חיבור בין תיאוריה עירונית ובינה מלאכותית: מערכת המלצות מרובת-סוכנים לפיתוח עירוני בר-קיימא

מדוע זה חשוב לחיי העיר

ככל שיותר ערים נוטות לבינה מלאכותית כדי להתמודד עם פקקי תנועה, גלי חום, פשיעה וזיהום, מתגלה סיכון סמוי: פרויקטים רבים של AI מתעלמים מעשרות שנות ידע קשה על אופן פעולת שכונות אמיתיות. מחקר זה מראה שרוב כלי ה-AI העירוניים רודפים אחרי האלגוריתמים האחרונים במקום אחרי הצרכים הממשיים של התושבים, ומציע דרך חדשה להחזיר את החשיבה העירונית הממוקדת-אדם לשליטה במכונות.

כשכלים חכמים שוכחים את חוכמת העיר

המחברים עברו על 1,123 מאמרים מחקריים שהשתמשו בבינה מלאכותית לתכנון ובטיחות עירונית. הם מצאו שפחות מ-2 מתוך 100 אפילו הזכירו רעיונות קלאסיים על ערים, כמו כיצד חיי הרחוב תורמים לבטיחות או כיצד יש לארגן שירותים בשכונה. במקום זאת, כמעט מחצית מהמחקרים הונעו בעיקר על ידי טכנולוגיה: החוקרים בחרו אלגוריתמים כי הם חדשים או חזקים, ולא כי הם תואמים בעיה עירונית ממשית. הוגנות חברתית, חוסן לטווח הארוך וחיי היום-יום היו לעיתים קרובות שיקולים משניים.

נתונים ואלגוריתמים שמכוונים בכיוון הלא נכון

הצוות בחן גם אילו סוגי אלגוריתמים ונתונים השתמשו בפרויקטים האלה. למידת מכונה מודרנית ולמידה עמוקה שלטו בתחום, ודגמי AI חדשים כמו מודלים לשפה רחבים וכלים מייצרים אומצו כמעט מיד לאחר שיצאו. במקביל, רוב הפרויקטים הסתמכו על נתונים שקל להשיגם, כמו חיישני איכות אוויר או גלאי תנועה. מידע שקשה יותר לאסוף — על חוויות תושבים, תנאים חברתיים או תצורות שכונתיות — שומש הרבה פחות, אף שרבות מתיאוריות העיר מדגישות כי גורמים אלה קריטיים. התוצאה היא מה שהמחברים קוראים לו "אופורטוניזם נתוני" — מה שנמדד מעצב את השאלות, במקום מה שבאמת חשוב לחיי העיר.

איך המהירות לעבר AI מזרזת את הבעיה

בהסתכלות לאורך זמן, החוקרים ראו שינוי בשימוש בבינה מלאכותית בערים מתנסות זהירות שמונעות על-ידי בעיות, לדחיפה מהירה של הטכנולוגיה. לפני 2008 כמעט ולא היו מאמרים בתכנון עירוני שמשתמשים בשפה של AI. לאחר מכן, ובמיוחד אחרי פריצת הדרך בלמידה העמוקה, מספר המחקרים המסומנים כ-AI התפוצץ, כשיותר מ-60 אחוז מהם פורסמו אחרי 2020. כלים חדשים כגון מודלים שמשלבים תמונה וטקסט ומודלים טקסטואליים רחבים הופיעו במחקר ערים כבר באותה השנה שבה הומצאו. מהירות זו אולי נשמעת מרגשת, אך היא מעודדת שימוש במה שבחדש, אפילו אם אינו מתאים למשימה או מטשטש עבור מתכננים את הפשרות החברתיות והסביבתיות.

מדריך חדש ל-AI חכם וצודק יותר בערים

כדי לקשר מחדש בין AI לצרכים עירוניים אמיתיים, המחברים בנו מערכת מבוססת מודל שפה גדול שפועלת כמו פאנל של עוזרים מומחים. כאשר מקבלים תיאור של אתגר עירוני, כגון בזבוז מזון, חשיפה לחום או סיכון לאסון, סוכן אחד ממסד את הבעיה. אחר מחפש בבנק של 46 תיאוריות עירוניות קלאסיות כדי למצוא את אלה שמתארות הכי טוב את המצב. סוכן שלישי מתאים שיטות AI מתאימות, רביעי מציע מקורות נתונים נדרשים, וחמישי בודק האם החבילה כולה איתנה וריאלית. מבחנים על מקרי בוחן מראים שהתהליך הזה מעביר פרויקטים מהמיקוד הצר, כמו הורדת עלויות משלוחים או שיפור דיוק תחזיות, אל מטרות עשירות יותר שגם מתחשבות בשוויון, בריאות ובהשפעות אקלימיות.

מה משמעות הדבר לעתיד ה-AI העירוני

במילים פשוטות, המחקר טוען ששאלה כמו "מה האלגוריתם הזה יכול לעשות?" היא נקודת פתיחה שגויה. במקום זאת, מתכננים, מהנדסים וקהילות צריכים קודם לשאול "מה הבעיה העירונית הזאת באמת דורשת כדי להיות בר-קיימא וצודקת יותר?" ורק אז לבחור כלים של AI שמתאימים לצרכים אלה ולטובות התיאוריות העירוניות הקיימות. על ידי הפיכת התיאוריות הללו לנראות ושימושיות בתוך מערכת המלצות מבוססת AI, המחברים מראים כיצד ערים יכולות להשתמש בחישוב מתקדם מבלי לאבד את המבט על החוויה האנושית, המרחבים המשותפים והחוסן לטווח הארוך.

ציטוט: Tong, J., Wang, S., Wang, G. et al. Bridging urban theory and artificial intelligence: a multi-agent recommendation system for sustainable city development. npj Urban Sustain 6, 77 (2026). https://doi.org/10.1038/s42949-026-00377-2

מילות מפתח: בינה מלאכותית עירונית, ערים בר-קיימא, תכנון עירוני, מערכות מרובת סוכנים, ממשל עירוני חכם