收益：
- 能够根据风险级别区分人工智能在规划工作流程中哪些方面可以实时节省时间，哪些方面公共利益和安全关键责任应由有能力的城市规划师和工程师承担
- 能够实施多层验证规则，根据适用的立法、官方统计数据、空间准确性和独立专家控制来测试每个人工智能输出
- 能够养成匿名上下文、识别数据偏见以及选择隐私安全工具来保护位置、包裹、个人和公司数据的习惯。
城市和区域规划是一个公共决策链，决定着数百万人将居住在哪里、如何到达那里、呼吸什么空气以及发生灾难时的安全程度。 Some links in this chain (data wrangling, report writing, map preparation) can be automated quickly; Some of them can never be transferred to a machine because they directly affect public interest and life safety.人工智能（简称AI；从数据中学习模式并生成文本、图像、地图或代码的软件）是这个链条中强大的加速器：它生成分析报告草案、总结立法文本、编写代码、比较场景。但人工智能并不是城市规划师；而是城市规划师。 It does not take responsibility on behalf of the public, does not enter into the suspension process, and does not sign. In this unit, you will learn where to use AI in planning, where you need to stand, and how to validate each output.目标是让你成为一个专业的控制AI，而不是依赖AI。
人工智能在规划中能做什么和不能做什么
The real power of AI is language, pattern, data processing and variant generation.总结计划备忘录的长文本，设计土地利用分析的步骤，组织人口表，为 QGIS 工作流程起草 Python 代码，从利益相关者调查中的数千条评论中提取主题；在这些方面，人工智能可以为您节省数小时甚至数天的时间。
What AI cannot do is the binding decision that requires public interest and security.街区密度、河床禁建、断层线附近建设情况、地块实际开发权、交叉口通行能力；这一切都不能用“事情通常是这样发生”的逻辑来决定的。人工智能之所以产生幻觉，是因为它从互联网上的文本和训练数据中学习：也就是说，它可以编造看似真实但实际上是错误的规则条款、比率、坐标或统计数据。 This type of error in planning is not just a typo; It means an improperly located school, a flooded residential area, a canceled plan, or lives lost in a disaster.
Attention: The AI output is a draft, not an expert opinion or official document.未经主管城市规划师和相关工程师的批准，任何对安全和公共利益至关重要的决定（灾害风险、洪水、运营基础设施、具有法律约束力的计划条款）都不能实施。 AI does not replace this approval and formal approval process.
按风险等级分为三个区域
安全使用人工智能最实用的方法是根据风险级别将每个任务分为三个区域。这种区别快速而准确地回答了“人工智能应该这样做吗？”的问题。
地区
示例任务
人工智能的作用
验证级别
绿色（低风险）
Meeting note, e-mail, concept text, term explanation, presentation title
免费生产
快速审核
黄色（中等风险）
分析报告草稿、立法摘要、法规草稿、数据编辑、主题提取
草案+提案
专家检查+来源/数据确认
红色（安全和公共利益至关重要）
灾害风险、洪水、建筑禁令、密度决定、开发权、约束性计划规定
仅预筛选/清单
有能力的专家分析、正式流程和批准是强制性的
在绿色区域要快。 Use AI in the yellow zone, but verify every number, source and data.在红色区域，AI永远没有最终决定权；它只是加快专家工作速度的一种辅助手段。
多层验证纪律
验证不是可以因为“我稍后再检查”而推迟的事情；是工作流程的一部分。 A solid validation in planning consists of five layers:
- 回归本源。如果 AI 给出了费率、项目、坐标或统计数据，请在当前官方文本（批准的分区规划、规划说明、法规、TÜ?K 数据、企业数据库）中打开并确认。
- 用数据测试。 Compare a numerical result (population, area, capacity) with official statistics or a calibrated model.
- 空间精度。 Check map, coordinate system (CRS) and geometry claims against the actual base and correct coordinate reference.
