Искусственный интеллект (ИИ) и большие данные стремительно изменяют облик современного городского планирования, открывая новые горизонты для создания справедливых и инклюзивных городов. Сегодня городские планировщики могут использовать крупные языковые модели для анализа построенной среды, системы компьютерного зрения для мониторинга потоков транспорта и состояния тротуаров, а цифровые двойники позволяют имитировать городские изменения. Такие технологии не просто делают процесс планирования более эффективным, они помогают задумываться о развитии городов с точки зрения социальной справедливости и равноправного доступа к ресурсам. Однако внедрение новых технологий в градостроительство несет с собой и серьезные вызовы. Несмотря на кажущуюся объективность, искусственный интеллект не является нейтральным инструментом — он формируется на данных, которые часто отражают исторические и системные неравенства.
Если при проектировании ИИ не уделять должного внимания вопросам инклюзивности и контролю, технологии лишь усилят существующие социальные расслоения, противодействуя задачам городских властей по созданию справедливой среды. Исторически городское планирование в большинстве стран было практикой, направленной преимущественно на пользу белого и обеспеченного населения. Банальные, но системные исключения и переезды небогатых групп, особенно из малочисленных и маргинализированных общин, укрепили неравенство в доступе к социальным благам, услугам и экономическим возможностям. Эти противоречия унаследованы и продолжают отражаться в структуре учреждений, политике и даже современных цифровых технологиях. Рост цифровизации делает актуальной проблему воспроизведения старых предубеждений в алгоритмах и системах, основанных на данных.
Без целенаправленной работы по вовлечению представителей всех групп населения, особенно тех, кто долгое время не имел голоса в городском развитии, существует реальный риск, что новые технологии лишь воспроизведут негативные тренды и закрепят системные барьеры. Ключевой проблемой здесь становится вопрос качества и полноты исходных данных. Данные — мощный инструмент для анализа закономерностей и принятия обоснованных решений. Однако, когда показатели и численные данные не отражают реального опыта людей или силу исторических дискриминационных практик, они становятся источником ложных выводов. Классическим примером является наследие жесткой сегрегации городских территорий, существовавшее еще до запрета красной линии более полувека назад.
Несмотря на официальные запреты, подобные практики продолжают реализовываться под другими формами, включая исключающее зонирование жилья и политические меры, которые скрытно исключают социально уязвимые группы. Например, политики по застройке жилья с отдельными домами создают условия, в которых экономические и сервисные возможности концентрируются в преимущественно благополучных и, как правило, однородных по расовому признаку районах, в то время как районы с ограниченным бюджетом и населением среднего класса фактически недофинансируются и остаются на задворках городской инфраструктуры. Еще одной больной темой является проблема джентрификации, когда искаженные экономические модели, игнорирующие историческую нехватку инвестиций и отсутствие накопленного богатства в определенных сообществах, приводят к «обесцениванию» районов. В результате они становятся менее привлекательными для инвесторов и оказываются под угрозой дальнейшего игнорирования со стороны застройщиков и власть предержащих. Следует заметить, что эти дисбалансы выявляются не только в жилищной политике.
В области правосудия, прогнозирующие инструменты, основанные на предвзятых данных, зачастую приводят к непропорционально жесткому контролю и криминализации представителей меньшинств, что усугубляет недоверие к властям и подрывает социальный договор. В сфере здравоохранения данные, слабо отражающие реальные проблемы, особенно среди чернокожих женщин и других уязвимых групп, создают серьезный пробел в понимании масштабов и причин различных заболеваний. Это приводит к разработке недофинансированных стратегий и программ, не учитывающих специфику нужд отдельных сообществ. Транспортная политика редко учитывает интересы наименее защищенных слоев общества: в большинстве городов приоритет отдается автомобильной инфраструктуре, тогда как возможности для комфортного и доступного общественного транспорта, пешеходных маршрутов и соединения районов с важными узлами остаются недостаточными. Такие условия еще больше изолируют уязвимых жителей, ограничивая их социальную и экономическую мобильность.
