💬 NLP

Mapping the City Through the Lens of Language Models

Este artículo rastrea empíricamente cómo los modelos de lenguaje asumen implícitamente una ciudad "ordinaria" al calificar perfiles urbanos anonimizados a través de 40 indicadores, revelando un sesgo compartido hacia formas urbanas más grandes, de crecimiento más rápido y con mayor densidad de infraestructura, donde la tipicidad y la deseabilidad a menudo coinciden.

Autores originales: Wanqi Liu, Rong Zhao, Zhizhou Sha, Qinyu Cui, Yecheng Zhang

Publicado 2026-08-05

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Wanqi Liu, Rong Zhao, Zhizhou Sha, Qinyu Cui, Yecheng Zhang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás entrando en una biblioteca gigante e invisible donde los libros han sido escritos por un robot superinteligente que ha leído casi todo en internet. Este robot es un "modelo de lenguaje", un tipo de IA que predice qué palabras siguen en una oración. Pero aquí está la parte complicada: a veces, las personas hacen preguntas vagas como: "Háblame de una ciudad". El robot no sabe qué ciudad te refieres. ¿Es una pequeña aldea en las montañas? ¿Una metrópolis que se extiende por el desierto? ¿Un pueblo histórico europeo? Para responder, el robot tiene que hacer una suposición basada en lo que ha aprendido. Saca una ciudad "por defecto" de su sombrero digital. La gran pregunta es: ¿cómo es realmente esa ciudad por defecto? ¿El robot imagina una ciudad que se parece a Nueva York, o quizás una que se parece a un pueblo de dibujos animados genérico? Esto importa porque si la ciudad "promedio" del robot es errónea, podría dar malos consejos a arquitectos, planificadores o a cualquiera que intente entender cómo funciona nuestro mundo. Es como si un chef que nunca ha probado una pizza real decidiera que la "pizza perfecta" es solo un plato de queso y pan, ignorando la salsa y la corteza.

Este artículo es como una historia de detectives donde los autores intentan averiguar exactamente qué aspecto tiene esa "ciudad por defecto" dentro del cerebro del robot, sin nombrar nunca un lugar real. No le preguntaron al robot: "¿Qué es una ciudad típica?", porque eso solo obtendría una respuesta desordenada y poética llena de las palabras favoritas del robot. En su lugar, jugaron un juego ingenioso. Tomaron datos reales de miles de ciudades reales de todo el mundo —cosas como su tamaño, cuánta gente vive allí, cuántas carreteras tienen y qué tan verdes son— pero eliminaron todos los nombres y ubicaciones de los datos. Convirtieron estas ciudades reales en "perfiles" anónimos, como tarjetas de identidad con números pero sin nombres. Luego, mostraron estas tarjetas de identidad a diez versiones diferentes de modelos de lenguaje y les preguntaron: "En una escala del 1 al 7, ¿cuánto se parece esto a una 'ciudad' para ti?".

Los resultados fueron fascinantes. Los robots no eligieron una ciudad al azar. Calificaron consistentemente ciertos tipos de ciudades como las "más típicas". La "Ciudad por Defecto" en la mente del robot es sorprendentemente específica. Es un lugar con mucha gente (alrededor de 0.5 millones), un área enorme de edificios (alrededor de 21 kilómetros cuadrados) y muchas carreteras pavimentadas e infraestructura. No es un pueblo tranquilo y disperso; es un lugar bullicioso, denso y en crecimiento. De hecho, el robot piensa que una ciudad "típica" es mucho más grande y desarrollada que el promedio de las ciudades de la Tierra. De hecho, la mayoría de las ciudades reales que encajan con esta descripción están en Europa y América del Norte, mientras que muchas ciudades en África y partes de Asia fueron calificadas como "menos típicas" por los robots, simplemente porque son más pequeñas o crecen de formas diferentes.

