Соединяя городскую теорию и искусственный интеллект: мультиагентная рекомендательная система для устойчивого развития городов

Почему это важно для городской жизни

По мере того как всё больше городов обращаются к искусственному интеллекту для решения проблем с трафиком, тепловыми волнами, преступностью и загрязнением, появляется скрытый риск: многие ИИ‑проекты игнорируют десятилетия накопленных знаний о том, как устроены реальные кварталы. В этом исследовании показано, что большинство городских ИИ‑инструментов гонятся за новейшими алгоритмами, а не за реальными потребностями жителей, и предложен новый подход, возвращающий в распоряжение машин человекоориентированные городские практики.

Когда «умные» инструменты забывают городскую мудрость

Авторы проанализировали 1 123 научных статьи по использованию ИИ в градостроительстве и безопасности. Они обнаружили, что менее чем в 2 из 100 случаев упоминались классические представления о городе — например, о том, как уличная жизнь поддерживает безопасность или как должны быть организованы услуги в районе. Вместо этого почти половина исследований была в основном ориентирована на технологию: исследователи выбирали алгоритмы потому, что они были новыми или мощными, а не потому, что они соответствовали реальной городской проблеме. Социальная справедливость, долгосрочная устойчивость и повседневная пригодность часто рассматривались как второстепенные вопросы.

Данные и алгоритмы ведут в неправильном направлении

Команда также изучила, какие именно алгоритмы и данные использовались в этих проектах. Современное машинное обучение и глубокое обучение доминировали, а новые модели ИИ — такие как большие языковые модели и генеративные инструменты — внедрялись практически сразу после выхода. В то же время большинство проектов опирались на легко доступные сенсорные и экологические данные, например показатели качества воздуха или детекторы трафика. Труднодоступная информация о повседневном опыте людей, социальных условиях или планировке кварталов использовалась гораздо реже, хотя многие городские теории указывают на их ключевую важность. В результате возникает то, что авторы называют «данными-оппортунизмом», когда измеримое определяет вопросы, а не то, что действительно важно для жизни города.

Как гонка за ИИ ускоряет проблему

Анализ во времени показал смещение городского ИИ от аккуратных, проблемно-ориентированных экспериментов к стремительному «технологическому давлению». До 2008 года почти не было статей по градостроительству с упоминанием ИИ. После этого, а особенно после расцвета глубокого обучения, число работ с маркировкой «ИИ» взлетело: более 60 процентов публикаций появились после 2020 года. Новые инструменты, такие как модели, связывающие изображение и текст, и большие текстовые модели, появлялись в городских исследованиях в тот же год, когда были созданы. Такая скорость может выглядеть заманчиво, но она поощряет использование всего новейшего, даже если оно слабо подходит для задачи или закрывает глаза на социальные и экологические компромиссы.

Новый путеводитель по более умному и справедливому ИИ в городах

Чтобы восстановить связь ИИ с реальными городскими нуждами, авторы создали систему на основе большой языковой модели, которая действует как панель экспертных ассистентов. При получении описания городской проблемы — например пищевые отходы, тепловая нагрузка или риск бедствий — один агент сначала структурирует задачу. Другой ищет в банке из 46 классических городских теорий те, которые лучше всего описывают ситуацию. Третий подбирает подходящие методы ИИ, четвёртый предлагает необходимые источники данных, а пятый проверяет, насколько весь пакет надёжен и реалистичен. Тесты на конкретных кейсах показывают, что этот процесс отводит проекты от узких целей, например сокращения расходов на доставку или повышения точности прогнозов, в сторону более широких задач, учитывающих равенство, здоровье и климатические последствия.

Что это значит для будущего городского ИИ

Проще говоря, исследование утверждает, что начинать с вопроса «Что способен сделать этот алгоритм?» — неверно. Вместо этого планировщикам, инженерам и сообществам следует сначала спросить: «Что на самом деле требует эта городская проблема, чтобы сделать район более устойчивым и справедливым?» — и только затем выбирать ИИ‑инструменты, соответствующие этим потребностям и лучшим доступным городским теориям. Делая эти теории видимыми и пригодными для использования внутри рекомендательной системы ИИ, авторы показывают, как города могут применять современные вычисления, не теряя из виду человеческий опыт, общие пространства и долгосрочную устойчивость.

Цитирование: 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

Ключевые слова: городской ИИ, устойчивые города, градостроительство, мультиагентные системы, управление «умным» городом