Проблема неравенства касается и образования: школы в неблагополучных районах, как правило, получают низкие оценки и испытывают постоянный дефицит ресурсов, что затрудняет раскрытие потенциала учащихся и закрепляет циклы межпоколенческого неравенства. Все эти негативные явления имеют общий источник — несовершенные и предвзятые системы сбора и анализа данных, которые не учитывают опыт и голос маргинализированных групп. Когда данные и технологии не отражают реальной жизни, они механически повторяют и усиливают социодемографическую несправедливость. Для продвижения к действительно справедливому развитию городов необходимо кардинально переосмыслить подход к использованию данных, создавая технологии, которые учитывали бы исторический опыт и перспективы будущего, поддерживали бы сообщества и стимулировали бы инвестиции на благо всех жителей. Основой для справедливого применения ИИ и данных в городском планировании является тщательный подбор и валидация локальных данных, отражающих разнообразие потребностей, ожиданий и проблем разных районов.
Работа с устаревшими и односторонними наборами данных без социокультурного контекста только усилит неравенство и предубеждения. Таким образом, важно применять методы участия сообщества при формировании исходной базы для обучения алгоритмов, чтобы постоянно выявлять и учитывать текущие реалии и опыт людей. Прозрачность была и остается одним из ключевых аспектов ответственного внедрения ИИ. Для доверия общественности и эффективности решений горожане и специалисты должны иметь возможность понимать, на основании каких принципов и данных система вырабатывает заключения. Черный ящик алгоритмов неприемлем: каждый этап должен быть понятен, а ссылки на источники доступны.
При этом необходима практика «человека в петле», когда экспертный контроль и локальное знание влияют на финальные решения, обеспечивая этическое и контекстно-чувствительное применение технологий. Политика в области развития искусственного интеллекта должна включать четкие нормы социальной ответственности, направленные на предотвращение негативных последствий для уязвимых групп и усиление положительного эффекта от работы ИИ. К таким мерам относятся обязательный доступ к инструментам ИИ для всех, включая образовательные программы для различных групп населения, партнерские отношения и вовлечение местных общественных организаций, а также мероприятия по учету культурных и локальных особенностей при сборе и обработке данных. Важным компонентом также является механизм постоянного аудита систем ИИ, направленный на выявление и исправление возможных дисбалансов, особенно в отношении вопросов переселения, экологической несправедливости и неравномерного распределения услуг. Одним из ключевых элементов создания справедливых AI-решений является вовлечение сообщества в процесс — от сбора данных до принятия решений.
Несмотря на технический прогресс и автоматизацию, живое общение, учет голосов и мнений жителей остаются фундаментальными. Вовлечение должно начинаться на ранних этапах проектов и происходить постоянно, ориентируясь не только на количественный анализ, но и на глубокие качественные отзывы, демонстрирующие реальный опыт и ожидания людей, особенно тех, чей взгляд традиционно игнорировался. Настоящая инклюзивность требует активного участия, где не просто предоставляется место за столом, а каждому обеспечивается возможность всесторонне влиять на ход обсуждения и решения. Комплексное вовлечение подразумевает поиск доверенных лидеров, которые могут эффективно связаться с сообществами, придавая вес их голосам и создавая атмосферу взаимного уважения. Образовательные инициативы должны быть адаптированы под разные уровни знаний и потребности, чтобы каждый мог понять сущность и возможности ИИ, а также критически оценивать его предложения и выводы.
Ко-дизайн технологий должен перестать быть формальностью и превратиться в действительно совместное творчество, в котором жители играют роли партнеров и соавторов решений, а не пассивных наблюдателей. Кроме того, важно четко описывать механизмы распределения выгод от внедрения ИИ — это может выражаться через доступ к новым ресурсам, улучшение сервисов или появление экономических возможностей в тех сообществах, которые приняли участие в проекте и внесли свой вклад. В результате искусственный интеллект становится не заменой общения и участия, а мощным инструментом расширения охвата и улучшения качества планирования, который помогает объективно выявлять и анализировать данные, дополняя и углубляя понимание, основанное на живом опыте людей. Современные технологии позволяют городам более оперативно реагировать на вызовы, видеть закономерности и принимать решения с уверенностью, опираясь на проверенные данные. Однако ни одна технология не несет в себе врожденных ценностей и справедливости.
Ответственность за заложенные в ИИ цели и ориентацию на общественное благо лежит на людях — планировщиках, технологах и политиках, которые должны создавать ориентированные на равенство системы. Интегрируя искусственный интеллект в повседневную практику городского планирования, важно с самого начала и на каждом шаге вкладывать принципы справедливости в инфраструктуру данных и архитектуру решений. Осознание проблем, активное вовлечение граждан и жесткие стандарты прозрачности и подотчетности способны обеспечить более умный и одновременно более справедливый город будущего. Именно такое объединение технологий и человеческого фактора позволит создать пространства, где инновации будут служить интересам всех и каждого.
