随着以ChatGPT为代表的生成式大模型的创新突破，“新一代人工智能”正引发一场广泛而深刻的变革，人类社会似乎已经要进入智能时代。城市规划该如何认识并更好地利用智能技术？笔者试从理论和技术的角度简要讨论。

规划是面向未来的、天生地带有干预主义的专业。城市规划理论可以分为两种，“规划中的理论”（theoriesinplanning）和“规划（的）理论”（theoriesofplanning），前者大体上是实证主义的，后者一般来说是规范性的[16]。类似地，也可以把规划视角下的人工智能技术分为两种，“规划中的智能技术”（AI
inplanning）和“智能规划（的）技术”（AIforplanning）。前者泛指在规划过程中用了但与决策不直接相关的智能技术，例如分割街景图像、渲染效果图等；后者指直接支撑规划关键决策的智能技术，例如诊断方案、推演未来、优化方案。显然，直接支撑决策的“智能规划技术”与“规划理论”具有对应关系，也是这里想重点讨论的。

“规划理论”的研究重点，一是价值观本身即什么是对的，二是程序理论[17]即该如何规划。两者实际上相互纠葛，相信什么是对的，大体上决定了如何追求对的。“规划理论”是很难实证的，充其量只能在“意义之塔”上给价值判断比个高低。也就是说，价值判断不是规划师做出来的，而（更应该）是规划师跟在社会经济环境和意识形态后面总结来的。社会经济环境的矛盾演化层出不穷，价值观也在不断变化，是意识与现实世界互动的结果。

目前的智能技术已经在城市和规划中广泛应用[18-19]，大模型也能够完成许多复杂的任务，但仍然是只能学到语言形式、无法与现实互动的“缸中之脑”[20-21]。人类可以轻松地用逻辑推理理解新问题、调整价值判断、开展行动。但新问题新观点却只有在发生之后才能够被数据和大模型表征，而且是随机的、静态的表征。即使技术问题不存在——能够收集所有数据用于训练，大模型的输出过程也能够精确地还原既有观点——它用于决策还是不够的。因为其既不是逻辑的，也没法和现实世界交互。例如当两两对比要求ChatGPT给出可拆除的优先度，它的回答是花园洋房>里弄>工人新村>外滩建筑>工业遗产，但要求它直接给出排序时，优先度变为工业遗产>外滩建筑>花园洋房>里弄>工人新村。人类社会的复杂性并不会因为枝术进步而改变[22]，靠这种基于上下文生成的价值判断来支撑规划决策是不负责任的。

未来的“智能规划技术”必然是人机交互的，规划师应该成为利益相关者与智能规划技术乃至人类与AI之间的桥梁。如何发现对错、如何选择决策，无论是蓝图法、理性综合法、渐进法、沟通法、倡导法、激进法、人文法，“与规范的持久斗争”[23]已经让规划师积累了足够多的经验，远远多于其他任何学科与专业。ChatGPT和StableDiffusion可以快速生成海量规划文件和设计方案，但如何（带领人类）在其中挑挑拣拣，谁会比规划师更有办法呢！因此，不断的实践并发展规划理论，恰恰才是AI时代规划师更应该关注的，也是规划师永远不会被取代的理由。不幸的是，当规划体制（和社会）陷入单一法则无法自拔，缺少讨论、实践并发展新规划理论的勇气和土壤，规划师或许真有可能被人工智能彻底取代。

在技术上，规划师还应该“师夷长技以制夷”。一个突出的例子是机器学习中的bias-variancetrade-off原则。越是复杂的大模型，越是容易“记住”数据（bias很小）而不是学到规律（variance很大）。规划师如果不懂得机器学习的这类基本原则而盲目地应用模型，就可能会片面地追求模型复杂度和训练精度（bias），忽视模型在测试集上的表现、在未来应用场景中的局限（variance）。事实上，过去的数据不一定能支撑未来决策，快速城镇化时期的经验推广到当前阶段可能反而带来负面作用[24]。正如规划支持系统的关键首先是规划问题和需求，其次才是技术[25]，规划师的经验判断也是更好地遴选变量、构建模型的前提。因此，走向技术流的规划师不必盲从高级模型算法，需要深入理解技术背后的基本原理，将经验与技术充分结合，才能真正实现面向实践的智能规划。