从大空间“实体”到大模型“数字”——人工智能背景下未来城市规划及管理的构想.pdf

102引言2023 年 3 月 15 日，由 OpenAI 发布了多模态与训练大模型（GPT4），相较于 GPT3.5等以往的人工智能，GPT4 在识图能力、文字表达能力、问题解析能力、文学创作能力、应试能力等方面都取得了飞跃式的提升1。相较于最新的人工智能成果，最初的人工智能可以追溯到 20 世纪中期，初衷是针对模拟人类思维和决策进行开发研究2。1956年，达特茅斯会议中，术语“人工智能”首次正式出现在公众视野中，会议旨在将数学、语言学和哲学等领域的知识进行融合，探讨创造智能机器的可能性3。随着计算机技术的发展，人工智能在应用层面逐渐取得一系列成果，如代数程序4、游戏策略5、自然语言处理6等；当代人工智能模型的迭代和发展在近年来也取得了显著的进展。2017 年，谷歌大脑发表“Attention Is All You Need”，表达了通用型 AI 被创造出来的可能性，通过搭建“预训练大模型”的方式，以此确定基础模型，并向其中不断注入数据，使其自动生成小模型，以解决大型任务中的一系列子任务7。这种方式奠定了通用性人工智能技术基础。OpenAI 公司则摒弃训练小模型来创造通用 AI 的方式，采用了一种更加直接的思路：让大模型直接阅读互联网上所有的数据，用人类语言和大模型进行交流，节省大量中间训练环节8。此后，OpenAI 分别于 2018 年和 2019 年推出了 GPT1 和 GPT2，但由于其通用性较低，未能得到广泛应用9。而在 2020 年 GPT3 问世后，其模型参数量从 15 亿提升到了 1750 亿，已接近正常人脑中神经突触的数量10。同时，GPT3 是首个在机器学习界具有自主的、基础的逻辑判断能力的人工智能。GPT3 的出现，开启了人工智能能力开发的新纪元，催生了ChatGPT、NewBing 等高实用性、适用领域极广的人工智能应用。而最新的 GPT4 的模型参数量达 1 万亿个，远高于以往人工智能的算力。GPT4 在 GPT3 的基础上，增加了对图像进行处理和反馈的能力，可以理解图像的内涵，并准确地以图像为基础进行输入和反馈，使得图像分析相关工作的人力成本大幅下跌。每次技术革命所带来的结果，势必会导致社会就业结构发生较大改变11。就城乡规划行业而言，在以往数次重大技术革命中，其工作模式、所用工具也发生了相应的变更，如手写文本演化为批量打印，尺规作图逐渐演化为软件作图，现场相机拍照调研演化为无人机空中航拍调研等，上述演化过程，都使城乡规划工作效率得到大城市设计CITY DESIGN摘要：在信息技术快速发展的背景下，基于人工智能及其相关设备的智慧城市与数字化城市建设正成为当下城乡规划行业的重点工作，而最新出现的多模态通用大模型（GPT4）则标志着城乡规划工作结构、工作方法及工具即将迎来全面改变；我们所处的城市也将分为可视空间上的“实体”与人工智能为基础所构建的“数字”两个部分，通过对“实体城市”与“数字城市”及其工作内容变化过程的推演，梳理了未来城市的结构以及未来城乡规划工作人员所面临的机遇与挑战；提出规划师应当在实体和数字城市两个层面上进行跃升，分别向实体城市“下沉”，从微观视角感受人对环境的认知，并向数字城市“飞升”，从宏观视角来分析数据背后的逻辑与问题。Abstract：In the context of the rapid development of information technology,the construction of smart cities and digital cities based on artificial intelligence and related equipment is becoming a key task in the current urban and rural planning industry.The newly emerging multimodal universal large model(GPT4)marks a comprehensive