连接城市理论与人工智能：用于可持续城市发展的多代理推荐系统

这对城市生活为何重要

随着越来越多城市转向人工智能以应对交通、热浪、犯罪和污染等问题，一个隐含的风险正在浮现：许多人工智能项目忽视了关于真实社区如何运作的数十年宝贵经验。该研究显示，大多数城市人工智能工具追逐最新算法，而不是居民的实际需求，并提出了一种新的方法，将以人为本的城市思维重新纳入机器决策之中。

当智能工具忘记城市智慧时

作者回顾了1123篇将人工智能用于城市规划与安全的研究论文。他们发现不到2%的论文提及城市的经典观念，例如街道生活如何支持安全或服务应如何在社区中布局。相反，近一半的研究主要由技术驱动：研究者选择算法是因为它们新颖或强大，而不是因为它们匹配真实的城市问题。社会公平、长期韧性和日常可居住性常被视为事后考虑的附带事项。

数据与算法将方向引歪

研究团队还检查了这些项目使用的算法和数据类型。现代机器学习与深度学习占主导地位，新型人工智能模型如大型语言模型和生成式工具几乎在发布后立即被采用。与此同时，大多数项目依赖于易于获取的传感器和环境数据，比如空气质量监测或交通探测器。关于人们体验、社会状况或社区布局等难以收集的信息则被远少使用，尽管许多城市理论认为这些因素至关重要。作者将这一现象称为“数据机会主义”，即可测量的东西塑造了研究问题，而不是那些真正影响城市生活的事务。

对人工智能的冲动如何加剧问题

纵观时间演变，研究者发现城市中的人工智能从谨慎、以问题为导向的实验转向了快速的“技术推动”。在2008年前，几乎没有城市规划论文使用人工智能相关语言。此后，尤其是在深度学习兴起后，被标注为人工智能的研究数量激增，超过60%的相关论文在2020年后发表。诸如图像-语言模型和大型文本模型等新工具在其发明的同一年就出现在城市研究中。这种速度听起来令人兴奋，但也促使人们使用最新的工具，即便它们并不适合任务，或使规划者忽视社会与环境之间的权衡。

为城市中的更智能、更公平的人工智能提供新指南

为将人工智能与真实的城市需求重新连接，作者构建了一个基于大型语言模型的系统，表现如同一组专家助理。当收到关于城市挑战的描述（例如食物浪费、热暴露或灾害风险）时，一个代理首先对问题进行结构化。另一个在46种经典城市理论的数据库中检索，找出最能解释情形的理论。第三个匹配合适的人工智能方法，第四个建议所需的数据来源，第五个则检查整个方案是否稳健且现实可行。对案例研究的测试显示，这一流程将项目从狭隘目标（如降低配送成本或提高预测准确性）转向更丰富的目标，同时考虑公平、健康和气候影响。

这对城市人工智能的未来意味着什么

简而言之，该研究认为以“这个算法能做什么？”作为出发点是错误的。相反，规划者、工程师和社区应首先问：“要使这个城市问题变得更可持续、更公平，真正需要什么？”然后再选择符合这些需求和最佳城市理论的人工智能工具。通过将这些理论在人工智能推荐系统中可见且可用，作者展示了城市如何在不忽视人类体验、公共空间和长期韧性的前提下使用先进的计算技术。

引用: Tong, J., Wang, S., Wang, G. et al. Bridging urban theory and artificial intelligence: a multi-agent recommendation system for sustainable city development. npj Urban Sustain 6, 77 (2026). https://doi.org/10.1038/s42949-026-00377-2

关键词: 城市人工智能, 可持续城市, 城市规划, 多代理系统, 智慧城市治理