A planificación e xestión urbana é complicada, porque é necesario prever, analizar e dar solución a innumerables interaccións de gran complexidade. Por iso, é razoable esperar importantes avances froito da análise dos datos que as cidades abren cada vez con máis frecuencia sobre mobilidade , consumo de enerxía , climatoloxía e contaminación, planificación e uso do chan, etc. As novas técnicas e ferramentas que nos proporciona a intelixencia artificial generativa combinada, por exemplo, con os axentes intelixentes permitirán unha interpretación e simulación máis profundas das dinámicas urbanas .
Neste sentido, esta nova combinación de tecnoloxías podería ser utilizada por exemplo para deseñar cidades máis eficientes, sustentables e habitables, anticipando as necesidades futuras da poboación e adaptándose dinamicamente aos cambios en tempo real. Así, os novos modelos urbanos intelixentes utilizaríanse para optimizar desde o fluxo do tráfico, ata a distribución dos recursos, grazas á simulación do comportamento a través de axentes intelixentes.
Urbanist.ai é un dos primeiros exemplos de plataforma avanzada de análise urbana, baseada en intelixencia artificial generativa, que pretende transformar a forma en que se conciben actualmente as tarefas de planificación urbana. Os servizos que prové actualmente xa permiten a transformación participativa de espazos urbanos a partir de imaxes, pero a súa ambición vai máis aló e prevén incorporar novas técnicas que redefinan a forma na que se planifican as cidades. Existe mesmo unha versión de UrbanistAI pensada para que os nenos poidan introducirse no mundo da planificación urbana.
Se imos un paso máis aló, a xeración de modelos de cidades en tres dimensións é algo que ferramentas como InfiniCity xa puxeron a disposición dos usuarios. Aínda que aínda hai moitos retos que resolver, os resultados son francamente prometedores. Grazas estas tecnoloxías poderíase abaratar substancialmente a xeración de xemelgos dixitais nos que realizar simulacións que anticipen problemas antes da súa construción.
Datos dispoñibles
Con todo, como ocorre con outros avances baseados en IA Generativa, estas cuestións non serían posibles sen os datos e, moi especialmente, sen os datos abertos. Todos os novos avances en IA usan unha combinación de datos privados e públicos no seu adestramento, pero en poucos casos sábese con certeza cal é o dataset de adestramento, xa que non se fai público. Os datos poden provir dunha gran variedade de fontes, como sensores IoT, rexistros gobernamentais ou sistemas de transporte público, e son a base para proporcionar unha visión integral de como funcionan as cidades e como interactúan os seus habitantes coa contorna urbana.
A crecente importancia dos datos abertos para o adestramento destes modelos reflíctese en iniciativas como o Grupo de Traballo sobre activos de datos de IA e Goberno Aberto, posto en marcha polo Departamento de Comercio dos Estados Unidos, e que se encargará de preparar os datos públicos abertos para a Intelixencia Artificial . Isto significa que non só teñan formatos legibles por máquinas, senón que tamén conten con metadatos que sexan comprensibles por máquinas. Con os datos abertos enriquecidos por metadatos e organizados en formatos interpretables, podería conseguirse que os modelos de intelixencia artificial arroxasen resultados moito máis precisos
Unha fonte de datos básica e de longa traxectoria é OpenStreetmap (OSM) , un proxecto colaborativo que pon a disposición da comunidade un mapa libre e editable con datos xeográficos abertos a nivel global. Inclúe información detallada sobre rúas, prazas, parques, edificios, etc. que resulta crucial como base para a análise da mobilidade urbana, a planificación do transporte ou a xestión de infraestruturas. O inmenso custo de elaborar un recurso destas características só está ao alcance das grandes compañías de tecnoloxía, polo que o seu valor é incalculable para todas as iniciativas que o utilizan como base.
Outros conxuntos de datos máis específicos como HoliCity , un activo de datos 3D con información estrutural rica, que inclúe 6.300 vistas do mundo real, están a demostrar un gran valor. Por exemplo, un recente traballo científico baseado neste conxunto de datos demostrou que é posible que un modelo alimentado con millóns de imaxes de rúas poida predicir características dunha veciñanza, como poden ser o valor das vivendas ou as taxas de criminalidade.
Nesta liña, Microsoft liberou unha extensa colección de contornos de edificios xerados automaticamente a partir de imaxes de satélite, cubrindo gran cantidade de países e rexións.
Os Microsoft Building Footprints proporcionan unha base detallada para o modelado 3D de cidades, análises de densidade urbana, planificación de infraestruturas e xestión de riscos naturais, que ofrecen unha visión precisa da estrutura física das cidades.
Tamén dispomos de Urban Atlas , unha iniciativa que ofrece un acceso gratuíto e aberto a información detallada de uso e cobertura do chan para máis de 788 Áreas Urbanas Funcionais en Europa. Forma parte do programa Copernicus Land Monitoring Service , e proporciona unha perspectiva moi valiosa sobre a distribución espacial das características urbanas, incluíndo áreas residenciais, comerciais, industriais, áreas verdes e corpos de auga, mapas de árbores nas rúas, medicións da altura dos bloques de edificios e, mesmo, estimacións de poboación.
Riscos e consideracións éticas
Con todo, non debemos perder de vista os riscos que supón, do mesmo xeito que noutros dominios, a incorporación de intelixencia artificial á planificación e xestión das cidades, tal e como se analiza no informe de Nacións Unidas sobre “ Riscos, Aplicacións e Goberno da IA para as cidades . Por exemplo, as preocupacións sobre a privacidade e a seguridade da información persoal que expón a recompilación masiva de datos, ou o risco de rumbos algorítmicos que poden profundar nas desigualdades xa existentes. Por iso, resulta fundamental garantir que a recompilación e o uso de datos realícense de maneira ética e transparente, cun enfoque na equidade e a inclusión.
É por iso polo que, a medida que o deseño de cidades avanza na adopción da intelixencia artificial, o diálogo e a colaboración entre tecnólogos, planificadores urbanos, lexisladores e a sociedade en xeral será clave para asegurar que o desenvolvemento de cidades intelixentes alíñase cos valores de sustentabilidade, equidade e inclusión. Só así poderemos garantir que as cidades do futuro non só sexan máis eficientes e tecnoloxicamente avanzadas, senón tamén máis humanas e acolledoras para todos os seus habitantes.
