Rehearsing Urban Futures: Generative Agents and Daily Life Narratives

长期以来，城市规划一直是两种不同语言之间的对话。一方面，专家们使用技术地图、区划条例和预测城市增长的数学模型进行交流。这些工具在计算方面功能强大，但对于普通人来说往往难以阅读或理解。另一方面，居民们则通过关于日常生活的叙述来交流：他们等待的公交车、去杂货店时走的捷径，或是走在昏暗街道上的恐惧感。当这两类人群在社区会议上相遇时，技术工具往往会主导讨论，迫使居民只能对诸如路灯损坏之类眼前的、微小的细节做出反应，而不是去想象整个社区在未来几代人中可能发生的变革。这种差距使得关于住房、气候和公平等重大问题被排除在讨论之外。麻省理工学院的研究人员开发了一种新的方法来弥合这一鸿沟，利用计算机程序来倾听一个人的故事，并随后在虚拟城市中将其演练出来，让每个人都能在实物建成之前看到并讨论未来。

这项工作的核心理念是将城市模拟转变为一个“排演”场所，而非仅仅是“预测”。该系统并不试图精确猜测将会发生什么，而是创造一个空间，让居民可以测试自己的想法并观察其后果。研究人员构建了该系统的两个不同版本，以观察人们如何与其互动。第一个版本被称为“邻里平台”（Neighborhood Platform），设置在旧金山的内里士满区（Inner Richmond）。在这里，团队将当地居民的真实访谈转化为三个截然不同的角色：一名教师、一名小店主和一名长期居民。每个角色都有一个基于他们向研究人员讲述的内容而形成的特定日常路线。系统随后创建了一个数字化的社区地图，并用这些角色填充其中，展示他们在街道上的移动方式。该装置使用大屏幕并排显示两个视图：一个显示现状，另一个显示如果满足了居民对更好交通或更多商店的愿望后，社区会变成什么样子。这使得人们可以观察街道某一处的变化如何影响一位素未谋面的邻居的日常生活，从而促进了对政策如何影响不同人群的更深层次理解。

第二个版本“居民平台”（Resident Platform）则颠覆了逻辑。用户不再是观看基于他人故事的角色，而是成为了角色本身。居民坐在电脑前，回答有关自己的通勤和日常习惯的问题，系统便会为他们构建一个被称为“智能体”（agent）的数字版本。这个智能体不仅仅是一个静态图像，它是一个能够思考和移动的程序。用户可以在智能体行进路径的任何一点按下暂停，并用通俗易懂的语言提出修改建议，例如“移除汽车”或“增加一家咖啡馆”。系统会立即编辑该街角的照片以展示变化，并观察智能体的反应。如果新的街道看起来更安全或更宜人，智能体可能会选择在那里行走，而不是走原来的绕行路线。用户可以看到智能体的推理过程以文字形式呈现，解释它为何做出某种选择，并且可以同意或反驳其逻辑。这个过程将规划环节变成了一场对话，居民可以纠正计算机对他们需求的误解。

为了测试其效果，研究人员将“居民平台”带到了旧金山和波士顿的研讨会上，与三十位熟悉自己社区的居民进行了合作。他们发现，最有价值的时刻发生在计算机出错的时候。当数字智能体做出一个在现实中不可能或不安全的决策时，居民就会停下来并进行解释。例如，如果智能体走在一条照明不足的街道上，居民会指出由于过去的经历，他们绝不会走那条路。这种纠正为研究人员提供了简单的调查永远无法捕捉到的深刻且细致的知识。研究表明，计算机不需要完美无缺才有用；它只需要足够接近真实，从而能够引发反应。智能体充当了居民记忆与规划者模型之间的桥梁或共同媒介。它是一个可以与之争论的工具，迫使系统从人类的具体经验中学习。

结果表明，这种方法可以将公众参与从被动的投诉环节转变为主动的设计过程。当居民看到他们的想法被可视化并针对他人的日常活动进行测试时，他们的讨论超越了增加长椅这类小修小补。他们开始讨论复杂的、长期的未来，例如如果完全移除汽车，社区会发生什么。研究人员注意到，虽然数字智能体擅长理解人们在乎什么，但在精确预测人们的行为方面并不完美，往往依赖于普遍假设而非个人特质。然而，这种不完美也是过程的一部分。该系统旨在作为一个草案，而非最终定论，邀请居民去编辑他们自己的现实。通过将模拟过程变成一个辩论场所，而非专家知识的“黑箱”，这些工具帮助居民感到自己更有参与感，也更有能力去塑造管理城市的复杂系统。这项工作总结道，城市规划的未来可能不在于更完美的预测，而在于为社区提供更好的方式，去排演并完善他们想要生活的未来。