Los autores también descubrieron que la idea de los robots sobre una ciudad "típica" está estrechamente ligada a lo que ellos consideran una ciudad "deseable". Si una ciudad se parece a la versión ideal del robot, el robot también piensa que es un buen lugar para vivir. Esto sugiere que el robot no solo está describiendo lo que existe; está describiendo lo que quiere que exista. Sin embargo, el estudio es cuidadoso al decir que esto no es un mapa perfecto de la realidad. Los robots tienen un sesgo hacia los lugares grandes, modernos y desarrollados porque es lo que más han visto en sus datos de entrenamiento. Cuando los investigadores ajustaron el tamaño y el nivel de desarrollo de las ciudades, las diferencias regionales se redujeron, pero la idea central permaneció: la "ciudad promedio" del robot es un centro urbano grande, de rápido crecimiento y bien conectado.

Al final, el artículo nos muestra que cuando le preguntamos a una IA sobre "una ciudad", no estamos obteniendo un hecho neutral. Estamos recibiendo un reflejo de los propios sesgos y experiencias del robot. La "Ciudad por Defecto" es un espejo, que nos muestra que estas poderosas herramientas tienden a imaginar el mundo como una colección de centros grandes, modernos y desarrollados, pasando por alto a menudo la diversidad de las ciudades más pequeñas o que crecen de manera diferente que conforman el resto de nuestro planeta. Es un recordatorio de que, incluso en la era digital, nuestras herramientas tienen una perspectiva, y nos corresponde a nosotros asegurarnos de que esa perspectiva incluya a todos.

Resumen Técnico: Mapeando la Ciudad a través del Lente de los Modelos de Lenguaje

Planteamiento del Problema
Los modelos de lenguaje (LM) resuelven frecuentemente consultas subespecificadas sobre "una ciudad" recurriendo a supuestos no declarados respecto a la escala urbana, la forma, la infraestructura y la función. Las evaluaciones geográficas existentes se centran en el conocimiento fáctico, el rendimiento de tareas o las disparidades asociadas con ubicaciones con nombre, pero no logran identificar el "perfil urbano" específico que los modelos consideran central cuando la identidad del lugar está ausente. Un prompt de generación directa (p. ej., "describe una ciudad típica") es insuficiente, ya que confunde la centralidad de la categoría con el estilo lingüístico, la familiaridad cultural y los ideales normativos. Este artículo aborda la necesidad de trazar empíricamente la "Ciudad por Defecto": el ranking conductual de perfiles urbanos anónimos que los modelos privilegian implícitamente como el prototipo de la categoría.

Metodología
El estudio emplea un marco riguroso y auditable para medir el comportamiento de los modelos a través de 40 dimensiones morfológicas y funcionales de centros urbanos reales, evitando ubicaciones con nombre para prevenir el sesgo hacia ciudades específicas.

Base de Datos: Los autores utilizan la base de datos de Centros Urbanos GHS (R2024A), armonizando 11,377 centros morfológicos controlados por calidad. Una muestra de probabilidad estratificada de 2,000 perfiles sirve como marco primario, con una muestra disjunta de 512 perfiles para la replicación. Estos perfiles se mapean en siete dominios conceptuales: Escala/Extensión/Cambio, Forma Construida/Uso de Suelo, Redes/Movilidad/Infraestructura, Ecología/Medio Ambiente, Población/Vivienda/Vida Pública, Economía/Función/Centralidad, y Cultura/Instituciones/Identidad.
Elicitación de Comportamiento: Diez puntos de control (checkpoints) de modelos de lenguaje de pesos abiertos (que oscilan entre 7B y 14B de parámetros, incluyendo Qwen, Gemma, Llama, Mistral y otros) califican la tipicidad de cada perfil. En lugar de una generación abierta, los modelos proporcionan probabilidades de siguiente token restringidas para una escala de calificación de 1 a 7. La calificación se calcula como una suma ponderada por probabilidad: $r = \sum k \cdot p(k)$ .
Fiabilidad y Agregación: El marco implementa estrictos controles de fiabilidad, incluyendo el acuerdo de orden de campo, la dispersión de respuestas y verificaciones de acuerdo de forma reducida. Los modelos se agrupan por linaje para crear componentes de dependencia. La agregación implica la medianización de valores dentro de los componentes y luego a través de los componentes para derivar un consenso equilibrado por dependencia.
Objetivos de Análisis: El estudio evalúa tres estimandos: tipicidad por conteo de ciudades, tipicidad ponderada por residentes y tipicidad equilibrada por región. Además, compara los juicios marginales indicador por indicador frente a las calificaciones directas de perfiles de 40 indicadores completos para probar la coherencia conductual.

