Łączenie teorii miejskiej i sztucznej inteligencji: system rekomendacji wieloagentowy dla zrównoważonego rozwoju miast

Dlaczego to ma znaczenie dla życia w mieście

W miarę jak coraz więcej miast sięga po sztuczną inteligencję, aby stawić czoła problemom ruchu, falom upałów, przestępczości i zanieczyszczeń, pojawia się ukryte ryzyko: wiele projektów AI pomija dziesięciolecia wiedzy o tym, jak działają prawdziwe sąsiedztwa. Badanie pokazuje, że większość narzędzi miejskich opiera się na najnowszych algorytmach, a nie na rzeczywistych potrzebach mieszkańców, i proponuje nowy sposób, by przywrócić myślenie skoncentrowane na człowieku jako nadrzędny punkt odniesienia dla maszyn.

Kiedy inteligentne narzędzia zapominają mądrość miasta

Autorzy przeanalizowali 1 123 artykuły naukowe wykorzystujące AI do planowania i bezpieczeństwa miejskiego. Stwierdzili, że mniej niż 2 na 100 z nich w ogóle wspominało klasyczne koncepcje dotyczące miast, takie jak to, jak życie uliczne wspiera bezpieczeństwo czy jak powinny być rozmieszczone usługi w sąsiedztwie. Zamiast tego prawie połowa badań była napędzana głównie przez technologię: badacze wybierali algorytmy, bo były nowe lub silne, a nie dlatego, że odpowiadały rzeczywistemu problemowi miejskiego życia. Sprawiedliwość społeczna, długoterminowa odporność i codzienna jakość życia często były traktowane jako sprawy drugorzędne.

Dane i algorytmy kierujące w złym kierunku

Zespół zbadał także, jakiego rodzaju algorytmy i dane stosowano w tych projektach. Dominowały nowoczesne metody uczenia maszynowego i głębokiego uczenia, a nowsze modele AI, takie jak duże modele językowe i narzędzia generatywne, były wdrażane niemal natychmiast po ich udostępnieniu. Jednocześnie większość projektów opierała się na łatwo dostępnych danych z czujników i środowiskowych, takich jak monitory jakości powietrza czy detektory ruchu. Trudniejsze do zebrania informacje o doświadczeniach ludzi, warunkach społecznych czy układzie sąsiedztw były używane znacznie rzadziej, mimo że wiele teorii miejskich wskazuje, iż te czynniki są kluczowe. Efektem jest to, co autorzy nazywają „opportunizmem danych” — to, co da się zmierzyć, kształtuje pytania, zamiast tego, co naprawdę ma znaczenie dla życia w mieście.

Jak pośpiech w stronę AI przyspiesza problem

Analiza zmian w czasie pokazała, że AI w miastach przeszła od ostrożnych, prowadzonych przez problem eksperymentów do szybkiego „popychu technologii”. Przed 2008 rokiem praktycznie żadne prace z zakresu planowania miejskiego nie używały języka AI. Potem, a zwłaszcza po rozkwicie głębokiego uczenia, liczba badań oznaczonych jako AI eksplodowała — ponad 60 procent opublikowano po 2020 roku. Nowe narzędzia, takie jak modele obraz‑język czy duże modele tekstowe, pojawiały się w badaniach miejskich w tym samym roku, w którym zostały wynalezione. Ta szybkość może wydawać się ekscytująca, ale zachęca do używania tego, co najnowsze, nawet jeśli nie pasuje do zadania lub zaślepia planistów na społeczne i środowiskowe kompromisy.

Nowy przewodnik po mądrzejszej, sprawiedliwszej AI w miastach

Aby ponownie powiązać AI z rzeczywistymi potrzebami miast, autorzy zbudowali system oparty na dużym modelu językowym, działający jak panel ekspertów‑asystentów. Po otrzymaniu opisu wyzwania miejskiego, takiego jak marnowanie żywności, narażenie na upały czy ryzyko katastrof, jeden agent najpierw strukturyzuje problem. Inny przeszukuje bank 46 klasycznych teorii miejskich, by znaleźć te najlepiej opisujące sytuację. Trzeci dopasowuje odpowiednie metody AI, czwarty sugeruje potrzebne źródła danych, a piąty sprawdza, czy cały pakiet jest solidny i realistyczny. Testy na studiach przypadków pokazują, że ten proces przesuwa projekty z wąskich celów, jak obniżenie kosztów dostaw czy poprawa dokładności predykcji, w stronę bogatszych celów uwzględniających także równość, zdrowie i wpływ na klimat.

Co to oznacza dla przyszłości miejskiej AI

Mówiąc wprost, badanie argumentuje, że pytanie „Co może zrobić ten algorytm?” jest złym punktem wyjścia. Zamiast tego planiści, inżynierowie i społeczności powinni najpierw zapytać: „Czego naprawdę wymaga ten miejski problem, żeby stać się bardziej zrównoważony i sprawiedliwy?” i dopiero potem wybierać narzędzia AI pasujące do tych potrzeb i najlepszych dostępnych teorii miejskich. Uczynienie tych teorii widocznymi i użytecznymi wewnątrz systemu rekomendacji AI pokazuje, jak miasta mogą korzystać z zaawansowanych obliczeń, nie tracąc z pola widzenia doświadczenia ludzkiego, wspólnych przestrzeni i długoterminowej odporności.

Cytowanie: 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

Słowa kluczowe: miejska AI, zrównoważone miasta, planowanie miejskie, systemy wieloagentowe, zarządzanie inteligentnym miastem