拉丁美洲和加勒比地区是世界上城市化程度最高的地区。
非正式城市社区处于多重危机交汇的中心：根深蒂固的社会脆弱性与不断加剧的气候风险相互交织。
借助包容、前瞻且公正的人工智能，拉丁美洲和加勒比地区可以成为城市气候韧性方面的全球领导者。
在拉丁美洲和加勒比地区，超过1.2亿人，即该地区人口的21%，生活在非正式住区中。这些城市区域系统性地被排除在基本服务、准确数据和具备气候韧性的基础设施之外。这些社区处于多重危机交汇的中心：根深蒂固的社会脆弱性与不断加剧的气候风险相互交织。然而，在这种不稳定处境之中也蕴含着变革潜力：地理空间技术与人工智能（AI）的融合正在重塑城市理解、预判和应对城市气候脆弱性的方式。
拉丁美洲和加勒比地区是世界上城市化程度最高的地区。该地区6亿居民中，超过80%生活在城市地区，预计到2050年这一比例将升至89%。这种快速的空间扩张已超出正式规划的速度，催生了我所称的“焦虑城市”，焦虑城市，即以持续的不确定性、脆弱性以及对多重危机的适应性应激反应为特征的城市环境。这一概念挑战了传统规划的假设，将非正规性视为一种动态的应对机制，而非失败，以应对制度和环境崩溃的局面。
1990年至2015年间，非正式住房从6%增至26%占所有城市住宅的比例，这些住房往往出现在洪泛平原、陡坡和沿海地带。这些住区由回收材料建造，且缺乏排水基础设施，是世界上最易受气候影响的区域之一。政治边缘化加剧了这一挑战，因为这些社区往往无法获得预警系统、灾害应对机制以及土地使用权保障。
超过半数人口生活在高风险气候区，面临极端天气加剧的威胁，包括热浪、洪水、山体滑坡和海平面上升。尽管这些城市非正式社区对全球排放的贡献极小，却不成比例地承受着气候变化的影响，典型地体现了深刻的气候不公。这种悬殊的不平衡凸显了将公平纳入气候创新框架的紧迫性。
技术革命：从隐形到智能
现代地理空间测绘技术为揭示这些隐形地理空间提供了变革性视角。高分辨率卫星影像、无人机测量和地理信息系统以前所未有的精度增强了我们监测城市变化的能力。巴西的MapBiomas体现了这一潜力。它通过机器学习算法处理的Landsat影像进行逐像素分类，机器学习算法以监测自1985年以来巴西各地的土地利用变化。
人工智能与地理空间分析的融合标志着一种范式转变。美洲开发银行的MAIIA项目展示了人工智能算法如何通过分析卫星影像中的典型特征（如不规则屋顶和狭窄通道），高精度地识别非正式住区。这使得整个大都市区的快速测绘成为可能，将数月的人工勘测转变为数日内即可完成的自动化流程。
此外，人工智能的潜力不仅限于静态测绘。先进算法能够以此前难以想象的方式预测未来风险、识别适应模式并支持决策，代表着城市规划从被动应对向主动预防的根本转变。
革命性解决方案：超越传统方法
要应对气候韧性的复杂挑战，我们必须超越渐进式调整，设计明天所需的工具。我们需要一个能够利用人工智能预测气候风险将在何处出现或加剧的系统。我所提出的预测性气候韧性指数正是这一构想。通过将城市密集化数据、地理定位的非正规就业、国内气候移民模式和土壤渗透性与气象预报及气候预测相结合，此类工具有助于识别当今的高风险区域以及明日的脆弱热点。借助这些洞察，各国政府和国际合作伙伴可以在危机爆发前优先安排干预措施。
与此同时，我们应探索为非正式住区开发数字孪生技术：即模拟未来气候压力情景的动态虚拟模型。这些模型可纳入超本地化数据，如小气候、水流、建筑材料和社区基础设施，使规划人员和居民能够预览干预措施的潜在影响。在安装排水系统或实施搬迁计划之前，其结果可通过数字方式进行测试，从而提高成效并增强社区信任与合法性。数字孪生还可支持机构间协调，并帮助优先安排基础设施投资，使其在降低风险和促进社会效益方面实现最大回报。