Contribuciones Clave

Formulación Condicional a la Población: El artículo define la "centralidad de la categoría geográfica" no como un hecho estático, sino como un ranking conductual condicional al modelo, la tarea de elicitación y la población de referencia.
Marco Multidimensional Auditable: Introduce una metodología que combina juicios probabilísticos, seguimiento de procedencia, diagnósticos de fiabilidad, agregación consciente de la dependencia y replicación independiente para medir sesgos urbanos latentes sin depender de entidades con nombre.
Caracterización Conductual Global: Proporciona la primera delineación empírica del retrato de la "Ciudad por Defecto" a través de un conjunto diverso de modelos de pesos abiertos, yendo más allá de los sesgos específicos de tareas hacia juicios multidimensionales de la forma urbana.

Resultados

El Retrato de la Ciudad por Defeto: El análisis revela un núcleo recurrente de "escala–crecimiento–infraestructura". La ciudad típica favorecida por estos modelos se caracteriza por un área desarrollada mayor (aprox. 21 km²), un crecimiento poblacional reciente más rápido, mayor infraestructura mapeada, mayor capacidad no residencial y una forma menos dispersa. Estos perfiles caen consistentemente en los percentiles 81–90 de sus respectivas distribuciones globales.
Afinidad Geográfica: La afinidad no ajustada es más alta para ciudades en Europa y América del Norte y más baja para África Subsahariana y Asia Central/del Sur. Sin embargo, este sesgo geográfico es impulsado en gran medida por la escala y la composición del desarrollo; al ajustar por población, superficie construida, densidad y HDI subnacional, las disparidades regionales se reducen significamente, aunque persiste un sesgo positivo residual hacia Europa.
Consistencia y Variación de los Modelos: Mientras que nueve de los diez puntos de control forman una banda de acuerdo relativamente compacta (divergencia de la mediana 11.1–16.1%), DeepSeek-R1 muestra una divergencia distinta. El acuerdo es más fuerte para la capacidad no residencial, la extensión construida y la infraestructura, pero más débil para las visiones de tipos de edificios y la geometría de la huella.
Convergencia y Deseabilidad: Los juicios marginales (por indicador) muestran un acuerdo moderado con las calificaciones directas de perfiles conjuntos ( $\rho \approx 0.50$ ), lo que sugiere coherencia conductual. Además, donde se midió de forma fiable, la tipicidad y la deseabilidad están estrechamente alineadas ( $\rho \approx 0.985$ ), indicando que los modelos a menudo equiparan lo que es "típico" con lo que es "deseable".

Significancia
El artículo afirma hacer que la noción vaga de lo que los modelos consideran una "ciudad ordinaria" sea empíricamente trazable. Al delinear un retrato compartido pero dependiente del modelo, el marco expone los supuestos implícitos que los modelos de lenguaje mantienen sobre los entornos urbanos. Los autores enfatizan que estos puntajes están destinados a fines de investigación y auditoría; debido a que la tipicidad puede naturalizar las normas de planificación, los resultados no deben usarse directamente para aplicaciones de planificación sin evidencia humana y local. El estudio establece que, si bien los modelos comparten un sesgo central hacia ciudades más grandes, en crecimiento y con mejor infraestructura, esta "Ciudad por Defecto" es una construcción conductual contingente a la distribución de entrenamiento del modelo y la población de referencia utilizada para la evaluación.

Más como este