Quando l’urbanistica incontra l’intelligenza artificiale: progresso o illusione?9 min read
Reading Time: 7 minutesL’intelligenza artificiale ha travolto la nostra esperienza digitale: dal rilascio di ChatGPT nel novembre 2022 a oggi, le varie tecnologie che chiamiamo genericamente AI hanno invaso motori di ricerca, siti web con chatbot, sistemi operativi, software di ogni tipo. In particolare, l’utilizzo sempre più semplice e pervasivo delle AI generative ha iniziato a destare preoccupazione, risvegliando l’eterna domanda sulle macchine che soppiantano il lavoro umano.
Anche l’urbanistica, come altre discipline, si confronta con questo processo evolutivo tecnologico, ed esiste già un dibattito vivace e articolato sul tema, grazie soprattutto allo sviluppo dei digital twin e della loro implementazione tramite i processi di raccolta dati con sensori intelligenti. Queste tecnologie sono già integrate nei processi di pianificazione e offrono soluzioni innovative per affrontare sfide complesse, generando però questioni etiche e metodologiche.
AI in pratica: strumenti e applicazioni per le città
Prima di approfondire il tema, è opportuno fare un breve ripasso lessicale. Con AI si intende artificial intelligence o intelligenza artificiale, e descrive la capacità delle macchine di simulare l’intelligenza umana, eseguendo compiti quali l’apprendimento, la risoluzione dei problemi, la percezione e la comprensione del linguaggio. Impropriamente, chiamiamo intelligenza artificiale le AI generative, ovvero quelle che hanno lo scopo di creare testi, immagini, audio, video, contenuti su richiesta dell’utente tramite comando vocale o di testo: la già citata ChatGPT, Gemini, Midjourney e affini. Le richieste in linguaggio naturale inviate a questi modelli per ricevere risposta si chiamano prompt. Con machine learning invece si intende un sottoinsieme dell’intelligenza artificiale che permette ai sistemi informatici di imparare da dati ed esperienze, migliorando le proprie prestazioni nel tempo senza essere esplicitamente programmati. Invece di istruzioni dettagliate, i modelli di machine learning utilizzano algoritmi per identificare pattern e fare previsioni o decisioni basate sui dati che vengono forniti.
In urbanistica, l’applicazione più potente delle intelligenze artificiali si trova nei digital twin o gemelli digitali. Un digital twin è una rappresentazione di una città o di un sistema territoriale, in cui la riproduzione dell’immagine della città e dei suoi elementi fisici è arricchita da dati sulle prestazioni ambientali, sull’assetto socio-economico, sulla mobilità urbana, su tutti gli aspetti rilevabili e rilevanti per descrivere un territorio. Alla base del digital twin c’è un modello 3D, ma soprattutto un sistema di monitoraggio e raccolta dati reso possibile tramite l’Internet of Things. Con IoT – Internet of Things si intende la rete di dispositivi fisici dotati di sensori, software e connettività di rete, che consente loro di raccogliere e scambiare dati. Viviamo circondati da tanti piccoli e grandi oggetti che registrano, misurano, pesano, contano quello che facciamo, e collezionano enormi quantità di dati, che vengono chiamati appunto big data. L’integrazione di queste banche dati nei modelli tridimensionali digitali permette di simulare modifiche all’assetto urbano che tengono conto delle variazioni di strade e di edifici, degli effetti sul microclima dovuti all’introduzione di soluzioni naturali, ma anche delle modifiche di flussi di traffico e di persone, permettendo anche di comparare diversi scenari. L’implementazione nei modelli di strumenti di intelligenza artificiale velocizza e potenzia queste simulazioni, rendendo i digital twin dei veri e propri laboratori di sperimentazione urbanistica. L’intelligenza artificiale non viene quindi usata in urbanistica come uno strumento generativo di soluzioni, ma come un acceleratore nella realizzazione di scenari e simulazioni, permettendo di elaborare più possibili soluzioni in meno tempo, e facilitare una decisione sulla base di dati più accurati.
