当代人工智能之于城市规划所涉甚广，从城市研究到城市设计、再到城市治理，每个环节均可借助该技术找到契合点与试验田。受篇幅限制，仅就城市影像数据方面的研究略谈一二，同时基于对人工智能与城市规划的理解，对未来稍作窥探。

1.城市影像研究：数据挖掘2.0.

当代的人工智能离不开大量数据的支撑。根据数据提供的核心信息种类，又可分为分布类信息、迁移类信息和评价类信息三种。我们曾就这三类信息开展过一系列探讨，随着使用价值逐次递增，信息挖掘难度也随之提高。如今大数据在规划领域兴起，三类信息的拓展分别把城市数据分析提升至全新阶段。目前针对第二类信息衍生的各类“流分析”正值方兴未艾之际，人工智能则是开启第三类信息，实现数据挖掘2.0的关键。

城市影像是评价类信息中地域跨度最广的数据，这正是我们自2013年以来始终耕耘的方向。我们提出“城市影像研究”的概念，即通过带有地理信息标签的图像数据，通过人工智能图像识别的方法实现对城市空间的数据解读。从最早期的基于众包网络实现的城市意象地图分析，到后来的城市街景要素识别，街道风貌相似度评估，再到后来的空间感知评分地图，这一系列研究工作旨在剥离城市空间的视觉意象与个体感知之间的互动，这也符合城市研究的核心理念——场所与行为可以相互作用。

视觉计算占据每个人大脑运算资源的70%-80%，而视觉往往也是空间对于个体所产生的最直接冲击。城市空间的视觉认知包含不同层面，从基础的色彩、形状，到复合要素、场所，再到更抽象的空间感、安全感、归属感等等。而空间本身也可以从不同尺度上进行解构，比如各类街道家具的识别、流动摊贩的识别、以及更加模糊的城市总体风貌等等。将上述的认知与空间进行关联从而推导分析则是城市研究最有趣也最有价值的地方。此外，挑战不仅在城市研究，在技术层面上如何将大规模的大众认知收集起来，并将其消化为可理解的，甚至有指导意义的信息也是整个研究的技术难点。

2.城市规划：替代or更新？

当代AI并非真正的人工智能，事实上这一概念可追溯至上世纪四、五十年代。在长达半个多世纪的时间里，知识堆积、逻辑注入、专家系统等一系列方法被科学家不断尝试，以期逼近人工智能这一终极目标。这期间出现过数次人工智能浪潮，每次都引起了高度热议以及AI时代即将到来的猜测。而今我们正处在由神经网络学习所带动的浪潮中，本代的“人工智能”最大的突破在于实现了替代很多经验行判别工作。人类大脑在有限的生命中基于更优效率，通过对相似问题处理方案的归纳和总结，进化出了经验这一重要的判断依据，以应对过于复杂的局面。当机器学习学会了经验积累的路径，那么海量的数据和不知疲倦的算力将积累出近于全方位的经验，从而根据经验模仿人类的工作方式。

重要的新技术往往都是最先影响认识，再影响其他相关领域，人工智能带动的数据变革亦是如此。由于城市规划学科自身特殊性，很多内容需大量经验作预判，以此为切入点。人工智能可在将来的城市规划编制工作和城市设计的指导过程中，助力相当一部分具有高度重复性、机械性的工作。除城市研究以外，规划方案的路网设计、用地基本布局、平面图设计与渲染等等都可以通过生成设计来逐步实现，因为这些过程均有大量复杂，但可被描述的约束条件。

MITCSAIL主任DanielaRus教授在不久前谈到人工智能替代职业时，她将工种按收入水平由高至低分为四档：最高档处于认知、决策层面，需要很高的经验；第二档为分析、绘图、推理等；第三档是以专业技能为生的劳动力；第四档则是缺乏技能的基本工种。而当代AI最有可能替代的职业是第二和第三档。城市规划的整体从业人员结构中，第二档居多。

但这并不意味着行业性替代，因为新职业、新需求将在本轮改变中被制造出来。由于人工智能技术的突变，一方面传统行业中经验壁垒不断被削弱，重复性劳动率大幅下降；另一方面也要求从业人员更多地具备跨学科技能的拓展、并在AI辅助下更多地发挥创造力、提高思考密度。

人工智能并非没有负面影响。对于决策层来说，通过人工智能的附能，大数据分析变得更为多样，但过于丰富、甚至繁杂的数据分析对于规划决策提出了更高的要求。如何通过人工智能实现化繁为简将是今后需要长期试验与论证的课题；对于大众层面而言，个人的隐私保护也不断遭受挑战，比如Face-book事件，在人工智能的助推下，机器有可能比用户自己更了解自己，这实际上听起来毛骨悚然。作为城市规划行业的工作者，除了跟上科技发展的脚步，也更多地需要培养对于城市的人文关怀。