Colmare il divario tra teoria urbana e intelligenza artificiale: un sistema di raccomandazione multi-agente per lo sviluppo urbano sostenibile

Perché questo conta per la vita cittadina

Man mano che sempre più città si rivolgono all'intelligenza artificiale per affrontare traffico, ondate di calore, criminalità e inquinamento, emerge un rischio nascosto: molti progetti di IA ignorano decenni di conoscenze acquisite su come funzionano realmente i quartieri. Questo studio mostra che la maggior parte degli strumenti di IA urbana rincorre gli algoritmi più recenti invece delle reali esigenze dei residenti, e propone un nuovo modo per rimettere il pensiero urbano incentrato sulle persone al comando delle macchine.

Quando gli strumenti intelligenti dimenticano la saggezza urbana

Gli autori hanno analizzato 1.123 articoli di ricerca che usano l'IA per la pianificazione urbana e la sicurezza. Hanno scoperto che meno di 2 su 100 menzionavano anche solo le idee classiche sulle città, come il modo in cui la vita di strada sostiene la sicurezza o come i servizi dovrebbero essere distribuiti in un quartiere. Al contrario, quasi la metà degli studi era guidata principalmente dalla tecnologia: i ricercatori sceglievano algoritmi perché erano nuovi o potenti, non perché rispondessero a un problema urbano reale. Equità sociale, resilienza a lungo termine e vivibilità quotidiana erano spesso trattate come pensieri secondari.

Dati e algoritmi che vanno nella direzione sbagliata

Il team ha anche esaminato che tipi di algoritmi e dati questi progetti utilizzavano. Il machine learning moderno e il deep learning dominavano, e modelli di IA più recenti come grandi modelli di linguaggio e strumenti generativi sono stati adottati quasi immediatamente dopo il rilascio. Allo stesso tempo, la maggior parte dei progetti si affidava a dati sensoriali e ambientali facili da reperire, come monitor della qualità dell'aria o rilevatori del traffico. Informazioni più difficili da raccogliere sulle esperienze delle persone, le condizioni sociali o la conformazione dei quartieri venivano usate molto meno, nonostante molte teorie urbane sostengano che questi fattori siano cruciali. Il risultato è ciò che gli autori chiamano “opportunismo dei dati”, dove ciò che è misurabile plasma le domande, piuttosto che ciò che conta davvero per la vita in città.

Come la corsa all'IA accelera il problema

Guardando nel tempo, i ricercatori hanno osservato uno spostamento dell'IA nelle città da esperimenti attenti e guidati dai problemi verso un rapido “technology push”. Prima del 2008, quasi nessun articolo di pianificazione urbana utilizzava il linguaggio dell'IA. Dopodiché, e soprattutto dopo l'esplosione del deep learning, il numero di studi etichettati come IA è aumentato vertiginosamente, con oltre il 60 percento pubblicato dopo il 2020. Nuovi strumenti come modelli immagine-testo e grandi modelli testuali sono apparsi nella ricerca urbana nello stesso anno della loro invenzione. Questa rapidità può sembrare entusiasmante, ma incoraggia l'uso di ciò che è più recente, anche se poco adatto al compito o se offusca i compromessi sociali e ambientali per i pianificatori.

Una nuova guida per un'IA urbana più intelligente ed equa

Per ricollegare l'IA ai bisogni urbani reali, gli autori hanno costruito un sistema basato su un grande modello di linguaggio che agisce come un pannello di assistenti esperti. Ricevuta la descrizione di una sfida cittadina, come gli sprechi alimentari, l'esposizione al calore o il rischio di disastri, un agente struttura prima il problema. Un altro cerca in una banca di 46 teorie urbane classiche per trovare quelle che meglio descrivono la situazione. Un terzo abbina i metodi di IA adatti, un quarto suggerisce le fonti di dati necessarie, e un quinto verifica se l'intero pacchetto è robusto e realistico. I test su casi di studio mostrano che questo processo sposta i progetti lontano da obiettivi ristretti, come ridurre i costi di consegna o migliorare l'accuratezza delle previsioni, verso obiettivi più ampi che tengono conto anche di equità, salute e impatti climatici.

Cosa significa per il futuro dell'IA urbana

In termini semplici, lo studio sostiene che partire chiedendo “Cosa può fare questo algoritmo?” è il punto di vista sbagliato. Invece, pianificatori, ingegneri e comunità dovrebbero prima domandarsi “Cosa richiede davvero questo problema urbano per diventare più sostenibile e equo?” e solo allora scegliere gli strumenti di IA che si adattano a tali esigenze e alle migliori teorie urbane disponibili. Rendendo queste teorie visibili e utilizzabili all'interno di un sistema di raccomandazione basato sull'IA, gli autori mostrano come le città possano usare il calcolo avanzato senza perdere di vista l'esperienza umana, gli spazi condivisi e la resilienza a lungo termine.

Citazione: 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

Parole chiave: IA urbana, città sostenibili, pianificazione urbana, sistemi multi-agente, governance delle città intelligenti