Nature Journal | 清華大学とMITの合同チームが大規模言語モデルを活用したスマートシティ計画フレームワークを提案

都市システムの複雑化と社会ニーズの多様化に伴い、従来の都市計画手法はボトルネックになりつつあります。今日、人工知能（AI）は、この古くからある重要な分野に破壊的なイノベーションをもたらしています。

最近、米国の清華大学建築学院電子工学部の都市科学および計算研究センター、マサチューセッツ工科大学（MIT）のセンシブルシティラボ、ノースイースタン大学などの一流機関の学者で構成された学際的なチームが、国際的な最先端ジャーナルであるNature Computational Scienceに視点記事を発表しました。大規模言語モデル (LLM) を活用したスマート シティ計画フレームワークが初めて体系的に提案されました。このフレームワークは、AI の強力なコンピューティング、推論、生成機能と、人間のプランナーの専門的な経験および創造性を深く統合します。その目的は、AIを人間のための「インテリジェントな計画アシスタント」として構築し、現代の都市計画における複雑な課題に共同で取り組み、人間と機械のコラボレーションの新しいパラダイムを切り開き、より効率的で革新的で応答性の高い都市設計プロセスを実現することです。

都市計画の進化とボトルネック

都市計画の理論と実践は、初期の「芸術的デザイン」としての物理的空間と美的形態に焦点を当てたものから、第二次世界大戦後の「科学的計画」へのアプローチ（都市計画を複雑なシステムと捉え、分析に科学モデルを用いるもの）へと、絶えず進化しています。しかし、これらのアプローチは今日、新たな課題に直面しています。一方で、計画プロセスは依然として計画者中心であり、住民参加は限られています。他方、計画提案の評価は定性的、主観的、かつ遅延がちであり、科学的かつ定量的な意思決定や迅速な反復が困難となっています。

近年、生成的敵対的ネットワーク（GAN）や強化学習（RL）といった従来のAIモデルが都市計画に応用され始めており、街路網や機能ゾーニングの生成における可能性が示されています。しかし、これらのモデルは一般的に特定のタスク向けに設計されており、適用範囲が狭いため、現代の都市計画におけるますます複雑化する学際的な課題に対応できません。強力な知識統合、論理的推論、マルチモーダル生成機能を備えた大規模言語モデル (LLM) の出現により、このボトルネックを打破する歴史的な機会がもたらされました。

LLM主導の都市計画の新しいプロセス

従来の方法の欠点を考慮して、研究チームは、概念設計（Conceptualization）、ソリューション生成（Generation）、効果評価（Evaluation）という3つの中核段階で構成される閉ループフレームワークを革新的に提案しました。このフレームワークは、大規模言語モデル、大規模視覚モデル (VLM)、大規模モデルエージェント (LLM エージェント) によって共同で駆動され、プロセス全体を通じて人間のプランナーにインテリジェントな支援を提供します。

概念設計：LLMは学際的な知識を持つ「計画コンサルタント」になる

初期の計画段階では、計画担当者は要件、制約、ガイドラインなどのテキスト情報を入力します。膨大なデータで事前学習されたLLMは、地理、社会、経済など複数の分野の知識を深く統合し、計画担当者と複数回の「対話」を行うことができます。革新的な概念的なアイデアを提案できるだけでなく、複雑なコンテキストに基づいて推論し、詳細な計画説明テキストや予備的な空間コンセプトのスケッチを生成することもできます。概念設計段階の効率と深度が大幅に向上しました。

ソリューション生成: VLM は「ビジュアル デザイナー」となり、テキストを設計図に変換します。

このフレームワークは、ビジュアル マクロモデル (VLM) を利用して、抽象的なテキスト概念を具体的で視覚的な都市設計ソリューションに変換します。計画担当者は、テキスト指示（プロンプト）を通じて、計画コンセプトと制約を正確に記述できます。都市設計データで微調整されたVLMは、土地利用レイアウト、建物の輪郭、さらにはリアルな3次元都市景観といった詳細なビジュアル出力を生成すると同時に、地理などの現実世界の制約に設計が確実に適合していることを保証します。