change in the structure,methods,and tools of urban and rural planning work;the city we live in will also be divided into two parts:entity based on visual space and digital based on artificial intelligence.Through the deduction of physical city and virtual city and the change process of their work content,we have sorted out the structure of future cities and the opportunities and challenges faced by urban and rural planning workers in the future;it is proposed that planners should make a leap towards both physical and virtual cities,sink towards physical cities,experience peoples understanding of the environment from a micro perspective,and transcend towards virtual cities,analyzing the logic and problems behind data from a macro perspective.关键词：多模态通用大模型；人工智能；城乡规划；未来城市Keywords：multimodal universal large model；artificial intelligence；urban and rural planning；future cities基金项目：国家自然科学基金应急管理资助项目（项目编号：71841006）；2020 年度浙江大学平衡建筑研究中心立项资助项目（项目编号：K 横 20203314）；2021 年度浙江大学平衡建筑研究中心立项资助项目（项目编号：K 横 20212791）文程明骏浙江大学建筑设计研究院有限公司（浙江大学平衡建筑研究中心）规划师朱云辰浙江大学建筑设计研究院有限公司（浙江大学平衡建筑研究中心）工程师规划师浙江大学建筑工程学院博士研究生郑昕文浙江大学建筑设计研究院有限公司（浙江大学平衡建筑研究中心）工程师规划师注册规划师黄杉浙江大学建筑设计研究院有限公司（浙江大学平衡建筑研究中心）副院长正高级工程师注册规划师浙江省国土空间规划学会城市管理与社区规划专业委员会秘书长（通讯作者）DOI：10.19875/ki.jzywh.2023.08.035From Large Space Entity to Large Model Virtual:Conception of Future Urban Planning and Management in the Context of Artificial Intelligence从大空间“实体”到大模型“数字”人工智能背景下未来城市规划及管理的构想103233|2023|08城市设计幅提升12，同时也使得人力成本高、重复性强、逻辑简单的工作岗位逐渐消失；为应对此次以GPT4 为代表的人工智能技术革新，本文以当前城乡规划工作视角为切入点，分析当前“实体城市”城乡规划主要工作内容与工作目标，并对以人工智能为代表的信息时代下“数字城市”的诞生及发展过程进行梳理，再在结合“实体”与“数字”两个维度的城市发展基础上，对未来城市架构进行展望，分析届时各类城乡规划从业人员所面临的挑战与机遇，并为未来城乡规划工作框架及技术的更新提供一定理论基础。