Rehearsing Urban Futures: Generative Agents and Daily Life Narratives

शहरी नियोजन लंबे समय से दो अलग-अलग भाषाओं के बीच एक संवाद रहा है। एक तरफ, विशेषज्ञ तकनीकी मानचित्रों, ज़ोनिंग कोड और गणितीय मॉडलों में बात करते हैं जो यह अनुमान लगाते हैं कि एक शहर कैसे बढ़ सकता है। ये उपकरण गणना के लिए शक्तिशाली हैं, लेकिन इन्हें समझना आम लोगों के लिए अक्सर कठिन होता है। दूसरी ओर, निवासी अपने दैनिक जीवन की कहानियों में बात करते हैं: वह बस जिसका वे इंतज़ार करते हैं, वह छोटा रास्ता जो वे किराने की दुकान तक जाने के लिए लेते हैं, या वह डर जो उन्हें अंधेरी सड़क पर चलते समय महसूस होता है। जब ये दोनों समूह किसी सामुदायिक बैठक में मिलते हैं, तो तकनीकी उपकरण अक्सर चर्चा पर हावी हो जाते हैं, जिससे निवासी किसी बड़े बदलाव के बजाय टूटी हुई स्ट्रीटलाइट जैसी तत्काल, छोटी समस्याओं पर प्रतिक्रिया देने के लिए मजबूर हो जाते हैं। यह अंतर आवास, जलवायु और निष्पक्षता जैसे कई बड़े सवालों को चर्चा से बाहर छोड़ देता है। मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने इस अंतर को पाटने का एक नया तरीका विकसित किया है, जिसमें ऐसे कंप्यूटर प्रोग्राम का उपयोग किया गया है जो किसी व्यक्ति की कहानी को सुन सकते हैं और फिर उसे एक आभासी शहर में जीवंत कर सकते हैं, जिससे सभी लोग निर्माण से पहले भविष्य को देख और उस पर बहस कर सकें।

इस कार्य के पीछे का मूल विचार एक शहर के सिमुलेशन (अनुकरण) को केवल भविष्यवाणी के बजाय एक 'रिहर्सल' (अभ्यास) के स्थान में बदलना है। यह अनुमान लगाने के बजाय कि वास्तव में क्या होगा, यह प्रणाली एक ऐसा स्थान बनाती है जहाँ निवासी अपने विचारों का परीक्षण कर सकें और उनके परिणामों को देख सकें। शोधकर्ताओं ने इस प्रणाली के दो अलग-अलग संस्करण बनाए ताकि यह देखा जा सके कि लोग इनके साथ कैसे बातचीत करते हैं। पहला संस्करण, जिसे 'नेबरहुड प्लेटफॉर्म' कहा गया, सैन फ्रांसिस्को के 'इनर रिचमंड' जिले में स्थापित किया गया था। यहाँ, टीम ने स्थानीय निवासियों के वास्तविक साक्षात्कारों को लिया और उन्हें तीन विशिष्ट पात्रों में बदल दिया: एक शिक्षक, एक छोटा व्यवसायी और एक पुराने पड़ोसी। प्रत्येक पात्र की एक विशिष्ट दैनिक दिनचर्या थी जो शोधकर्ताओं को दी गई जानकारी पर आधारित थी। सिस्टम ने पड़ोस का एक डिजिटल मानचित्र बनाया और इसे इन पात्रों के साथ भर दिया, जिससे यह दिखाया गया कि वे सड़कों पर कैसे चलते हैं। इस इंस्टॉलेशन ने बड़ी स्क्रीन का उपयोग करके दो दृश्य अगल-बगल दिखाए: एक जो आज के पड़ोस को दिखाता है, और दूसरा जो यह दिखाता कि कैसा होगा यदि निवासियों की बेहतर परिवहन या अधिक दुकानों की इच्छाएँ पूरी की जातीं। इसने लोगों के समूहों को यह देखने की अनुमति दी कि सड़क के एक हिस्से में बदलाव कैसे दूसरे पड़ोसी के दैनिक जीवन को प्रभावित कर सकता है, जिससे इस बात की गहरी समझ विकसित हुई कि नीतियां विभिन्न लोगों को कैसे प्रभावित करती हैं।

