文章关注了一个城市规划实践中的基本问题:如何综合考虑一系列可能存在潜在冲突的城市要素来为城市发展寻找更合适的区位?回答这一问题可以通过不同的建模方法,其中最简单的方法便是不考虑这些影响要素在现实中的权重差异,而将一个简单的平均度量作为区位优势的综合判断。作者在文中将区位优势定义为一种多要素网络的中心性度量。在这个要素网络中,不同要素不仅拥有各自的权重,还相互影响。在这样的一个社会需求网络模型中,通过多次迭代,每一个要素都通过与其他要素的互动,不断校准其相对重要性直至收敛至所有要素都拥有相同的权重,进而生成一个最接近现实状况的权重体系。区位优势的测度不仅是一个设计问题,还与真实可见的城市开发息息相关,然而,影响现实中城市发展模式的要素关系与权重往往很难捉摸。因此,规划设计问题的一个逆命题便是揭示一系列要素如何能协助我们理解观测到的城市开发现象。这与人工神经网络的设想不谋而合,后者整合了过去50年中机器学习与人工智能领域的大部分突破。文章开篇介绍了如何将规划设计问题转化成一个网络化的均值求解问题,即综合趋势估计问题,随后阐述了如何校准可知的要素权重网络来趋近于观测到的现实,最后阐释了这一个模型如何通过构建神经网络来实现。全文展示了一种基于人工智能技术将探究当下现实的形成机制与面向未来的规划设计相结合的新范式。