同样重要的是发挥人工智能的参与潜力。由机器学习驱动的平台可以支持社区主导的测绘计划，利用智能手机收集正式系统常常遗漏的细粒度、地面层面数据。这些数据包括对风险的认知、对排水路径的传统知识、非正式治理结构以及互助网络。这些做法印证了一个根本事实：受气候风险影响最严重的社区，是解决方案不可或缺的共同创造者。
麦德林的转型通过其“综合城市计划”（Proyecto Urbano Integral）展现了这一潜力。该市将社区知识与技术专长相结合，将脆弱的非正式住区转变为城市融合典范，使目标地区的凶杀率降低超过80%，同时改善了教育、医疗保健和经济机会的可及性。
通过算法设计实现气候正义
要使人工智能服务于公共利益，就必须以气候正义原则为基础。空间气候正义算法可以根据灾害暴露程度以及系统性因素来确定干预的优先顺序，这些因素包括：历史居住时长、公共服务可及性的累积缺失、基于性别和年龄的脆弱性差异，以及社区排放贡献与气候暴露之间的对比。
这些模型确保人工智能不会固化现有的不平等，而是积极纠正历史上的不公。这要求将空间气候正义纳入算法逻辑，从中立走向有意识地纠正失衡。在非正式住区实施人工智能，需要健全的伦理治理框架，以确保透明度、参与、隐私保护、问责以及公平的效益分配。
现实中的挑战依然存在。在哥伦比亚，武装团体限制了高风险地区的数据收集；而在墨西哥，自上而下的测绘计划因排除了原住民视角而失败。这些例子凸显了在脆弱的城市环境中，对人工智能和数据使用建立参与式与伦理治理框架的必要性。
人工智能驱动的韧性能否成功，取决于能否纳入体现非正式生活全部复杂性的变量。同样，这些工具能否成功还取决于信任：不透明或攫取式的系统，无论技术精度如何，都可能遭到社区拒绝。社会经济指标——收入波动、非正式率和教育机会——必须与行为模式（如风险规避策略、社区信任水平和本地流动模式）一并考虑。环境因素，包括空气和水质测量、生物多样性评估以及当地热环境状况，则提供了必要的背景信息。
由社区安装和维护的低成本环境传感器，能够提供实时的超本地化数据，从而提高人工智能模型的响应能力和准确性。这将传统的技术与社区关系从攫取转变为协作。
公共政策应推动参与式治理结构的建立，使非正式住区居民能够共同设计韧性战略，而非被动接受预先确定的解决方案。关键要求包括：数字基础设施投资、确保数据隐私和算法透明度的监管创新、为社区主导计划提供参与式预算、机构能力建设以及区域合作网络。
加速的气候威胁、无序的城市化与技术进步交汇，既带来了前所未有的风险，也带来了变革性机遇。今天关于数据治理、技术设计以及由谁参与塑造这些内容的选择，将决定人工智能究竟会成为韧性的工具，还是加剧排斥。对于拉丁美洲和加勒比地区非正式住区中的1.2亿人而言，今天关于数据治理、符合伦理的人工智能实施以及社区参与的决策，将塑造他们的城市未来以及全球韧性规划的走向。
这些以不确定性和脆弱性为特征的焦虑城市，可以成为创新实验室。借助人工且包容、前瞻且公正的智能，拉丁美洲和加勒比地区可以成为城市气候韧性方面的全球领导者。这一框架融合了先进的地理空间测绘、预测性人工智能、参与式治理和气候正义原则，为通往具有韧性的城市未来提供了一条路径。
拉丁美洲和加勒比地区正处于十字路口。该地区可以在等待外部解决方案的同时继续保持脆弱，也可以抓住这一时机，成为智能气候韧性方面的全球领导者。