I digital twin con AI implementata permettono quindi una più approfondita pianificazione urbana e dei trasporti, grazie alla mappatura precisa della situazione attuale e alla possibilità di prevedere e comprendere quali impatti avranno le scelte progettuali su traffico, trasporto pubblico, logistica. Grazie a questi modelli è possibile stimare con più precisione le vulnerabilità agli eventi calamitosi, gli effetti di possibili eventi catastrofici e studiare soluzioni di mitigazione e adattamento più efficaci, per rendere la città sempre più sicura e resiliente. I big data provenienti da varie misurazioni inoltre permettono di valutare non solo un possibile evento calamitoso, ma anche il sommarsi di più eventi e di conseguenza modellare una risposta più complessa. Ad esempio, le ondate di calore che sempre più spesso investono le nostre città possono essere ricreate in un digital twin: grazie ai dati raccolti dalle stazioni meteo e dai sensori di rilevamento della temperatura, è possibile creare una mappa dettagliata delle zone più calde, possono essere inserite nella simulazione misure di compensazione come una maggiore copertura arborea e conseguentemente stimati i miglioramenti sul microclima. Un altro ambito di applicazione è il miglioramento della sicurezza cittadina: grazie a metriche specifiche su criminalità e micro criminalità, un modello digitale integrato permette di studiare possibili interventi simulandone gli effetti.
Gemelli digitali in giro per il mondo
Tante città, in tutto il mondo, si sono dotate o si stanno dotando di gemelli digitali, ma il più facilmente accessibile è quello di Helsinki. La città si è dotata di uno Smart City Digital Twin, una replica digitale del tessuto urbano che sfrutta l’AI e le simulazioni 3D per supportare decisioni strategiche relative alla pianificazione urbana, simulare gli impatti delle politiche urbane e offrire ai cittadini una piattaforma per esplorare il modello, proporre idee e dare feedback. Il modello infatti è visibile e consultabile sul sito istituzionale, in finlandese e in inglese.
In Italia, grazie ai fondi europei come il PON Metro e il PNRR, molte città hanno sviluppato o stanno sviluppando digital twin di varia complessità, integrando rilievi accurati dello stato attuale a informazioni in tempo reale provenienti dai sistemi IoT. Brescia, Bologna, Genova, Milano, Perugia, Matera, Roma, Firenze, Modena sono solo alcune di quelle che hanno avviato o completato il progetto del gemello digitale. Tuttavia, navigare e interrogare questi strumenti non è ancora così semplice, soprattutto se si esce dall’ottica della pura esperienza virtuale. Molti dei modelli digitali esistenti sono stati infatti progettati e realizzati per aumentare la visibilità territoriale in ottica turistica, quindi con modelli tridimensionali navigabili di borghi, spiagge, musei, passeggiate. L’Associazione Digital Twins Italia raccoglie sul proprio sito una miscellanea di questa tipologia di modelli, interessanti dal punto di vista della realizzazione e della facilità di fruizione, ma molto distanti da quello che può essere un digital twin applicato all’urbanistica, e i gemelli digitali appositamente strutturati per la simulazione di scenari pianificatori non sono ancora facilmente consultabili per la cittadinanza.
È tutto AI quel che luccica?
Come tutte le tecnologie, l’uso dell’intelligenza artificiale in urbanistica non è aprioristicamente giusta o sbagliata. Vi sono delle perplessità, da parte di studiosi e progettisti, poiché non è ancora chiaro fino a che punto l’AI possa modellare in maniera efficace i processi di elaborazione dei big data per migliorare le prestazioni ambientali delle città, senza sostituirsi al decisore tecnico e politico. La tentazione di affidare all’intelligenza artificiale le scelte deve essere efficacemente contrastata dando valore all’autonomia decisionale di chi esamina i risultati emersi dalle elaborazioni dei digital twin. È quindi necessario ridare importanza al momento della decisione rispetto a quello dell’elaborazione, basando le scelte non solo sulla tecnica, ma anche sulla visione di città che la politica deve portare avanti.