- 专家眼光。如果相关决定涉及某一学科（地质学、交通运输、环境工程、法律）的专业知识，请获得该专家的批准。
- 留下你的印记。 Record which output was validated with which data and how;让公共流程可审计。
提示：“人工智能说”不是理由。计划决定的依据始终是现行立法、官方数据、分析和主管专家评估。人工智能可以帮助你准备这些理由，但它不会取代它们。
隐私、数据偏见和道德
规划数据很敏感。尚未暂停的规划修改、地块所有者的身份、社区的社会经济数据、地块的坐标；它们的过早泄露会导致投机、不义之财和公众信任受损。在将这些数据提供给基于云的人工智能工具之前，请先问三个问题：这些数据真的有必要吗？可以匿名吗？我使用的工具在训练中使用数据吗？
数据偏差是规划所特有的明显危险。人工智能从历史数据中学习；如果一个地区过去投资很少，收集的数据很少，或者根本没有记录群体意见，那么人工智能可以将这种不平等强化为“正常”。例如，无法参与数字调查的老年人或互联网访问受限的社区可能在人工智能摘要中不可见。在公共工作中，这意味着法规会加剧不公正现象。这就是为什么每个人工智能输出都会询问“谁或什么丢失了？”提出问题是一项职业义务。
一步一步：将人工智能安全地引入任务中
- 将任务放置在该区域中。绿色、黄色还是红色？
- 匿名上下文。清晰真实的包裹、坐标、名称和数量。
- 给出一个清晰的概要。清楚地写出工作空间、约束、标准和格式。
- 将输出视为草稿。切勿将其用作最终产品或官方文档。
- 应用层层验证。来源、数据、空间精度、专家、踪迹。
- “谁或什么东西不见了？”问。检查代表性和偏见。
- 记录决定及其理由。
弱提示/强提示
弱提示：“为这个社区写一份规划分析。”
由于此请求与上下文无关，因此 AI 会生成通用、陈词滥调且可能不准确的文本；他编造数字并幻想立法。
强有力的提示：“您是城市规划师的得力助手。根据以下[匿名]数据制作一份土地利用分析报告草案。数据：当前使用分布[表格]、人口[TurkStat数据]、坡度和洪泛区[摘要]。为您不确定的每个数字和监管参考标记“需要确认”。格式：在标题中，注明每个发现的数据源。”
第二个提示产生了一个可审计、可验证的蓝图，因为它为人工智能提供了角色、数据、约束、模糊性和格式。
四个可复制模板
角色：您是城市和区域规划助理。任务：为[任务]制作一份草案。背景：研究区域[...]、人口[...]、当前用途[...]、限制[...]。规则：对于您不确定的任何数字、费率、坐标和立法参考，请标记“需要确认”。数据拟合。格式：在标题中，指示每个结果的数据源。
任务：在下面的文本中列出技术声明、数值、坐标和监管参考。为每个添加“必须验证来源”注释。不用自己验证，标记即可。文本：[...]
任务：从城市规划者的角度按风险级别对人工智能输出进行分类。对于每个项目：绿色/黄色/红色，并给出一个句子的理由。对于红色项目，写“需要有能力的专家分析和官方批准”。输出：[...]
任务：匿名化下面的计划/项目文本。将实际包裹编号、岛屿、地址、坐标、人/机构名称及编号替换为【LABEL】；保留技术含义。文本：[...]
三个迷你箱子
案例 1——幻觉的洪水线。一名规划人员向 AI 询问一条溪流旁 40 公顷的土地“是否存在洪水风险”。 AI自信地说：“50年一遇的洪水极限是距离溪流30米”。规划者未经验证就将其进行分析。但根据相关机构（DSI）的官方洪水分析，部分地点的实际洪水极限为120米。 AI组成的30米将12公顷的危险区域显示为“安全”。教训：洪水等红区数据仅来自官方机构分析。
案例 2 — 节省时间的总结。同一个规划师让人工智能在 15 分钟内总结出一份 62 页的计划描述报告，并提取主要标题、冲突项目和缺失的分析。然后它确认原始报告中的每一项。这种绿黄区域的使用将两天的阅读工作减少到半天；未经核实，不得做出任何决定。
案例 3——看不见的邻居。某市政府利用 AI 汇总了数字调查中的 8,000 条评论。总结中充满了对城市中心街区的诉求。规划者问“谁失踪了？”他询问后发现，占人口22%的三个贫民窟几乎没有任何回应；那里的互联网接入率很低。该团队通过增加面对面会议来确定代表性。人工智能的缺乏并不明显；提出要求是规划者的工作。
常见错误
- 将 AI 打印输出误认为是官方文件。消除草案和批准的计划/报告之间的差异是最危险的错误。
- 将红色区域的职责留给人工智能。用人工智能的“建议”来结束灾难、洪水、禁建等决策，会让公共安全面临风险。
- 将幻觉与自信的语言混淆。人工智能可以像正确比率一样自信地判断错误比率；语气并不是准确性的证据。
- 不假思索地上传机密数据。在未匿名的情况下将未暂停的计划、包裹所有者和协调信息提供给云端，违反了个人数据和公共流程。
- “谁失踪了？”不问。忽视代表性偏差会加剧不平等。
- 不跟踪验证。公共流程必须是可审计的；如果验证哪些输出以及如何验证无关紧要，则无法追究其责任。
综上所述
人工智能是城市和区域规划的强大加速器，但它并不能取代规划者。根据风险级别将工作分为绿区、黄区和红区；永远不要让人工智能在红色区域拥有最终决定权。通过五层验证（源、数据、空间精度、专家、跟踪）测试每个输出。保护机密性并积极寻找数据偏差和缺乏代表性的情况。人工智能输出不能替代有能力的专家批准和正式批准流程；公共决策和责任始终属于人们。
应用任务
选择一项您自己（或想象中）完成的计划任务。 (1) 将任务的子步骤划分为绿色/黄色/红色区域并写在表格中。 (2) 使用上面的第一个模板为黄色区域中的子任务生成 AI 草图。 (3) 用一句话写出您将在本大纲中针对五个验证层中的每一层具体做什么。 (4)“失踪了谁或什么？”在此任务的背景下回答问题。
清单
- [ ] 我将任务放在绿/黄/红区域。
- [ ] 我没有把红区的决定留给AI；我向他推荐了专家和官方流程。
- [ ] 我对上下文进行了匿名处理；我没有经过深思熟虑就上传了机密数据。
- [ ] 我已从官方来源确认了每一个数字、费率、坐标和立法参考。
- [ ]“失踪了谁或什么？”我问了这个问题；我检查了代表性和偏见。
- [ ] 我保存了验证痕迹。
- [ ] 我将AI输出标记为草稿，我没有将其用作正式文档。