効果評価：LLMエージェントが未来の生活を予見する「仮想都市」を構築

計画計画を科学的に評価するために、このフレームワークでは、都市の動的シミュレーションを実行する LLM エージェントを導入します。研究者たちは、エージェントに年齢や職業といった異なる人口統計学的特性を割り当て、生成された仮想都市内で住民の日々の移動や施設の利用状況をシミュレーションさせました。これらのシミュレーション行動を分析することで、移動距離、施設利用率、二酸化炭素排出量、社会的公平性など、複数の側面にわたる定量的な評価指標を得ることができました。これにより、計画ソリューションの反復的な最適化のための科学的かつ将来を見据えたフィードバックが得られました。

初期の成功：AIは人間の専門家を上回る可能性を示している

清華大学電子工学部都市科学計算研究センターは、フレームワークの中核機能の実現可能性を検証するために、CityGPT、CityBench、UrbanLLaVAなどの言語視覚クロスモーダル都市モデル、UrbanWord、EmbodiedCity、AgentSocietyなどの都市具体化シミュレーションプラットフォームと社会シミュレーションシステムを継続的にリリースし、大規模モデル時代の都市計画と社会ガバナンスの技術基盤を築いてきました。LLM時代の都市計画については、研究チームは一連の概念検証実験を実施しました。あるテストでは、研究者はLLMに都市計画士専門資格試験の問題を解いてもらいました。その結果、最大規模の LLM は、複雑な計画コンセプトの質問に答える際に上位 101 TP3T の人間のプランナーよりも優れたパフォーマンスを発揮し、概念化段階での大きな可能性を示しています。

評価段階では、チームはLLMエージェントを用いて、ニューヨークとシカゴの2つのコミュニティにおける住民の施設訪問をシミュレーションしました。シミュレーション結果では、エージェントのホットスポットが現実世界の住民移動データとほぼ一致することが示され、LLMエージェントが計画提案の実際の影響を予測する上で正確かつ有効であることが実証されました。

課題と展望：人間と機械の協働による未来都市の構築

研究チームは最後に、このフレームワークは人間のプランナーに取って代わるものではなく、人間と機械の協働のための新しいワークフローを確立することを目的としていることを強調しました。このモデルでは、プランナーは煩雑なデータ処理や描画作業から解放され、イノベーション、倫理的配慮、そして様々なステークホルダーとのコミュニケーションに重点を置くことができます。AI は、コンセプトの統合、ソリューションの生成、シミュレーション評価を効率的に完了する役割を担います。

本稿では、この技術的アプローチが直面する課題についても指摘しています。具体的には、高品質な都市設計データの不足、膨大な計算リソースの要件、そしてモデルにおける地理的・社会的バイアスの可能性などが挙げられます。今後の研究では、オープンデータプラットフォームの構築、より効率的な特化モデルの開発、そしてAI技術があらゆる都市環境に公平かつ包括的な方法で貢献できるよう、公平性アルゴリズムの設計が求められます。

近い将来、都市計画者は強力な AI アシスタントの助けを借りて、効率的で住みやすく持続可能な都市をより迅速かつ適切に設計できるようになり、人間の創造性が最大限に発揮されて私たちの共通の都市の家を形作ることができるようになると期待できます。

論文リンク:

https://www.nature.com/articles/s43588-025-00846-1

著者について

本論文の筆頭著者は、清華大学電子工学科博士課程の鄭宇氏です。責任著者は、同大学電子工学科の李勇教授、同大学建築学院の林玉明助教授、ノースイースタン大学環境工学科の斉R・王准教授です。共同研究者には、清華大学電子工学科の徐鳳麗助教授、MITセンシブルシティラボのパオロ・サンティ研究員とカルロ・ラッティ教授が含まれます。