MIT（麻省理工学院）学者新书《How AI Sees the City》梳理视觉AI（人工智能）研究城市的潜力与隐私公平风险
MIT（美国麻省理工学院） Senseable City Lab（麻省理工学院可感知城市实验室）的四位学者出版新书《How AI Sees the City: Urban Visual Intelligence》，讨论用计算机视觉分析城市影像的研究路径与风险。
作者指出，这类方法可回答交通拥堵、路口安全、绿地接触等问题，但遍布摄像头带来的监控侵入性和模型偏见同样需要正视。 他们主张把视觉AI（人工智能）理解为延续凯文·林奇等城市视觉研究传统的工具，而非中立结论来源。
新书《How AI Sees the City: Urban Visual Intelligence》由Routledge本月出版，作者为MIT（美国麻省理工学院） Senseable City Lab首席研究科学家兼副主任Fábio Duarte、研究科学家兼全球倡议负责人Martina Mazzarello、实践教授兼实验室创始人兼主任Carlo Ratti，以及北京大学遥感与地理信息系统研究所助理教授Fan Zhang。
书中提到，MIT Senseable City Lab此前用机器学习识别纽约市331个交通摄像头画面中的车辆类型并估算排放； 另一项研究使用全球40万条Airbnb（爱彼迎）房源图片，发现室内设计风格并未全球趋同，而是存在明显地理差异。
书中引用数据称伦敦每平方英里约210个摄像头，全球摄像头密度最高的10个城市中有8个在中国，上海每平方英里超过5000个。 作者写道，评估密集视频记录的安全收益时，“收益必须与个人自由的显著侵蚀以及持续监控体系固有的滥用风险相权衡”。 Duarte表示“AI（人工智能）不是中立的”，Mazzarello则表示“我们的眼睛也不是中立的”。
伦敦大学学院的Michael Batty评价该书“展示我们如何开始解读城市设计的世界”。
这是城市研究领域对视觉AI（人工智能）方法论的一次系统梳理，价值在于把技术能力与治理风险放在同一框架下讨论。 对AI科研赛道而言，它提示：以图像为主要数据源的模型，其结论质量取决于训练样本覆盖的人群与场景，偏见会以看似客观的量化结果进入规划决策。 书中引用的摄像头密度数据来自作者表述，原文未说明统计口径与时间，读者应将其视为书内引用而非独立核实数据。
后续观察信号
- 书中引用的各国摄像头密度数据来自哪些统计源，是否有可核验的一手报告
- MIT（美国麻省理工学院） Senseable City Lab的车辆识别与排放估算研究是否经过同行评审发表
- 针对视觉AI（人工智能）偏见，城市研究领域是否已有可复用的评估基准