Large language models perceive cities through a culturally uneven baseline

Resumen Técnico: Percepción Urbana en Modelos de Lenguaje Grande (LLMs)

1. El Problema

Los Modelos de Lenguaje Grande (LLMs) se utilizan cada vez más para describir, evaluar e interpretar lugares urbanos. Sin embargo, existe una incertidumbre crítica sobre si estas interpretaciones se realizan desde una perspectiva culturalmente neutral o si, por el contrario, heredan y reproducen sesgos de sus datos de entrenamiento y procesos de alineación.

• Brecha de conocimiento: Estudios anteriores sobre sesgo cultural en LLMs suelen ser puramente textuales y desconectados de estímulos espaciales concretos. Por otro lado, la investigación sobre percepción urbana con modelos generativos se centra en la precisión predictiva o la utilidad para la planificación, ignorando la organización cultural de la "línea base" perceptual.
• Hipótesis central: Los LLMs no perciben las ciudades desde una "nada" (un punto de vista universal); lo hacen a través de una línea base culturalmente desigual que define qué se considera ordinario, familiar y valioso, privilegiando implícitamente ciertas perspectivas (especialmente las occidentales) sobre otras.

2. Metodología

Los autores combinaron un pipeline global de imágenes de calle reconstruido con dos formatos de tarea complementarios para probar la percepción urbana en tres modelos de vanguardia: GPT-5.2, Claude Sonnet 4 y Gemini 2.5 Flash.

• Conjunto de Datos: Se seleccionó una muestra equilibrada de 3.000 imágenes de calle (street-view) de todo el mundo, estratificada por tipo de escena visual, tipo de lugar, país y proveedor de datos para evitar el colapso en un subconjunto estrecho de formas urbanas.
• Diseño Experimental:
  • Estudio 1 (Percepción Abierta): Generación de descripciones de texto libre. Cada imagen se evaluó bajo 8 condiciones de prompt: una línea base neutral y 7 contextos culturales meso-regionales (ej. Europa y Norteamérica, África Subsahariana, Asia Central y del Sur, etc.).
  • Estudio 2 (Percepción Estructurada): Evaluación de las mismas imágenes en 6 dimensiones explícitas: seguridad, vitalidad, riqueza, belleza, aburrimiento y depresión, utilizando escalas numéricas (0-100).
• Análisis y Comparación:
  • Se midió la distancia semántica (cosine distance) entre las respuestas neutrales y las condicionadas culturalmente.
  • Se calculó un Índice de Preferencia de Grupo Interno (IPI) basado en la polaridad del sentimiento para detectar si los prompts favorecían sus propias regiones.
  • Validación Humana: Se compararon los resultados con benchmarks humanos reales, específicamente pares texto-imagen de la plataforma Geograph (Reino Unido) y modelos de percepción humana basados en Place Pulse.

3. Contribuciones Clave

1. Desmitificación de la Neutralidad: Demostración empírica de que la condición "neutral" en los LLMs no es culturalmente invariante, sino que está sistemáticamente alineada con la perspectiva de Europa y Norteamérica (ENA).
2. Geometría del Sesgo: Identificación de que el sesgo no es solo un error aleatorio, sino una estructura organizada donde las identidades no occidentales se desplazan más lejos de la "neutralidad" tanto en el espacio semántico como en la evaluación afectiva.
3. Limitación del "Prompting Cultural": Evidencia de que, aunque ajustar el prompt para que sea culturalmente cercano mejora la alineación con descripciones humanas locales, no recupera la diversidad semántica humana ni elimina la tendencia a evaluaciones afectivamente elevadas (más positivas).
4. Asimetría en la Reproducción de Diferencias Grupales: Los LLMs pueden aproximar diferencias humanas basadas en género o edad, pero fallan sistemáticamente al reproducir diferencias estructuradas por país, especialmente cuando las diferencias humanas son grandes.

4. Resultados Principales

• Línea Base Desigual (Estudio 1):

  • Los prompts asociados a Europa y Norteamérica (ENA) fueron consistentemente los más cercanos a la condición neutral (distancia coseno media de 0.137), mientras que América Latina, el Caribe y Oceanía mostraron las mayores distancias.
  • Esto indica que la "neutralidad" del modelo está culturalmente localizada en el hemisferio norte occidental.
  • Preferencia de Grupo Interno: Se observó un sesgo afectivo donde ciertas identidades condicionadas (ej. Claude Sonnet 4) evaluaban las escenas de su propia región de manera significativamente más positiva que otras identidades.

• Compresión y Elevación Afectiva (Comparación Humana):

  • Aunque el prompting cultural acercó las descripciones del modelo a las humanas, los LLMs produjeron textos menos diversos (menor dispersión semántica y léxica) y más positivos en general que los humanos.
  • Los humanos mostraron una heterogeneidad mucho mayor; los modelos tienden a "aplanar" la diversidad interna de los grupos.

• Juicios Estructurados (Estudio 2):

  • El patrón de sesgo cultural se repitió en las puntuaciones numéricas. Los cambios inducidos por la identidad cultural fueron más grandes para las dimensiones de riqueza y seguridad (especialmente en África Subsahariana bajo prompts no occidentales) y más estables para la belleza.
  • La alineación con modelos de percepción humana existentes (Place Pulse) fue moderada (correlaciones de 0.59 para belleza, 0.50 para riqueza), pero la capacidad de replicar el ordenamiento de diferencias entre subgrupos humanos (especialmente por país) fue muy baja (tasas de divergencia de 0.23 a 0.40).

5. Significado e Implicaciones

• Para la Analítica Urbana y la Planificación: El uso de LLMs como "intérpretes generales" de lugares conlleva el riesgo de que las salidas parciales culturalmente se malinterpreten como descripciones objetivas y neutrales. Esto es especialmente peligroso en aplicaciones transnacionales donde la distancia entre el contexto de despliegue y la línea base latente del modelo es mayor.
• Reconocimiento de la Tecnología Cultural: Los LLMs no son motores de inferencia neutrales, sino tecnologías culturales y sociales que importan marcos de referencia históricamente desiguales a su uso downstream.
• Limitaciones del Prompting: Simplemente pedir al modelo que "actúe como un local" no equivale a una percepción local genuina ni recupera la complejidad humana. La alineación contextual mejora la precisión, pero no la diversidad ni la equidad estructural.
• Futuro: Se requiere una calificación explícita de los sesgos culturales en las herramientas de IA para la planificación urbana y el diseño asistido por IA, reconociendo que la "neutralidad" es un constructo que debe ser auditado, no asumido.

En conclusión, el estudio demuestra que los LLMs perciben las ciudades a través de priors culturalmente organizados que son visibles independientemente del formato de la tarea (texto libre o puntuación estructurada), desafiando la noción de que la inteligencia artificial puede ofrecer una visión universal y objetiva del entorno urbano.