated flood line. Tinanong ng isang tagaplano ang AI "May panganib ba sa baha" para sa 40 ektarya ng lupa sa tabi ng isang sapa. Kumpiyansa na sinabi ng AI, "Ang 50-taong limitasyon sa baha ay 30 metro mula sa batis." Inilalagay ito ng tagaplano sa pagsusuri nang hindi ito bini-verify. Gayunpaman, ang aktwal na limitasyon sa baha ay 120 metro sa ilang mga punto, ayon sa opisyal na pagsusuri sa baha ng nauugnay na institusyon (DSI). Ang 30 metro na binubuo ng AI ​​ay nagpakita ng 12 ektaryang peligrosong lugar bilang "ligtas". Aralin: ang data ng red zone, tulad ng baha, ay kinuha lamang mula sa opisyal na pagsusuri ng ahensya.

Kaso 2 — Buod na nakakatipid sa oras. Ang parehong tagaplano ay may buod ng AI ng isang 62-pahinang ulat sa paglalarawan ng plano at kumuha ng mga pangunahing headline, magkasalungat na item, at nawawalang pagsusuri sa loob ng 15 minuto. Pagkatapos ay kinukumpirma nito ang bawat item mula sa orihinal na ulat. Ang paggamit na ito ng green-yellow zone ay binabawasan ang dalawang araw ng trabaho sa pagbabasa sa kalahating araw; Walang desisyon na ginawa nang walang pag-verify.

Kaso 3 — Ang hindi nakikitang kapitbahayan. Ang isang munisipalidad ay nagbubuod ng 8,000 komento mula sa isang digital na survey na may AI. Ang buod ay puno ng mga kahilingan para sa mga gitnang kapitbahayan ng lungsod. Nagtatanong ang isang tagaplano "sino ang nawawala?" tanong niya, at nalaman na halos walang tugon mula sa tatlong slum na bumubuo sa 22 porsiyento ng populasyon; Mababa ang internet access doon. Inaayos ng koponan ang representasyon sa pamamagitan ng pagdaragdag ng isang harapang pulong. Ang kakulangan ng AI ay hindi nagsasabi sa sarili nito; Trabaho ng tagaplano na magtanong.

Mga karaniwang pagkakamali

• Napagkakamalang opisyal na dokumento ang AI printout. Ang pagbubura sa pagkakaiba sa pagitan ng draft at ng inaprubahang plano/ulat ay ang pinakamapanganib na pagkakamali.
• Ang pag-iwan sa red zone duty sa AI. Ang pagsasara ng mga desisyon gaya ng mga sakuna, baha, at pagbabawal sa gusali na may "suhestyon" ng AI ay naglalagay sa panganib ng pampublikong kaligtasan.
• Nakakalito na guni-guni na may kumpiyansa na wika. Sinasabi ng AI ang isang hindi tamang ratio na kasing kumpiyansa ng tamang ratio; Ang tono ay hindi katibayan ng katumpakan.
• Pag-upload ng kumpidensyal na data nang hindi iniisip. Ang pagbibigay sa hindi nasuspinde na plano, may-ari ng parsela at pakikipag-ugnayan sa cloud nang hindi ito ina-anonymize ay isang paglabag sa personal na data at pampublikong proseso.
• "Sino ang nawawala?" hindi para magtanong. Ang pagwawalang-bahala sa bias sa representasyon ay nagpapatibay sa hindi pagkakapantay-pantay.
• Hindi sinusubaybayan ang pag-verify. Dapat na auditable ang pampublikong proseso; Kung walang kaugnayan kung aling output ang napatunayan at paano, hindi ito mapapanagot.

Sa buod

Ang AI ay isang malakas na accelerator sa pagpaplano ng lungsod at rehiyon, ngunit hindi nito pinapalitan ang isang tagaplano. Hatiin ang trabaho sa berde, dilaw at pulang sona batay sa antas ng panganib; Huwag kailanman bigyan ang AI ng huling say sa red zone. Subukan ang bawat output na may limang layer ng pag-verify (pinagmulan, data, spatial na katumpakan, eksperto, bakas). Protektahan ang pagiging kumpidensyal at aktibong hanapin ang bias ng data at kakulangan ng representasyon. Ang output ng AI ay hindi kapalit ng karampatang pag-apruba ng eksperto at isang pormal na proseso ng pag-apruba; Ang desisyon at responsibilidad ng publiko ay palaging nasa mga tao.

Gawain ng aplikasyon

Pumili ng isang gawain sa pagpaplano na ginawa mo sa iyong sarili (o haka-haka). (1) Hatiin ang mga substep ng gawain sa berde/dilaw/pulang mga sona at isulat ang mga ito sa isang talahanayan. (2) Gumawa ng AI sketch gamit ang unang template sa itaas para sa isang subtask sa dilaw na rehiyon. (3) Isulat sa isang pangungusap kung ano ang konkretong gagawin mo sa balangkas na ito para sa bawat isa sa limang layer ng pagpapatunay. (4) "Sino o ano ang nawawala?" Magbigay ng sagot sa tanong sa konteksto ng gawaing ito.

checklist

• [ ] Inilagay ko ang gawain sa berde/dilaw/pulang sona.
• [ ] Hindi ko ipinaubaya sa AI ang mga desisyon sa red zone; Nirefer ko siya sa eksperto at opisyal na proseso.
• [ ] Hindi ko pinakilala ang konteksto; Hindi ako nag-upload ng kumpidensyal na data nang hindi nag-iisip.
• [ ] Kinumpirma ko ang bawat numero, rate, coordinate at legislative reference mula sa opisyal na pinagmulan.
• [ ] "Sino o ano ang nawawala?" Tinanong ko ang tanong; Sinuri ko ang representasyon at bias.
• [ ] Nai-save ko ang verification trace.
• [ ] Minarkahan ko ang output ng AI bilang isang draft, hindi ko ito ginamit bilang isang opisyal na dokumento.