西北农林高天教授团队《Landsc. Urban Plan.》发文：生成式人工智能（ChatGPT）在景观感知中能否媲美人类？

期刊：Landscape and Urban Planning

ChatGPT 作为一种突出的生成式人工智能（Generative Artificial Intelligence, GAI）的出现，引发了广泛关注。这是由于其在多个任务和领域中展现出日益增强的能力，甚至能够与人类表现相媲美，乃至超越。然而，其在与人类感知的一致性方面仍存在不确定性，特别是在情感和美学维度，如景观偏好方面。本研究以 Kaplans 的偏好矩阵（Kaplans’ Preference Matrix）为基准，探讨了人类与 GPT-4 在景观感知与偏好上的差异。研究通过对中国 1333 名参与者的调查收集数据，并选择了五类典型景观，即灰色空间、开阔绿色空间、部分开敞/封闭绿色空间、封闭绿色空间和蓝色空间进行评估。为模拟类人化反应，研究构建了具有人类样本对应个体属性的人工智能（AI）代理。结果表明，GPT-4 在评估景观的一致性（coherence）、复杂性（complexity）、神秘性（mystery）、可识别性（legibility）及整体偏好时，与人类感知和偏好存在显著差异。尽管 GPT-4 在较为简单的环境（如平坦地形上的纯单层阔叶林）中表现相对接近，但在更复杂或细腻的城市景观中，它难以捕捉关键要素与情感。值得注意的是，仅有 2.4% 的 ChatGPT 回答与人类感知和偏好保持一致。研究结果凸显了当前人工智能在景观感知中全面复制人类智能的局限性，并强调了在人本导向的景观设计中，人类参与的持续必要性。本研究为理解 ChatGPT 的现有局限性提供了新的见解，并为其在景观设计领域的应用改进提出了方向。

The emergence of ChatGPT, a prominent generative artificial intelligence (GAI), has raised concerns due to its increasing capability to rival or even surpass human performance across various tasks and domains. However, its alignment with human perception, particularly in emotional and aesthetic dimensions such as landscape preferences, remains uncertain. This study investigated the discrepancies between human and GPT-4 performance in landscape perception and preference, using the Kaplans’ preference matrix as a benchmark. Survey data were collected from 1,333 participants in China, and five typical landscapes i.e. gray, open green, partly open/closed green, closed green, and blue spaces were evaluated. To simulate human-like responses, artificial intelligence (AI) agents using ChatGPT were created with personal attributes mirroring those of the human sample. Results indicated that GPT-4 demonstrated significant divergences from human perception and preference in assessing landscape coherence, complexity, mystery, legibility, and overall preference. While GPT-4 performed comparably well in simpler environments, such as pure single-layer broadleaf forests on flat terrain, it struggled to capture key elements and emotions in more complex or nuanced urban landscapes. Notably, only 2.4 % of ChatGPT’s responses aligned with human perceptions and preferences. These findings highlighted the limitations of current AI in fully replicating human intelligence in landscape perception, emphasizing the continued necessity of human involvement in human-centered landscape design. This study offers insights into the current limitations of ChatGPT and suggests directions for enhancing its application in landscape design.

本研究选取 Kaplan 偏好矩阵作为比较 ChatGPT 与人类在景观感知与偏好能力上的基准。Kaplan 偏好矩阵形成于 20 世纪后期，是景观感知与偏好研究中的经典理论框架，旨在探讨人类如何通过感官与认知过程对环境偏好作出判断。该理论的核心观点是：环境偏好源于人类在进化过程中对安全性、可预测性及信息获取需求的响应。Kaplan 与 Kaplan（1989）提出，环境偏好的根本动机在于寻求有助于生存与理解的环境。基于这一假设，他们将人类环境偏好划分为两个维度（即“理解/建构意义（Understanding/Making sense）”与“探索/参与（Exploration/Involvement）”），并进一步提出了四个关键因素：一致性（Coherence，指场景中的视觉秩序与组织程度）、复杂性（Complexity，反映景观中视觉元素的丰富性与多样性）、神秘性（Mystery，描述景观所暗示的进一步探索潜力）、可识别性（Legibility，指观察者对场景的解读与导航难易程度）。这一框架不仅涉及美学层面的考量，同时关注信息加工与认知参与的需求。大量关于自然环境与城市绿色空间的研究已应用该理论来解释人类环境偏好。

为增强人类与 ChatGPT 的反应表现，本研究选择了多类典型景观图像作为感知与偏好评估的感官刺激。绿色与蓝色景观是自然与人类的重要资源，具有不可替代的生态与社会功能。景观的多样植被、土地覆盖类型与空间格局对其特征塑造起关键作用。为选择具有代表性的图像，本研究采用生境类型分类方法（biotope classification），涵盖灰色空间、蓝色空间以及三类绿色空间。此外，个体对景观的感知与偏好存在差异，且受到个人属性与景观使用习惯的影响。与此同时，人类与环境的关系也会塑造个人特征，体现个体与环境的情感纽带，而这种纽带会随个体一生不断演变。因此，本研究收集了人类受访者的社会人口学数据，并系统性地为 ChatGPT 分配了对应的人口学属性，使其与人类样本相匹配。

然而，需要强调的是，尽管生成式人工智能（GAI）为环境评估提供了新的工具，其仍存在根本性局限。像 GPT-4 这样的生成模型，虽具备语言与视觉处理能力，但无法复制人类完整的经验谱系，尤其是在现实感知与偏好中所涉及的具身性、多感官性与情感性维度。因此，本研究的目的并非取代人类评估，而是探索在赋予其代表性社会与人口学属性的情况下，生成式人工智能能否以及在何种程度上近似人类的感知倾向。通过引入参与者的元数据（如年龄、性别、教育水平与景观使用习惯），本研究尝试模拟多样的感知特征，并评估其与真实人类反应的一致性。

作为世界人口最多的国家和东方文化的重要代表，中国为研究 AI 与人类感知差异提供了庞大且多样化的受访者群体。因此，本研究在中国展开，以充分利用这些独特优势。总体而言，本研究旨在评估 ChatGPT 在景观感知与偏好上的表现与人类的差异，并据此提炼其在该领域的优势与不足。研究目标包括：（1）景观感知比较：比较 ChatGPT 与人类在不同类型景观中的感知与偏好；（2）差异识别：明确 ChatGPT 在景观感知与偏好维度上与人类评估不一致之处；（3）局限性检视：分析 ChatGPT 在景观感知与偏好上的不足，并为其在景观设计应用中的改进提供参考。

本研究基于 Kaplan 偏好矩阵，比较了 GPT-4 与人类受试者在一致性、复杂性、神秘性、可识别性及整体景观偏好等维度上的感知差异。结果显示，人类与基于人工智能的景观评价在典型景观的感知上存在显著分歧，这突显了 GPT-4 在完全复制人类景观感知与情感反应方面的当前局限。然而，ChatGPT 作为一种具备强大多模态处理能力的生成式人工智能工具，展现出相当潜力。随着机器学习与多模态融合的不断发展，它有望成为支持客观图像评估并提升景观设计实践效率的重要辅助工具。需要指出的是，本研究在每类景观类别中仅采用了一个典型样本，因此研究结果主要具有示范性意义，用于揭示人工智能与人类感知之间的现有差距。未来研究有必要引入更大规模且更多样化的刺激样本，以验证并拓展本研究的发现。