💻 computer science

Pluralistic-Alignment Urbanism: Operationalizing a Right to AI for Inclusive Public Space

Dit artikel stelt Pluralistische Uitlijnings-Urbanisme (PAU) voor, een procedureel governance-kader dat een Recht op AI voor gemeentelijke publieke ruimtesystemen operationaliseert door participatieve casestudy's in Montreal te benutten om gestructureerde onenigheid en subgroepvariaties te transformeren naar concrete governance-mechanismen zoals gedisaggregeerde rapportage, versiebeheer van waarderegisters en deliberatief toezicht.

Oorspronkelijke auteurs: Rashid Mushkani

Gepubliceerd 2026-06-12

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Rashid Mushkani

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een stad voor als een gigantische, levende puzzel. Al een lange tijd proberen stadsplanners deze puzzel op te lossen door naar de stukjes te kijken en ze een enkele score toe te kennen: "Is deze straat veilig? Is het mooi? Is het toegankelijk?" Ze deden dit vroeger met klembordjes en enquêtes. Nu gebruiken ze Kunstmatige Intelligentie (AI) om dit sneller te doen, waarbij ze duizenden straatfoto's scannen om kaarten, scores en zelfs nepafbeeldingen te genereren van hoe een straat er zou kunnen uitzien na een renovatie.

Het probleem, zoals dit artikel aangeeft, is dat iedereen de puzzel anders ziet. Een straat kan voor de één "veilig" aanvoelen, maar voor een ander "eng". Een "mooi" park kan voor iemand anders "uitsluitend" aanvoelen. Wanneer AI probeert elke straat één enkele score of één enkel "beste" beeld te geven, wist het per ongeluk deze verschillende standpunten uit. Het doet alsof er slechts één juist antwoord is, terwijl er in werkelijkheid vele zijn.

Dit artikel stelt een nieuwe manier voor om de AI van de stad te besturen, genaamd Pluralistic-Alignment Urbanism (PAU). Denk aan een nieuw regelboek voor hoe steden AI moeten gebruiken, gebaseerd op het idee dat meningsverschillen geen fouten zijn die opgelost moeten worden, maar een feit van het leven die beheerd moeten worden.

Hier is hoe het artikel dit uitlegt, met behulp van eenvoudige analogieën:

1. Het Probleem: De "One-Size-Fits-All" Valstrik

Momenteel gebruiken steden AI als een rechter met een enkele hamer. De AI kijkt naar een straat, past een set regels toe en slaat met de hamer: "Deze straat krijgt een score van 7 uit 10."

Het Probleem: Deze score probeert "veiligheid", "schoonheid" en "toegankelijkheid" samen te voegen tot één getal. Maar deze zaken gaan niet altijd hand in hand. Een straat kan heel mooi zijn, maar moeilijk begaanbaar voor iemand in een rolstoel. Als je ze middelt, verlies je de specifieke waarheid over wie zich uitgesloten voelt.
De Stelling van het Artikel: Je kunt de openbare ruimte niet behandelen als een wiskundig probleem met één correct antwoord. De "waarheid" hangt af van wie er kijkt.

2. De Oplossing: Een "Groepschat" in plaats van een Hamer

De auteurs stellen voor om AI-systemen niet te behandelen als rechters, maar als facilitators van een enorme, voortdurende volksvergadering. Ze noemen dit een "Procedureel Recht op AI".

In plaats van de AI te vragen om het "beste" antwoord te kiezen, is het systeem ontworpen om:

Verschillende groepen te beluisteren: Het vraagt verschillende mensen (gebaseerd op hun achtergrond) hoe zij de straat zien.
De onenigheid zichtbaar te houden: In plaats van de scores samen te voegen tot één getal, houdt het systeem de verschillende scores gescheiden. Het zegt: "Groep A vindt dit veilig; Groep B vindt dit niet veilig."
Respect te hebben voor het "Ik weet het niet"-antwoord: Wanneer mensen naar een gegenereerde afbeelding van een nieuw park kijken en zeggen: "Ik kan niet zien welke beter is", behandelt het systeem dit "neutrale" antwoord als belangrijke data, niet als een foutje dat genegeerd moet worden.