1 多模态通用大模型时代下的“实体城市”与“数字城市”演化1.1“实体城市”城乡规划工作的精炼过程当前城乡规划工作，其核心目标为实体空间内资源的合理再分配及长期稳定发展，城乡规划流程一般包含基础调研、方案设想、多元交流和顶层设计四个主要模块。在结合以外技术更新结果以及当今多模态通用大模型诞生的时代下，研究认为上述四个城乡规划工作模块也将随着时间推移发生演化，具体而言，分为以下三个演化阶段（图 1）。1.1.1 因智能调研，由完全人工阶段进入到方案优先阶段当前城乡规划的基础调研、方案设想、多元交流与顶层设计四个主要模块的工作，基本都由人工完成，虽然目前规划设计人员会使用AutoCAD、ArcGIS 等辅助设计、计算软件来进行具体规划工作，但这些软件本身不具备人工智能，其核心作用还是节省机械性、重复性工作的时间成本，故而人工智能并未真正介入到图 1多模态通用大模型下城乡规划人力工作演化过程（图片来源：作者自绘）图 2多模态通用大模型下城乡规划人工智能工作完善过程（图片来源：作者自绘）实际城乡规划工作中；但当下的人工智能，如GPT4 和 Copilot13已经展现出较强的自主数据分析与处理能力，加之当前实时监控系统、传感器与三维航拍技术已相对成熟的基础上，针对外业空间各类实体的调研工作，将逐渐可以完全由人工智能配合相应设备来完成；同时，由于人工智能在譬如按法定规章流程进行分析梳理等逻辑结构简单、内容重复性强并且耗时较长的工作上具有效率更高、失误率更低等优势，从生产成本的角度来说，这一类工作也将由人工智能所取代，在城乡规划行业中，表现为资源环境承载力评价与国土空间开发适宜性评价，卫片影像执法，用地预审，土地计划报批，设计方案经济指标测算，设计图审等涉及图像识别、基础问题解析、基础文字表达的工作；同时从时间尺度上看，这也是第一批将被 GPT4为代表的人工智能所取代的工作，在这一类工作被取代以后，城乡规划师的工作体系则会转变到“方案优先阶段”，即以方案的概念思路、形体生成、空间设计及功能细化等工作为主要任务目标。1.1.2 因智能设计，由方案优先阶段进入多元交流阶段在“方案优先阶段”中，规划师的主要关注点在于方案的生成与优化，这些工作主要围绕图像文件进行，而从当前图像生成类人工智能和多模态通用大模型的快速迭代进程来看，未来人工智能将可以快速生成各种规划设计方案。图像生成人工智能目前主要问题在于人工智能虽然能够生成方案图像，但是并不能理解其中所蕴含的规划结构与空间上的逻辑关系，总体而言，生成方案不具逻辑性，因此尚且停留在“中看不中用”的阶段。但伴随多模态通用大模型的快速迭代，具有图像生成、3D 结构生成能力的人工智能将拥有基于大模型的逻辑能力，在此基础上，将能快速形成具有合理空间结构、满足法定文件要求、具有完整逻辑框架的设计方案；在城乡规划行业中，任务结构较为复杂，需要遵循大量法定规则与使用庞大信息量的方案设计工作，在数据清晰完备、规则梳理明确的情况下，人工智能也能快速给出多种合理的方案以供筛选，故而对于逻辑结构相对简单、图像基础识别、基础设计量较大的工作，如数据驾驶舱人工运营、交通流检测等，将会成为第二批被 GPT4 为代表的人工智能所取代的工作；在这一情况下，规划师将逐渐由方案生成者的角色转变为方案筛选者，城乡规划师的工作体系则会转变到“多元交流阶段”，来应对此阶段人工智能不能应对的工作，具体为变化性较大、时效性较强、空间尺度较为微观的工作，如城市更新中的公众参与等重点在于人与人之间的交流工作，由于人及其构成社会的极度复杂性，此类工作不存在清晰的逻辑规则，因此将强烈依赖于规划师的临时应对能力及情绪沟通能力。1.1.3 因智能沟通，由多元交流阶段进入顶层设计阶段在依托 GPT4 为代表的多模态与训练大模型的海量训练下，人工智能已经逐渐具有识别情绪并作出合情合理反应的能力（在 ChatGPT和 NewBing 的实际应用中均有体现），一个成熟且亲和的人工智能将能逐步帮助规划师与社区沟通，在仿真技术成熟的前提下，甚至可以依靠人工智能+仿真人形作为多元主体之间沟104通的主要桥梁。在这一情况下，规划师的工作体系将逐渐转向“顶层设计作为唯一核心”阶段。