收益：
- 能够区分人工智能在景观工作流程中节省时间的地方（概念、视觉、分析、沟通）以及根据风险级别将场地、生态、安全和监管决策留给人类的地方。
- 能够应用将每个重要输出链接到源的规则，使用独立工具对其进行确认，并通过评论过滤步骤进行验证。
- 了解为什么必须从一开始就考虑当地的气候、土壤和监管准确性，以及为什么人工智能不能取代工程安全决策中的专家批准。
市政府委托您将溪流边 4 公顷的荒地改造成城市公园，这样既可以降低洪水风险，又可以影响附近社区的日常生活。您有基线图、预算上限和三周的概念截止日期。景观设计是通过考虑人、植物、水和气候之间的关系来设计和规划开放和绿地（公园、广场、花园、海岸、街道）的专业。本模块的目标是在这项工作的每个阶段使用人工智能（AI）作为加速器和思想伙伴；但这是为了清楚地区分在哪里可以安全地使用它，在哪里应该留在哪里并留给专家判断。让我们从头开始：AI不会签署设计，不知道种植植物的土壤，也不会为你辩护立法；生成草稿、复制选项并标记模式。最终的决定权永远属于有能力的景观设计师。
人工智能到底对这个职业有什么用处？
景观设计；这是一个直觉、领域知识、生态和技术细节交织在一起的领域。人工智能显着加速了该领域的四类工作。首先，生产力：概念文本、情绪板构思和替代解决方案变化只需几分钟而不是几个小时。第二个是可视化：将草图级别的想法转变为可以向客户解释的视觉效果。第三，分析支持：协助解释现场数据（坡度、方向、阴影）并总结大量文本/立法。第四是沟通：用通俗易懂的语言向投资者、公众和决策者解释技术设计的演示文本。
人工智能做不到的，是这个专业的核心：感知田地的真实情况，用土壤验证真正适合当地气候的植物调色板，保证静态和地面安全，承担监管合规的法律责任。我们将在本单元中讨论具有这种区别的每个工具。
提示：将人工智能想象成“快速但新手的实习生”。他做了很多工作，产生了很多想法；但如果没有高级人员（您）检查每一份打印输出，它就不会交付。
根据风险级别分为三类
将每个人工智能输出分为三个部分可以确保您的工作安全：
- 低风险（免费使用）：概念文本、情绪板想法、演示文稿草稿、名称/标题建议。即使出现错误，也很容易纠正，不会伤害任何人。
- 中等风险（需要验证）：工厂建议、成本估算、场地分析解释、雨水初步计算。如果错了，项目就会被推迟或者预算会膨胀；绝对需要源头和专家控制。
- 高风险（需要专家批准，人工智能才有帮助）：挡土墙静力学、树根-下部结构冲突、有毒/入侵植物选择、儿童游乐场安全、分区和许可决策。在这里，AI的输出永远不可能成为最终的决定。
在工程和安全关键问题（保留、排水能力、树木倒塌风险、游乐场设备）中，人工智能输出并不能取代主管专家的签署批准。我们将在整个模块中重复这一原则，因为景观美化项目中的错误；这意味着洪水、伤害或拆除重建，耗资数万里拉。
验证纪律：三步
将这三个步骤应用于每个关键可交付成果：
- 来源链接：“这种植物生活在这种气候下”的说法基于当地来源（大学、植物园、省农业局、当地苗圃）。人工智能具有概括性；你进行本地化。
- 使用独立工具验证：使用 GIS（地理信息系统 - 绘制和分析空间数据的软件）或测量来检查坡度、面积、距离等数值。
- 审查：以专业判断评估输出是否适合您的环境（预算、用户、维护能力）。
三个迷你箱子
案例 1 — 节省时间。在竞赛概念阶段，景观办公室通常会在 3 天内绘制 6 个不同的方形引道。 AI半天就制作出了情绪板和概念文本草稿；团队将剩余的 2.5 天用于实际设计决策。结果：评估了 11 个替代方案，而不是同期的 6 个。