दूसरा संस्करण, 'रेसिडेंट प्लेटफॉर्म', ने इस क्रम को उलट दिया। किसी और की कहानी पर आधारित पात्र को देखने के बजाय, उपयोगकर्ता स्वयं वह पात्र बन गया। एक निवासी ने कंप्यूटर के सामने बैठकर अपने आवागमन और दैनिक आदतों के बारे में सवालों के जवाब दिए, और सिस्टम ने उनका एक डिजिटल संस्करण बनाया, जिसे 'एजेंट' कहा गया। यह एजेंट केवल एक स्थिर चित्र नहीं था; यह एक प्रोग्राम था जो सोच और चल सकता था। उपयोगकर्ता फिर एजेंट की यात्रा को किसी भी बिंदु पर रोक सकता था और साधारण अंग्रेजी में एक सुझाव दे सकता था, जैसे "कारों को हटा दें" या "एक कैफे जोड़ें।" सिस्टम तुरंत उस सड़क के कोने की एक फोटो को संपादित कर देता ताकि बदलाव दिखाया जा सके और फिर देखता कि एजेंट ने उस पर कैसी प्रतिक्रिया दी। यदि नई सड़क अधिक सुरक्षित या सुखद दिखती, तो एजेंट सामान्य रास्ते के बजाय वहाँ से जाने का विकल्प चुन सकता था। उपयोगकर्ता एजेंट के तर्क को लिखित रूप में देख सकता था, जो यह समझाता था कि उसने वह चुनाव क्यों किया, और वह उस तर्क से सहमत हो सकता था या बहस कर सकता था। इस प्रक्रिया ने नियोजन सत्र को एक संवाद में बदल दिया जहाँ निवासी कंप्यूटर को उनकी जरूरतों को गलत समझने पर सुधार कर सकते थे।

यह कितनी अच्छी तरह काम करता है, इसका परीक्षण करने के लिए, शोधकर्ताओं ने सैन फ्रांसिस्को और बोस्टन में कार्यशालाओं के माध्यम से 'रेसिडेंट प्लेटफॉर्म' को तीस निवासियों के साथ साझा किया, जो अपने पड़ोस को अच्छी तरह जानते थे। उन्होंने पाया कि सबसे मूल्यवान क्षण तब होते थे जब कंप्यूटर कुछ गलत कर देता था। जब डिजिटल एजेंट एक ऐसा चुनाव करता था जिसे वास्तविक व्यक्ति असंभव या असुरक्षित जानता था, तो निवासी रुक जाता था और स्पष्ट करता था। उदाहरण के लिए, यदि एजेंट एक ऐसी सड़क पर चलता था जहाँ रोशनी कम थी, तो निवासी बताता था कि वह वहाँ कभी नहीं जाएगा क्योंकि अतीत में ऐसी कोई घटना हुई थी। यह सुधार शोधकर्ताओं को वह गहरा, सूक्ष्म ज्ञान प्रदान करता था जिसे एक साधारण सर्वेक्षण कभी नहीं पकड़ सकता था। अध्ययन ने दिखाया कि कंप्यूटर को उपयोगी होने के लिए पूरी तरह सटीक होने की आवश्यकता नहीं थी; इसे केवल इतना पर्याप्त होना चाहिए था कि वह एक प्रतिक्रिया पैदा कर सके। एजेंट ने निवासी की स्मृति और योजनाकार के मॉडल के बीच एक सेतु या एक साझा वस्तु के रूप में कार्य किया। यह एक ऐसा उपकरण था जिसके साथ बहस की जा सकती थी, जिसने सिस्टम को मानव के विशिष्ट अनुभव से सीखने के लिए मजबूर किया।

परिणाम बताते हैं कि यह दृष्टिकोण सार्वजनिक भागीदारी को एक निष्क्रिय शिकायत सत्र से एक सक्रिय डिजाइन प्रक्रिया में बदल सकता है। जब निवासियों ने अपने विचारों को विज़ुअलाइज़ होते और दूसरों की दैनिक दिनचर्या के विरुद्ध परीक्षण होते देखा, तो उनकी बातचीत एक बेंच जोड़ने जैसी छोटी चीजों से आगे बढ़ गई। वे जटिल, दीर्घकालिक भविष्य के बारे में चर्चा करने लगे, जैसे कि यदि कारों को पूरी तरह से हटा दिया जाए तो पड़ोस का क्या होगा। शोधकर्ताओं ने नोट किया कि हालांकि डिजिटल एजेंट इस बात को समझने में अच्छे थे कि लोगों को क्या पसंद है, लेकिन वे लोगों के व्यवहार की सटीक भविष्यवाणी करने में कम सक्षम थे, क्योंकि वे व्यक्तिगत विचित्रताओं के बजाय सामान्य धारणाओं पर निर्भर थे। हालाँकि, यह अपूर्णता प्रक्रिया का हिस्सा थी। सिस्टम को एक अंतिम निर्णय के बजाय एक 'ड्राफ्ट' (प्रारूप) के रूप में डिज़ाइन किया गया था, जो निवासियों को अपनी वास्तविकता को संपादित करने के लिए आमंत्रित करता था। सिमुलेशन को विशेषज्ञ ज्ञान के एक 'ब्लैक बॉक्स' के बजाय बहस के स्थान के रूप में बनाकर, इन उपकरणों ने निवासियों को अधिक शामिल और उन जटिल प्रणालियों को आकार देने में सक्षम महसूस कराया जो उनके शहरों को नियंत्रित करती हैं। यह कार्य निष्कर्ष निकालता है कि शहरी नियोजन का भविष्य अधिक सटीक भविष्यवाणियों में नहीं, बल्कि समुदायों द्वारा उस भविष्य को रिहर्स और परिष्कृत करने के बेहतर तरीकों में निहित है जिसमें वे रहना चाहते हैं।