城乡规划中的顶层设计工作要求从业人员具有灵活的思维能力与极强的创新能力，需要工作者掌握多门学科的技术，能从零散不规则的信息当中提取规律，并在此基础上运用系统学的方法来引导人工智能与未来城市；具体表现为规划的概念生成、学术探索、稀有信息的甄别等工作。目前来看，人工智能取代此类工作的可能性较低。1.2“数字城市”城乡规划工作的完善过程在“实体城市”不断扩张、复杂化的趋势下，单纯以纸质或者基础电子设备来储存城市信息的方式必然难以为继，并且在人民生活水平、科技水平不断攀升的背景下，人的需求也会不仅限于实体的满足，对于无形的感官享受、精神上的富足体验也会产生一定的欲望；在这一背景下，城市建设中的数字化建设、智慧城市建设应运而生，与“实体”空间相对，这类建设的重心主要在于“数字”，具体表现在城市大数据的收集、分类与分析，数字孪生，人机交互，线上人际交互空间等，从“数字城市”的发展过程与未来展望来看，可以分为以下三个演化阶段（图 2）。1.2.1在机械工作基础上，叠加数字城市感知城市中大量传感器、摄像头与其对应的数据库共同组成了一个数字化复杂系统，这个复杂系统既是实体城市的映照，自身也具有完整而合理的工作逻辑结构，这个数字化城市的复杂系统即为“数字城市”。数字城市的规划与建设将最大程度地完善人工智能对城市的规划和管理工作的帮助。在现有城市数字化设施与信息系统的基础上，首先要完成的工作即是叠加并完善数字城市感知能力。任何虚拟仿真模型的构建都依赖于人工智能，尤其是应对城市巨系统进行的数字城市静态模型建构。同时，城市变化迅速且在时空上并无明显规律，仅对城市静态“剖面”进行感知将无法适应社会与城市的快速变化。因此“数字城市”中的人工智能首先需要完善基础设施建设，使其能够实时感知城市中发生的各类事件及对应参数，包括交通流、气候环境、光照环境、风环境和各类人员行为等一系列变量，并在必要时刻做出实时响应；在现有的摄像头、气温、气候传感器等一系列物联网设备的基础上，“数字城市”演化的第一步，即为发展出一系列具有实时感知能力的工具。这类工具可以由政府机构设计研发，以做到主动收集与感知，也可以通过企业设备或者个人设备直接上传实时数据来使数字城市被动感知，故而数字城市的建设也依赖于城市中每个人的感知、创造能力。数字城市感知是对整体城市环境乃至国土空间环境的多维感知能力，而非单纯地感知环境或者单纯地感知人的行为；因此，具有极强复杂因果逻辑处理能力的多模态通用大模型是唯一能保障数字城市多维感知一体化的人工智能，也是数字城市感知的必要组成元素。拥有对整体城市多元环境的多维实施感知能力，为数字城市规划、建设与管理打下了坚实基础。1.2.2在城市感知基础上，叠加数字城市反应对实体城市的实时、多维度感知能力，是数字城市完善之路的第一步。在某种意义上，对实体城市的感知能力仅仅是对数据的记录，相当于硬盘储存器；即使对其中的一些数据进行实时反应，事实上也只占所有感知数据中的极小一部分，且是逻辑最简单的一部分；如需更高效地、使人力成本更低地建设和管理数字城市，就需要使数字城市可以对实体城市的各类数据作出反应。这种则要求极高的算力，在算力充足的情况下，多模态通用大模型可以对实体城市映射到数字城市的几乎所有数据作出即时的处理和反应，即“数字城市反应”。数字城市反应的具体含义为：人工智能系统在宏观层面对城市感知数据进行综合性考量与反馈，同时在微观层面对细节异常值进行感知和反应。简单的数字城市反应表现为生成实时反馈报告、警示系统等宏观层面的统计文件，而复杂的数字城市反应则应当包括对实体城市微观环境感知结果的综合性考量反应策略。具有综合性反应能力的数字城市系统可直接通过对实体城市设施的控制，来对实体城市环境的感知作出应对，如对交通信号灯的控制、对建筑内环境温度的控制、对电力或排污等设施的控制等。在这个阶段，运行逻辑较为简单的城市设施已可以交由数字城市系统进行控制，而一些复杂的城市管理工作仍然需要人类完成。1.2.3在城市反应基础上，叠加数字城市执行数字城市规划、建设与管理的最后完善阶段即为“数字城市执行”的叠加。数字城市执行指当数字城市系统可以在对城市状态进行实时的感知和反应的基础上，可以不借助或很少的借助人力（包括人力决策和人力劳动）对城市环境或人类行为施加影响，如对破损地区的整修或对城市环境的改善。