情况 2 — 局部精度错误（并被抓住）。设计师将YZ建议的“在所有气候下都很美丽”清单中的一种观赏植物放入该项目中。高级建筑师意识到该物种在相关省份被认为是入侵物种（传播和抑制当地生态系统），并将其从当地名单中删除。人工智能建议，专家确认，灾难避免了。
案例 3——沟通。在一个沿海园林绿化项目中，技术报告在公众会议上没有被理解。 YZ 将这份 40 页的报告变成了 1 页、语言通俗易懂的“社区摘要”。参与度和支持度大幅提升；技术准确性由建筑师检查。
四个可复制模板
1）项目框架提取：
您的角色：经验丰富的景观设计师助理。项目：[将溪边4公顷荒地改造成城市公园]。限制：[预算上限、洪水风险、3 周概念]。给我一份项目框架草案：主要目标、用户群体、可能的设计主题、风险。将每个项目标记为草稿；指定需要本地验证的地方。
2）风险桶分类：
我会给你一份项目决策清单。将每个决策分为低/中/高风险，并写下原因。对于高风险，写下“必须专家批准，人工智能辅助”。
3）生成验证问题：
对于这个设计方案，在提交之前我应该问自己 10 个验证问题：当地气候、工厂适宜性、立法、维护、安全和预算。
4）通俗语言总结：
将这份技术景观报告转化为公园周边社区的简单一页摘要。用日常语言解释技术术语；不要夸大或承诺，只是告诉。
弱提示/强提示
弱提示：
为我设计一个美丽的公园。
“美丽”是没有定义的，没有上下文；输出对于本地来说变得通用且陌生。
强力提示：
您的角色：景观设计师。背景：黑海气候，年降水量高，河岸倾斜（12%），4 公顷，预算有限，优先考虑洪水缓冲和社区使用。我想到了三种不同的概念方法：对于每一个，写下主要想法、优点、风险和需要本地验证的点。给植物命名；我也会和当地的名单核实一下。
当气候、坡度、预算、优先级和限制被指定时，输出既有用又安全。
人工智能的作用：分阶段
舞台
人工智能安全吗？
人工智能的工作
专家的工作
概念想法
是的
变体、文字
选择、方向
视觉制作
是（草案）
渲染、情绪板
现实主义确认
植物选择
中等
候选人名单
当地/气候验证
现场分析
中等
评论支持
测量、GIS确认
雨水计算
中等
初步预测
工程师认可
静态/安全
不
清单
账号及签名
监管合规性
中等
总结、扫描
法律责任
常见错误
- 将人工智能输出误认为是“现成的设计”。输出是草稿；专业决定和签名是您的。
- 跳过本地化。人工智能了解全球平均水平；气候、土壤和立法都是当地的。
- 将安全关键决策留给人工智能。静电、排水、游乐场安全需要专家批准。
- 不受控制的客户数据共享。注意包裹信息、客户ID等数据的保密性。
- 锁定单个输出。人工智能的力量在于变化；生成并比较几个替代方案。
综上所述
人工智能在景观设计中的生产力、可视化、分析支持和沟通方面节省了大量时间；但对实地现实、当地生态、安全和立法的责任在于人。将每个可交付成果分类为低/中/高风险类别；按照源链接、独立事实检查和评论过滤的原则进行验证。在工程和安全关键问题上，人工智能永远不会取代专家批准。
应用任务
选择您所在地区的一块真正的荒地（一张草图即可）。使用“项目框架提取”模板生成框架。然后使用“风险桶分类”模板将该框架中的决策分为低/中/高。确定至少两个“高风险”决策，并写下您将寻求哪位专家的批准。
清单
- [ ] 我将项目中的每一个重大决策都放入了风险桶中。
- [ ] 我已指定中/高风险输出的验证源。
- [ ] 我将安全关键决策保留给专家批准，我没有将它们留给人工智能。
- [ ] 我在我的计划中添加了本地化（气候、土壤、立法）步骤。
- [ ] 我注意到客户和包裹数据中的保密措施。