人工智能治理住房系统:一个分析框架

《International Journal of Housing Policy》:Governing the housing system with AI: a framework

【字体: 大 中 小 】 时间:2026年08月27日 来源:International Journal of Housing Policy 2.5

编辑推荐:

  人工智能(AI)应用正迅速涌现于住房系统之中,然而除泛化论断外,研究人员对其使用与影响知之甚少。当前关于人工智能及其在住房中影响的讨论多停留于泛化层面,无法解释人工智能应用、架构与领域的多样性,亦无法涵盖其部署场域。缺乏更具体的知识,便难以核算人工智能在住房中

  
人工智能(AI)应用正迅速涌现于住房系统之中,然而除泛化论断外,研究人员对其使用与影响知之甚少。当前关于人工智能及其在住房中影响的讨论多停留于泛化层面,无法解释人工智能应用、架构与领域的多样性,亦无法涵盖其部署场域。缺乏更具体的知识,便难以核算人工智能在住房中的影响,也难以识别有效的监管路径。本文开发并阐释了一个框架与方法取向,用以探究人工智能与住房的融合,使研究人员能够把握复杂性、追溯物质化过程,并审视人工智能技术交织于住房系统的影响。首先,研究人员主张跨越“作为整体的住房系统”进行分析,以揭示住房中人工智能使用的多样性,并尤其厘清其累积性与相互关联的影响。其次,研究人员倡导从泛化的“人工智能话语”转向关注人工智能应用的具体性与异质性。第三,研究人员提出一种方法论取向,将人与人工智能技术在住房结果中的双重能动性纳入考量。研究人员指出,理解人工智能影响需要扎根的经验研究,以容纳其在住房系统中跨域的多样性与具体性,并认为住房研究人员具备开展此项工作的有利位置。
研究背景方面,人工智能(AI)被世界银行、各级政府及住房供应商宣称为化解全球住房危机的手段,涵盖提升供给、可持续建造、租户评估与分配等环节。然而既有研究警示,机器学习与群体级预测分析可能以“数据化他者”的相似性过滤住房准入,在统计中性伪装下强化系统性偏见,美国RealPage算法定价抬租、SafeRent对少数族裔申请人低分等诉讼即其表征。现有住房数字化研究多聚焦私人租赁部门(PRS)与按揭市场等单一片段,缺乏对整个住房系统生命周期——预开发规划、设计建造拆除、资产与市场管理、租赁管理、监管合规——中AI嵌入的系统性追踪;同时“算法话语”泛化掩盖了不同AI架构、领域数据与逻辑的差异;且AI已从自动化迈向自主能动(agentic),一旦嵌入难以逆转,可能代际固化不平等。为此,研究人员开展本研究,旨在建立跨系统、反泛化、重双重能动性的分析框架。
研究人员采用三项关键方法取向:其一为系统整体透镜,依Gurran与Bramley等对住房系统的界定,划分五阶段生命周期并做跨尺度(物业级、组织级、系统级)映射;其二为反“算法话语”的扎根案例研究,强调具体AI形态(大语言模型LLM、机器学习ML、计算机视觉、生成式AI)及其训练数据、逻辑与评估情境的异质性,参照Loukissas对数据地方条件的强调;其三为后人类与超人类(more-than-human)方法论,借Hayles非意识认知与Simondon“技术功能体制”(regime of technical functioning)概念,把AI视为与人共变(co-becoming)的协作者,分析人类—技术双重能动性中的“间断能动性”(punctuated agency)与“自动化犹疑”(automation hesitancy)。样本涉及澳新南威尔士州DAISY规划系统、多伦多Promise Robotics、英国AUAR Microfactory、美Funnel虚拟助理、澳MRI软件、荷巴特市短租合规筛查等公开部署案例,不做实验队列构建。
研究结果按五阶段分述。预开发与规划:NSW规划厅DAISY用自然语言处理(NLP)结合法规与地块信息辅助申请与合规分流,研究显示AI在此以生成式对话与ML审查前置人工决策,假设提速降本但需规划师协同训练。设计、建造与拆除:Promise Robotics与AUAR MasterBuilder以机器人自动化与计算机视觉将设计转生产数据,Newmetrix用视觉AI识隐患,SmartEnds用图像识别分选废弃料;结论为AI在建造端以物理AI(physical AI)形态提升速度并介入循环经濟,但依赖人类安全监督。住房市场与资产管理:Tiimely Xapii Decide自动按揭承保、Buildots与MRI用计算机视觉与预测维护管资产;研究表明Explainable AI与ML已成按揭与大型房东常态,人机回路(human-in-the-loop)保留。租赁管理:Funnel与MRI套件跨PRS与社会住房做询租、筛租、收租自动化,研究指出同款工具在两部门因输入数据与决策矩阵差异(好租户vs最需援助)产生不同排斥逻辑,歧视与隐私风险并存。监管与合规:霍巴特与伦敦安大略用AI揪未许可短租,Deckard RentalScape挖合规数据,爱尔兰用AI绘空置;结论为政府用AI转监管负荷,但边界划定与申诉机制未同步。
讨论部分重申,脱离“算法话语”须做具体案例比较,国家主导、产业主导与社区主导AI在威权/民主治理框架下影响迥异;Big Tech通过PropTech深化权力倾斜,但租客联盟如Landlord Tech Watch借数据库反人脸识别印证“生产性抵抗”(productive resistance)的算法可供性。监管上EU AI Act与澳洲Privacy Act均未专设住房护栏,小企业豁免致租户数据风险放大,需住房专属红线与救济通道。
结论翻译浓缩:住房正成为算法治理常态化站点,AI嵌入虽初生但迅猛,可能锁定不公;研究人员给出五阶段图谱与方法取向,助学界把握复杂性与认识论断裂,重估风险并介入轨迹。这要求从业者具AI素养以懂架构与生命周期操作,并以扎根经验研究替泛化叙事,使干预点(含拒绝点)可被识别。最终目标非掌控AI而是重塑其路径,免陷技术解决主义,确保AI形塑的住房未来合乎公平可持续——此即《International Journal of Housing Policy》刊发本研究之要义。
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