倘若数字城市系统需要对实体城市施加影响或执行决定，将不可避免地大量依赖“机器人系统”。上述机器人系统既包含具有人类特征的仿真机器人，也包含各种诸如机械臂等全自动设施。在此阶段中，数字城市已可与实体城市合二为一，城市已实现诸如全自动交通、全自动工业等技术，人类对城市的影响仅存在于概念创新与顶层设计。2“实体城市”与“数字城市”两类演化之间的逻辑关系“实体城市”与“数字城市”本身的演化以及二者对应的工作内容演化，在当前科学技图 3“实体城市”与“虚体城市”两类演化的耦合促进过程（图片来源：作者自绘）105233|2023|08城市设计参考文献：1机器之心.GPT-4震撼发布：多模态大模型，直接升级ChatGPT、必应，开放API，游戏终结了？EB/OL.2023-03-15.https:/ Lab,等.人工智能M.北京:中国人民大学出版社:2017.4佟志勇.人工智能技术在5G网络中的应用J.无线互联科技,2021,18(04):1-2.5左卫民.关于法律人工智能在中国运用前景的若干思考J.清华法学,2018,12(02):108-124.6闫志明,唐夏夏,秦旋,等.教育人工智能(EAI)的内涵、关键技术与应用趋势美国为人工智能的未来做好准备和国家人工智能研发战略规划报告解析J.远程教育杂志,2017,35(01):26-35.7Vaswani A,Shazeer N,Parmar N,et al.Attention is all you needC/Advances in neural information processing systems.2017:5998-6008.8沈书生,祝智庭.ChatGPT类产品：内在机制及其对学习评价的影响J.中国远程教育,2023,43(04):8-15.9余同瑞,金冉,韩晓臻,等.自然语言处理预训练模型的研究综述J.计算机工程与应用,2020,56(23):12-22.10Brown TB,Mann B,Ryder N,et al.Language models are few-shot learnersJ.Advances in Neural Information Processing Systems.2020,33.11谢璐,韩文龙,陈翥.人工智能对就业的多重效应及影响J.当代经济研究,2019(09):33-41.12黎谨睿.微软再扔重磅炸弹：它叫Copilot，能自动生成PPT还能写文章EB/OL.2023-03-17.https:/ 3）；譬如实体城市工作中的基础调研精炼过程，也是数字城市设施完善所表现出的结果，而基础调研背后的大量人力、物力及时间成本，也使得从业人员产生了提升这部分工作效率的诉求，这也促使着数字城市中人工智能技术的不断完善；或许随着人类智慧的不断进步与机器的不断学习，基础调研的效率也会逐渐上升，人工智能调研及识别能力也会逐步完善，但是二者行为之间的耦合，无疑大大提升了这两种演化的速度。随着科学技术的不断发展与人生活水平的不断提升，城市巨系统必然会不断趋于难以想象的复杂，每一秒就会产生无数的信息流，这就要求城市的规划与管理者具有对动态大体量复杂结构的感知能力；一个正常人的大脑内，包含 1000 亿个神经突触，而相较于城市巨系统中数字城市实时更变的数据量，人的大脑显然不能承受并熟练调用，所以实体城市工作的精炼与数字城市的诞生与完善皆为必然趋势。3 多模态通用大模型时代下的未来城市及规划从业人员的机遇、挑战3.1 筑“未来城市”之梦：未来城市应几何对未来城市的畅想向来是人类文学作品中经久不衰的主题，从现有的趋势来看，未来的城乡建设将不再进行实体空间的大规模扩张开发，从而转向对内部空间的精细化利用。因此，除了传统的实体城市建设与更新，建立在数字网络和充实数据基底上的数字城市将成为未来规划与建设的主要目标。未来城市必然是虚实结合的城市，数字城市的快速建设与发展将极大地改善现有城市环境的资源利用效率，同样的居住空间可以承载更高质量的生活，同样的休憩空间可以拥有更加舒适的环境体验。