新的研究表明，像谷歌的Gemini和ChatGPT这样的概念人工智能可以通过更便捷地访问测量行人、安全性、照明及其他方面的工具来提高城市规划的效率。
传统的资本规划方法需要大量的体力劳动和技术专长。
维吉尼亚科技大学的一位科学家正试图改变这一现状。
新的研究显示，大型语言模型（LLMs）的潜力，正如ChatGPT和谷歌的Gemini，在利用街景图片测量人造文化方面。
自然资源与环境学院的研究发现，基于LLM的表现与经过验证的方法相当，与传统资本规划深度学习技术相比。LLMs对于用户而言是一个更可接触的工具，使得小到中型城市的覆盖和规划利益相关者能够更简单地使用它们来管理明亮的工业系统，而不像传统方法那样要求技术专长或常规工作。
地理系副教授兼“智慧城市促进协会”主席Junghwan Kim表示：“我的目标是缩小系统规模，以便小城市能够负担得起并更多地使用它们。”“智能区域技术涉及处理高质量的数据，准确记录人们如何感知城市条件，以及人们如何被感知，像人工智能和数据技术。这些创新提高了我们对交通和健康等工业问题的理解。
通过这项新研究，已经证明了概念AI工具可以分析图片并立即检测出如椅子、街道或路灯等功能。
最近，科学家们不得不亲自检查图片，这是一项劳动密集型的工作。
分析建筑环境，例如一个区域的可达性或适合骑行程度，是一个很好的指示。Kim使用人工智能检测建筑环境特征——椅子、人行道、树木和路灯——这些都是影响人们感知可达性和健康的元素。
“这开放了对以前仅限于编码专家和高性能计算资源的先进工具的访问，”Kim说。“然而，也存在局限性，例如AI训练数据中的偏差，这可能导致地理差异。由于AI模型训练的数据来自不同的来源，这些工具例如在大城市中的表现优于小城市。
这位专业地理学家在2024年10月初发布了这项研究，并与麻省理工学院的Kee Moon Jang合作。
尽管拥有大量的训练数据，该工具仍然可能做出假设并导致虚幻结果。
“这就是为什么在专业环境中，尤其是在精确性至关重要的环境中，谨慎使用这些工具非常重要，”Kim说。“我仍然对这些工具的潜力感到兴奋，不仅是为了我的研究，还有那些现在可以访问高级分析的专业人士和学生。然而，我们必须时刻牢记使用人工智能进行城市规划时所带来的限制和偏见。
