L’intelligenza artificiale sta modificando non solo i nostri comportamenti di mobilità, ma anche la struttura e le dinamiche delle città. Il sistema complesso che emerge dall’interazione tra algoritmi, persone e spazio urbano rivela come la distribuzione delle visite e la polarizzazione dei luoghi incidano sulle trasformazioni urbane. È quanto emerge da una ricerca condotta dall’Istituto di scienza e tecnologie dell’informazione ‘A. Faedo’ del Consiglio nazionale delle ricerche di Pisa (Cnr-Isti), in collaborazione con l’Istituto di calcolo e reti ad alte prestazioni del Cnr di Palermo (Cnr-Icar) e la Scuola Normale Superiore di Pisa. Lo studio è stato pubblicato sulla rivista Machine Learning.
“Questo è il primo studio che modella in modo esplicito il feedback loop nel contesto urbano, cioè il ciclo di influenza reciproca tra sistemi di raccomandazione (recommender systems alla base di piattaforme online come Google Maps, Trip Advisor, Yelp o TheFork) e comportamenti umani, evidenziando come i ‘consigli’ delle app – cioè appunto le ‘raccomandazioni’-, le scelte individuali e le trasformazioni urbane siano strettamente interconnesse”, afferma Luca Pappalardo, del Cnr-Isti. “L’obiettivo della ricerca non è misurare ‘quanto è accurato il sistema di raccomandazione’, ma capire che tipo di città produce nel medio e lungo periodo. Abbiamo studiato come le scelte guidate dagli algoritmi ridefiniscono luoghi, interazioni sociali e opportunità spaziali: in altre parole, come cambiano i flussi urbani”.
Da un lato, i sistemi di raccomandazione possono aumentare la varietà dei luoghi frequentati da ciascun individuo, invitando le persone a scoprire posti nuovi. Dall’altro, però, sul piano collettivo tendono a concentrare il traffico su un numero ridotto di luoghi popolari, rafforzando le disuguaglianze tra le diverse aree urbane.
Per esplorare questi effetti, i ricercatori hanno sviluppato un simulatore in grado di modellare il ciclo umano-IA nel contesto urbano: suggerimento, decisione, dato, adattamento. “Studiamo l’effetto dei location-based recommenders, algoritmi che suggeriscono dove andare in base alle abitudini degli utenti, osservando non solo le scelte individuali, ma anche le dinamiche collettive che ne derivano, come la concentrazione delle visite o la polarizzazione dei luoghi”, spiega Giovanni Mauro della Scuola Normale. “È una prospettiva nuova nel campo dei recommender systems”.
“La portata del lavoro è anche strategica e culturale. A nostra conoscenza, è il primo studio urbano in cui il feedback loop è esplicitamente modellato”, conclude Marco Minici del Cnr-Icar. “È un cambio di paradigma: non valutiamo più l’algoritmo in astratto, ma come attore urbano. Il futuro dell’IA nelle città richiede consapevolezza civica: progettare algoritmi che non ottimizzino solo il singolo, ma anche l’equità spaziale, l’accessibilità e la salute sociale delle città”.
Il gruppo di ricerca auspica che questi strumenti di simulazione possano diventare un supporto per le amministrazioni pubbliche, aiutandole a comprendere e governare l’impatto delle tecnologie digitali sulla vita urbana.