这也意味着规划师不再能以过去的方式面对新的世界，也不能认为未来的技术将可以解决一切城市的困难。作为城乡规划从业人员，应及时调整自己的定位，以人而非工具的方式去审慎思考城乡规划以及城乡规划背后的含义，应对“实体城市”和“数字城市”，需要有不同的工作思路。3.2 对“实体城市”之杂，需静心下沉面对越来越多的人工智能辅助，城乡规划从业人员将不再需要在办公室中进行重复性较强的劳作，而是需要更加重视对城市巨系统和未来发展概念等城乡规划核心内容的认知。从静态的对设施、建筑的规划，到动态的、对人的行为及其他不可控因素提出应对方案的规划，规划师都应始终体现自身的“核心”作用。在我国过去数十年的城市规划进程中，规划从业人员大多时间处于城市办公空间内，并没有完全静下心“下沉”到规划的社区和乡村当中。在多模态通用大模型时代下，规划从业人员利用人工智能辅助完成基础规划工作之后，将能够更好地投入时间去进行微观层面的规划设计相关工作，如倾听居民和相关利益方的需求，让自己更能“下沉”到社区或者乡村当中，做好多方利益主体之间的“协调者”，成为真正的社区规划师或驻村规划师。从这个角度上来看，规划师需要加强与政府、社区、住民和周边环境的合作，并从生态效益、经济效益、社会效益、文化效益和历史效益等多种效益入手，综合考虑对社区或小街区未来发展的规划新概念，以帮助社区居民及政府达到社区目标。3.3 知“数字城市”之强，应高瞻飞升另一方面，在数字城市建设过程中，由于基础设施的不断完善，其功能必然会日渐强大，但是光是功能强大并不代表就能为城市带来更多便捷，数字城市的运行与完善，仍然需要以规划师为代表的人进行顶层设计引导；所以作为规划师，不仅需要利用实体城市进行设计和规划，还需要作为一名数字城市规划师对数字城市进行相应的规划。在规划数字城市的过程中，需要认识到数字城市相较于实体城市的不同特征，需要意识到数字城市承载信息的超越性。因此，规划师需要注重培养把握整体数据，以及梳理复杂事件背后基本逻辑的能力。同时，“数字城市”的完善，也更加要求规划师有明确表达作为人类的生活体验感受的能力，毕竟无论如何，人工智能与数字城市都不能完全模拟人类在现实生活中的社会心理活动以及社会行为过程。从这个角度上，规划师作为数字城市的规划师应当具有更加强的数据分析和处理能力，看问题的视角应当更加“高瞻远瞩”，飞升到宏观的视角下看城市问题，熟练使用人工智能的数据分析结果和其他逻辑内容来进行考量，以完善城市的规划和管理方案。结语本文通过阐述人工智能演化过程来追踪当下人工智能发展的历史与现状。在此基础上，分别提出了人工智能对实体和数字城市规划的不同影响和发展的可能性。在人工智能快速发展的当下，为面对未来的城市规划与管理，提出规划师为适应环境而必须进行的两次跃升。第一次跃升是对原有规划工作的“下沉”，在现有内外业结合的基础上，在社区或者乡村进行驻点，通过与人的面对面交流或者对细微事务的考察，从微观层面去了解社区、了解乡村，成为社区的一份子，以在微观层面上为未来指引方向。第二次跃升是规划视角上的“飞升”，要求规划师以更高维的角度来思考和判断人工智能感知结果，及其感知数据的背后逻辑与价值，以此为基础完成宏观层面的规划概念指引。进一步的，当两次跃升结合，将微观视角与宏观视角进行结合，就可以在未来更好地理解和体现人的价值尺度。人工智能时代的来临也将会给我们的生活带来了不小的负面影响；首先通用大模型采用的大多为开放式应用，在用户进行开发与利用的同时，用户所提供的信息也会为云端存储所记录存档，这就导致了明显的信息安全问题，用户在使用人工智能的场合，也需要同时考虑自身信息保密性；另外，云端存储对用户上传信息进行存储的同时，也会将其作为深度学习的对象，但并不能分辨这些信息在现实生活当中的真假状态，故而在关于政策文件解读、学术文献综述等工作上，人工智能应用目前不能给出可靠结果；最后，由于高速发展的人工智能为人们生活工作提供了巨大便利性，这也反过来会造成人们对于人工智能应用的依赖性，存在人工智能反向影响人的选择行为的可能性；上述问题是当前人工智能为我们生活工作带来的风险，这也是后续研究的关键议题。