使用视觉AI研究城市的前景与风险
内容提要
麻省理工学院可感知城市实验室新书《AI如何看城市》探讨视觉AI对城市研究的价值与风险。作者指出，AI可大规模分析图像数据，用于交通、污染、绿化等研究，但普遍监控会侵犯隐私，训练偏差也可能强化社会偏见。AI并非中立，应审慎、批判且创造性地使用。
延伸解读
视觉AI：城市研究的新工具与老传统
文章将视觉AI置于城市视觉研究的历史脉络中，从古罗马大理石地图到摄影术，再到凯文·林奇和威廉·怀特的观察方法。作者认为，AI并非全新范式，而是延续了“观看城市”的传统，只是将尺度与细节推向前所未有的水平。这种定位有助于读者理解：AI是服务于人类目的的工具，而非取代人类判断的自主系统。
从交通到绿化：视觉AI的实际应用场景
文章列举了视觉AI在城市研究中的多种用途：通过交通摄像头识别车辆类型并估算排放，分析交通拥堵和路口安全，研究广场和公园的人群吸引力，以及评估日常绿化接触与健康的关系。此外，对Airbnb室内设计的研究表明，视觉AI还能揭示全球文化差异。这些案例说明，视觉AI能连接可见特征与城市功能、人类体验等深层问题。
隐私与偏见：视觉AI的双重风险
文章指出，视觉AI的主要风险包括普遍监控对隐私的侵犯，以及训练数据偏差可能强化社会偏见。伦敦每平方英里约210个摄像头，而全球摄像头密度最高的10个城市中有8个在中国，上海每平方英里超过5000个。作者强调，安全收益必须与个人自由侵蚀和滥用风险权衡。同时，若AI模型主要基于多数群体训练，可能无法公平评估少数群体，因为“AI不是中立的”。
审慎、批判与创造性地使用AI
尽管存在风险，作者仍认为视觉AI对理解城市具有巨大价值。他们主张以审慎、独立思考和批判性态度使用技术，并指出“我们的眼睛也并非中立”，任何工具都需要正确引导和训练。这一立场提醒读者，AI的应用效果取决于人类如何设计、训练和使用它，而非技术本身。
Q&A
视觉AI如何帮助研究城市污染？
MIT可感知城市实验室的研究人员利用机器学习分析纽约市331个交通摄像头中的车辆类型，并估算每辆车的排放量。这种方法能以空前的精度和规模监测排放。
使用视觉AI研究城市可能带来哪些风险？
主要风险包括：普遍视觉监控对隐私的侵犯，以及AI系统可能强化社会偏见。作者指出，AI并非中立，训练数据偏差会导致对少数群体的评估不公。
视觉AI如何用于分析城市绿化？
卫星图像可以显示城市树木覆盖和绿地的数量，而来自手机等来源的近乎无处不在的图像还能揭示人们在日常生活中看到绿化的程度，这与报告的健康状况有关。
《AI如何看城市》这本书的作者是谁？
作者是Fabio Duarte、Martina Mazzarello、Carlo Ratti和Fan Zhang。Duarte是MIT可感知城市实验室的首席研究科学家兼副主任，Mazzarello是研究科学家兼全球倡议负责人，Ratti是实践教授兼实验室创始人兼主任，Zhang是北京大学遥感与GIS研究所助理教授。
视觉AI如何延续城市研究的视觉传统？
书中将AI置于城市视觉研究的连续体中，从罗马大理石地图到摄影，再到Kevin Lynch和William H. Whyte等学者的工作。AI可以扩展这些传统方法，以更大规模和更多维度观察城市。
视觉AI在分析城市室内设计方面有什么发现？
一项可感知城市实验室的研究利用全球40万个AirBnB房源的图像发现，室内设计风格并未全球同质化，而是反映了显著的地理差异。
