基于生成式AI的参与式建模在深不确定性情境-环境规划中的应用
人工智能
2026-03-23 v2
摘要
在深不确定性情境下进行的社会-环境规划需要研究人员在探索政策和部署计划之前识别和概念化问题。在实践和基于模型的规划方法中，这一问题概念化过程通常依赖于参与式建模，将利益相关者的自然语言描述转化为定量模型，这一过程复杂且耗时。为促进这一过程，我们提出了一种使用大型语言模型进行初始概念化的模板化工作流程。在该工作流程中，研究人员可以利用大型语言模型从利益相关者直观的问题描述中识别关键模型组件，探索其多样化的解决问题视角，将这些组件整合到统一模型中，并最终通过迭代沟通在Python中实现该模型。这些结果将促进社会-环境规划中随后的步骤。我们使用ChatGPT 5.2 Instant在湖泊问题和电力市场问题上演示了这一工作流程，两个案例都展示了社会-环境规划中的问题。在两种情况下，在人工验证和细化后经过几次迭代即可获得可接受的输出。这些实验表明，大型语言模型可以作为促进社会-环境规划中问题概念化过程中的参与式建模工具。
引用
@article{arxiv.2603.17021,
title = {Generative AI-assisted Participatory Modeling in Socio-Environmental Planning under Deep Uncertainty},
author = {Zhihao Pei and Nir Lipovetzky and Angela M. Rojas-Arevalo and Fjalar J. de Haan and Enayat A. Moallemi},
journal= {arXiv preprint arXiv:2603.17021},
year = {2026}
}