Rehearsing Urban Futures: Generative Agents and Daily Life Narratives

La pianificazione urbana è da tempo un dialogo tra due linguaggi differenti. Da una parte, gli esperti parlano con mappe tecniche, codici di zonizzazione e modelli matematici che prevedono come una città potrebbe crescere. Questi strumenti sono potenti per il calcolo, ma sono spesso difficili da leggere o comprendere per le persone comuni. Dall'altro lato, i residenti parlano attraverso storie della loro vita quotidiana: l'autobus per cui aspettano, la scorciatoia che prendono per andare al supermercato o la paura che provano camminando in una strada buia. Quando questi due gruppi si incontrano in una riunione comunitaria, gli strumenti tecnici spesso dominano la discussione, costringendo i residenti a reagire a problemi immediati e piccoli, come un lampione rotto, piuttosto che immaginare come l'intero quartiere potrebbe cambiare nel corso della prossima generazione. Questo divario lascia molte grandi questioni su alloggi, clima ed equità fuori dalla stanza. I ricercatori del Massachusetts Institute of Technology hanno sviluppato un nuovo modo per colmare questo divario, utilizzando programmi informatici che possono ascoltare la storia di una persona e poi metterla in scena in una città virtuale, permettendo a tutti di vedere e discutere il futuro prima che venga costruito.

L'idea centrale dietro questo lavoro è quella di trasformare una simulazione urbana in un luogo di prova piuttosto che di semplice previsione. Invece di cercare di indovinare esattamente cosa accadrà, il sistema crea uno spazio in cui i residenti possono testare le proprie idee e vederne le conseguenze. I ricercatori hanno costruito due diverse versioni di questo sistema per vedere come le persone interagiscono con esse. La prima versione, chiamata Neighborhood Platform, è stata allestita nel distretto di Inner Richmond a San Francisco. Qui, il team ha preso interviste reali con i residenti locali e le ha trasformate in tre personaggi distinti: un insegnante, un piccolo commerciante e un residente di lunga data. Ogni personaggio aveva una specifica routine quotidiana basata su ciò che avevano raccontato ai ricercatori. Il sistema ha poi creato una mappa digitale del quartiere e l'ha popolata con questi personaggi, mostrando come si muovevano per le strade. L'installazione utilizzava grandi schermi per mostrare due viste affiancate: una mostra il quartiere com'è oggi, e l'altra mostra come sarebbe se le volontà dei residenti per una migliore mobilità o più negozi venissero accolte. Ciò ha permesso a gruppi di persone di osservare come un cambiamento in una parte della strada potesse influenzare la vita quotidiana di un vicino che non avevano mai incontrato, favorendo una comprensione più profonda di come le politiche impattino sulle diverse persone.

La seconda versione, la Resident Platform, ha ribaltato la prospettiva. Invece di guardare un personaggio basato sulla storia di qualcun altro, l'utente diventa il personaggio. Un residente si è seduto davanti a un computer, ha risposto a domande sul proprio tragitto casa-lavoro e sulle proprie abitudini quotidiane, e il sistema ha costruito una versione digitale di lui, nota come agente. Questo agente non era solo un'immagine statica; era un programma capace di pensare e muoversi. L'utente poteva quindi mettere in pausa il cammino dell'agente in qualsiasi punto del suo percorso e suggerire un cambiamento in linguaggio naturale, come "rimuovi le auto" o "aggiungi un caffè". Il sistema avrebbe istantaneamente modificato una foto di quell'angolo di strada per mostrare il cambiamento e poi avrebbe osservato come l'agente reagiva. Se la nuova strada sembrava più sicura o piacevole, l'agente avrebbe potuto scegliere di camminare lì invece di prendere la solita deviazione. L'utente poteva vedere il ragionamento dell'agente scritto per esteso, che spiegava perché avesse fatto una certa scelta, e poteva concordare o discutere con tale logica. Questo processo ha trasformato la sessione di pianificazione in un dialogo in cui il residente poteva correggere il computer se questo fraintendeva i suoi bisogni.

Per testare l'efficacia di questo approccio, i ricercatori hanno portato la Resident Platform in workshop a San Francisco e Boston, lavorando con trenta residenti che conoscevano bene i propri quartieri. Hanno scoperto che i momenti più preziosi avvenivano quando il computer sbagliava qualcosa. Quando l'agente digitale compiva una scelta che la persona reale sapeva essere impossibile o insicura, il residente si fermava e spiegava il perché. Ad esempio, se l'agente camminava lungo una strada poco illuminata, il residente sottolineava che non ci passerebbe mai a causa di un episodio passato. Questa correzione ha fornito ai ricercatori conoscenze profonde e sfumate che un semplice sondaggio non avrebbe mai potuto catturare. Lo studio ha dimostato che il computer non aveva bisogno di essere perfettamente accurato per essere utile; doveva solo essere abbastanza vicino da provocare una reazione. L'agente fungeva da ponte, o da oggetto condiviso, tra la memoria del residente e il modello del pianificatore. Era uno strumento con cui si poteva discutere, costringendo il sistema a imparare dall'esperienza specifica dell'essere umano.

I risultati suggeriscono che questo approccio può spostare la partecipazione pubblica da una sessione di lamentele passiva a un processo di progettazione attivo. Quando i residenti vedevano le loro idee visualizzate e testate rispetto alle routine quotidiane degli altri, le loro conversazioni passavano oltre i piccoli interventi come l'aggiunta di una panchina. Iniziarono a discutere di futuri complessi e a lungo termine, come cosa accade a un quartiere se le auto vengono rimosse completamente. I ricercatori hanno notato che, sebbene gli agenti digitali fossero bravi a comprendere ciò che alle persone stava a cuore, erano meno perfetti nel prevedere esattamente come le persone si sarebbero comportate, affidandosi spesso ad assunzioni generali piuttosto che a peculiarità personali. Tuttavia, questa imperfezione faceva parte del processo. Il sistema era progettato per essere una bozza, non un verdetto finale, invitando i residenti a modificare la propria realtà. Rendendo la simulazione un luogo di dibattito piuttosto che una "scatola nera" di conoscenza esperta, gli strumenti hanno aiutato i residenti a sentirsi più coinvolti e capaci di plasmare i sistemi complessi che governano le loro città. Il lavoro conclude che il futuro della pianificazione urbana potrebbe non risiedere in previsioni più perfette, ma in modi migliori per le comunità di provare e perfezionare i futuri in cui desiderano vivere.