算法偏见与防御性场所营造:生成式AI共创对城市数字孪生的启示

《Applied Sciences》:Algorithmic Bias and Defensive Placemaking: Implications of Generative AI Co-Creation for Urban Digital Twins

【字体: 大 中 小 】 时间:2026年08月30日 来源:Applied Sciences 2.5

编辑推荐:

  城市数字孪生(Urban Digital Twins)擅长对物理基础设施进行建模,但在捕捉城市生活的定性与体验维度方面仍存在结构性局限,尤其是场所感(sense of place)。实证研究表明,场所感与公民责任感及长期可持续性相关。本研究探讨了生成式AI(G

  
城市数字孪生(Urban Digital Twins)擅长对物理基础设施进行建模,但在捕捉城市生活的定性与体验维度方面仍存在结构性局限,尤其是场所感(sense of place)。实证研究表明,场所感与公民责任感及长期可持续性相关。本研究探讨了生成式AI(Generative AI)能否作为一种参与式启发界面(participatory elicitation interface),用于浮现这些缺失的人类数据层。通过混合方法实验设计,24名德克萨斯州奥斯汀市居民各自选择了一个对其个人有意义的公共城市空间,并分别使用手绘草图和与文本到图像模型DALL-E的迭代共创来创建视觉表征。实验前后调查和半结构化访谈捕获了参与者对输出的感知以及自我报告的场所意识变化。结果揭示了一种辩证张力:DALL-E始终默认生成通用的视觉原型,覆盖了参与者的本地化描述。然而,这种算法同质化(algorithmic homogenization)通过研究人员称之为“对比验证”(validation by contrast)的过程,反而加深了参与者的场所感——居民将AI的不准确输出作为参照,有意识地阐明其环境真正具有意义的原因。这些发现表明,对于以人为本的数字孪生(human-centric Digital Twins)而言,可操作的数据不在于AI生成的图像本身,而在于居民捍卫并固化其真实空间身份的协商过程。对这一模式的全面实证验证,包括跨表征方式的系统比较,留待未来工作完成。
城市数字孪生(Urban Digital Twin, UDT)作为物理资产的数字复制品,已广泛应用于城市管理和模拟,但现有框架高度依赖定量几何参数,如交通流量、能源消耗等,难以捕捉城市生活中的定性体验维度,尤其是场所感(sense of place)。实证研究表明,场所感与公民责任感、环境友好行为及长期可持续性密切相关。随着城市化加速、人口流动加剧和社交隔离加深,居民与物理环境的心理纽带日益脆弱。若数字孪生仅优化物理效率而忽视情感联结,将可能加剧社会疏离,危及城市可持续性。因此,如何将场所感纳入数字孪生框架成为智慧城市研究的重要课题。

针对这一挑战,研究人员提出将“场所—技术”(placial–technical)视角融入UDT体系,并探索生成式AI(Generative AI)作为参与式启发界面(participatory elicitation interface)的可能性。生成式AI(如DALL-E)理论上可让居民通过文本提示直接表达场所氛围,但算法偏见(algorithmic bias)可能导致通用化或刻板化表征,削弱地方独特性。为厘清这一矛盾,研究人员在德克萨斯州奥斯汀招募24名居民,采用混合方法实验设计,让参与者分别通过手绘草图和与DALL-E 3的迭代共创来表征个人有意义的公共空间,并结合前后调查与半结构化访谈采集数据。结果发现,尽管DALL-E不断生成通用视觉原型,覆盖参与者的本地化描述,但这种算法同质化(algorithmic homogenization)却通过一种被命名为“对比验证”(validation by contrast)的过程,反而促使参与者更清晰地阐述其场所的真实意义。这一发现表明,对以人为本的数字孪生而言,可操作的数据不在于AI生成的图像本身,而在于居民捍卫自身空间身份的协商过程。论文发表在《Applied Sciences》。

主要技术方法包括:招募24名奥斯汀居民(含德克萨斯大学奥斯汀分校学生和该市在职专业人员),数据收集于2026年1月至4月;采用交叉设计,非AI条件为手绘草图,AI条件为DALL-E 3,提示迭代次数2至11次(均值4.8);使用前后调查(含Boley等开发的6项场所依恋量表)和半结构化访谈;定性数据采用Braun和Clarke的主题分析(Thematic Analysis),定量数据采用非参数检验(Wilcoxon符号秩检验、Spearman相关)。

研究结果主要包含三个方面。第一,算法同质化。在AI条件下,DALL-E的输出常带有通用原型特征,例如将大学图书馆渲染为欧洲建筑风格,或将本地咖啡馆替换为刻板的“西南部”乡村景象。参与者普遍报告输出“太通用”或“虚假”,需通过多轮提示修正来纠正AI的错误。第二,对比验证。面对算法的不准确输出,参与者并未简单丢弃,而是将其作为反衬,主动捍卫并阐明真实场所的独特细节。例如,某参与者意识到咖啡馆的“兼收并蓄”来自人群多样性而非墙面装饰。这一过程被命名为“对比验证”,表现为对真实感的深化。第三,定量佐证。对最终图像的调查显示,参与者对图像通用性的评分较高(均值4.0),而反向编码后的通用性评分显著低于真实感评分和满意度评分(Wilcoxon检验p<0.01);同时,感知通用性与“激发新情绪”及“总体场所感深化”呈显著负相关(Spearman ρ分别为-0.54与-0.64,p<0.01)。定量与定性结果共同表明,通用输出本身并不增强情感联系,而是面对并修正通用性的过程触发了反思。

在讨论部分,研究人员指出,生成式AI参与式建模并非中性计算过程,而是活跃的“场所—技术”事件。“对比验证”现象初步证实了感知—表征环路可被算法冲突激活,从而强化场所依恋,对“数字迷失”(digital disorientation)概念构成补充。更重要的是,这一发现将生成式AI的价值从“渲染工具”重新定位为“启发界面”:规划者应关注协商过程(如提示历史、拒绝元素、修正记录),而非最终图像。研究也提出将参与式体验数据整合为UDT结构化数据层的概念框架,包括将描述和评分作为空间坐标的元数据,将拒绝元素和细化记录为带时间戳的协商日志,并通过多居民记录的比较进行验证。实现该架构需要城市规划者、软件工程师和社区利益相关者跨学科协作,并解决数据存储、同意复用和偏见缓解等伦理挑战。研究尚存在样本规模小、单一城市、单一模型、学生比例偏高等局限,未来需在更多城市和平台中验证其普适性,并系统比较AI与非AI条件。

研究结论:本研究发现算法偏见引发的“防御性场所营造”(defensive placemaking)能够促进居民对真实场所意义的自觉表达,为在数字孪生中集成定性体验数据提供了实证基础,也为构建支持社区韧性与长期社会可持续性的参与式数字孪生系统指明了方向。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号