Una delle criticità che vengono evidenziate nell’utilizzo dei digital twin con implementazioni AI è il costo. La realizzazione di un modello 3D dinamico, con l’integrazione di flussi continui di dati da IoT e di conseguenza l’aggiornamento continuo del modello, l’utilizzo stesso dell’AI per elaborare i dati: sono operazioni molto costose sia in termini di esecuzione, sia energetici, sia economici per i bilanci delle amministrazioni. Tuttavia, considerata la complessità che hanno raggiunto gli ecosistemi urbani delle grandi città, il costo delle scelte sbagliate di pianificazione potrebbe essere addirittura superiore, se quantificato in termini di qualità della vita degli abitanti, inquinamento, tempo perso negli spostamenti.
L’investimento per un modello digitale a scopo pianificatorio rimane comunque possibile solo per grandi città e territori metropolitani, con conseguente aumento della disparità di risorse e possibilità tra territori centrali e Aree Interne. I territori periferici, infatti, difficilmente avranno le risorse per elaborare digital twin e altri strumenti di pianificazione sofisticata, aumentando un divario tecnologico, pianificatorio e sociale che già sembra inarrestabile.
L’implementazione efficace tramite l’Internet of Things solleva un’altra questione importante, legata alla tutela della privacy delle persone. I dispositivo IoT raccolgono e trasmettono grandi quantità di dati, spesso personali e sensibili, legati ad esempio alla posizione e alle attività, esponendo gli utenti a rischi di sicurezza. Questi dati, se intercettati, potrebbero essere utilizzati per attacchi informatici di varia natura. La raccolta e l’uso dei dati devono quindi essere regolati, scoraggiandone l’uso improprio. È importante interrogarsi anche sull’uso di tali dispositivi, poiché il rischio di abusarne e trasformarli in un monitoraggio continuo e invasivo dell’utenza potrebbe limitare la libertà e l’autonomia delle persone. Risulta inoltre essenziale l’adeguata protezione dei sistemi IoT da parte di soggetti non autorizzati e attacchi hacker tramite applicazione di protocolli stringenti di cybersecurity.
Un altro aspetto interessante riguarda la disponibilità del codice dell’intelligenza artificiale. Come un qualsiasi altro software, anche gli strumenti di intelligenza artificiale funzionano tramite una serie di istruzioni scritte in linguaggio di programmazione. Se il codice dell’AI in uso in un digital twin non è open source, ovvero non è visibile e modificabile, non è possibile controllare il materiale e il modello di apprendimento dell’intelligenza artificiale. Può sembrare un problema minore, ma la mancanza di controllo sul modello di apprendimento genera un’influenza di quest’ultimo molto elevata sui risultati: chi utilizza quell’AI deve fidarsi ciecamente dell’accuratezza e della qualità dei dati su cui è stata sviluppata, e quindi deve anche fidarsi dei risultati senza poter verificare.
L’aspetto cruciale della tecnologia dei digital twin con implementazione di intelligenza artificiale però è l’integrazione tra le fonti e il modello di utilizzo. In questo momento, dove la tecnologia si sta affermando, ma ancora non esiste un flusso di lavoro riconosciuto come standard, stanno emergendo differenti logiche e principi di utilizzo: da un lato, un modello estrattivista delle intelligenze artificiali applicato all’urbanistica, dall’altro una spinta ad un uso più aperto e partecipato possibile. La sfida in questo momento è rappresentata dalla creazione di un modello di elaborazione che sia giusto, equo e che punti al miglioramento della qualità della vita delle persone. Incoraggiare quindi ad un uso etico e partecipativo dell’intelligenza artificiale e dei digital twin permetterebbe di includere le voci delle comunità che vivono in un luogo, andando a bilanciare strutture di governo dall’alto, che invece un modello basato sul solo uso di dati “freddi”, provenienti da sensori e modelli, incentiverebbe.
I digital twin nascono in un contesto manifatturiero e industriale, dove i modelli digitali vengono creati per sperimentare e potenziare macchine e ingranaggi. Le città però non sono macchine, e provare a pianificarle come se lo fossero ha già dimostrato di essere fallimentare. Le simulazioni dei digital twin, i modelli, le sperimentazioni non possono prescindere dall’approccio partecipativo, in modo che più fonti di dati, sia quantitativi da IoT che qualitativi dalle esperienze umane, possano aiutare i processi decisionali e costruire finalmente città per tutte le persone, di tutte le persone.