3. De Twee Experimenten (De "Proof of Concept")

De auteurs testten dit idee in Montreal, Canada, met behulp van twee verschillende instrumenten:

Tool A: "Street Review" (Het Scoreformulier)

Wat het deed: Ze vroegen inwoners om te beschrijven wat een straat inclusief maakt. Ze vertaalden deze beschrijvingen naar een checklist (Toegankelijkheid, Esthetiek, Praktisch nut, Inclusiviteit). Vervolgens trainden ze een AI om naar straatfoto's te kijken en te voorspellen hoe verschillende groepen ze zouden beoordelen.
Het Resultaat: De AI werd erg goed in het voorspellen van de scores (het was 89% accuraat). Maar de belangrijkste bevinding was dat de scores verschilden voor verschillende groepen.
De Les: De AI bewees dat je deze verschillende standpunten kunt opschalen om de hele stad in kaart te brengen, maar dat je de kaarten "gedisaggregeerd" moet houden. Je kunt niet zomaar één kaart laten zien; je hebt de kaart voor "Toegankelijkheid" en de kaart voor "Veiligheid" apart nodig, omdat deze niet altijd overeenkomen.

Tool B: "LIVS" (De Afbeeldingsgenerator)

Wat het deed: Ze gebruikten AI om afbeeldingen te genereren van hoe een straat eruit zou kunnen zien. Ze vroegen mensen om de "betere" afbeelding te kiezen op basis van specifieke criteria.
Het Resultaat: Wanneer mensen werden gevraagd om te kiezen, zei meer dan 50% van de tijd "Neutraal" of "Ik kan niet beslissen".
De Les: Dit was geen falen van de AI. Het was een signaal! Het betekende dat voor de helft van de vergelijkingen de afbeeldingen te veel op elkaar leken, of de criteria te vaag waren om een winnaar aan te wijzen. Het artikel betoogt dat steden dit hoge "neutrale" percentage moeten behandelen als een stopbord. Het betekent: "Gebruik deze AI hier niet om een definitieve beslissing te nemen; we hebben meer menselijke discussie nodig."

4. Het Nieuwe Regelboek: Hoe Steden AI Eigenlijk Moeten Geben Gebruik

Het artikel stelt een governance-systeem voor (PAU) dat fungeert als een veiligheidsgordel voor deze AI-instrumenten. Dit zijn de belangrijkste regels:

Het "Waardenregister": Stel je een levend document voor dat opsomt waar de stad om geeft. Het scheidt duidelijk zaken die makkelijk te meten zijn (zoals "hoeveel bomen zijn er?") van zaken die onderwerp van discussie zijn (zoals "voelt dit welkom?"). De AI is alleen toegestaan beslissingen te nemen over de makkelijke zaken. Voor de betwiste zaken rapporteert de AI enkel de verschillende meningen.
De "Deliberatieve Cel": Dit is een vaste groep burgers die regelmatig samenkomt om het werk van de AI te beoordelen. Als de AI vreemde voorspellingen begint te doen of als mensen in verwarring raken, heeft deze groep de macht om te zeggen: "Pauzeer. Stop met het gebruik van dit hulpmiddel totdat we dit uitgezocht hebben."
De "Pauze en Terugdraai"-knop: Als de AI schade begint te veroorzaken of als de data laat zien dat de AI liegt over hoe een straat aanvoelt, heeft de stad de autoriteit om het onmiddellijk uit te schakelen en terug te gaan naar de vorige versie.
Geen "Black Box"-beslissingen: De AI mag niet worden gebruikt voor individuele beslissingen (zoals het weigeren van een vergunning aan een specif persoon) of voor het handhaven van wetten. Het is alleen bedoeld voor planning en brainstormen.

De Belangrijkste Conclusie

Het artikel concludeert dat AI in steden niet moet proberen het debat over wat een "goede" stad is op te lossen. Dat debat is gezond en noodzakelijk.

In plaats daarvan moet AI een instrument zijn dat het debat zichtbaar houdt. Het moet ons laten zien waar mensen het oneens zijn, waarom ze het oneens zijn, en wanneer de computer simpelweg aan het gokken is. Door meningsverschillen te behandelen als een kenmerk in plaats van een fout, kunnen steden AI gebruiken om ruimtes te bouwen die werkelijk inclusief zijn, in plaats van ruimtes die er alleen maar goed uitzien op een spreadsheet.

Kortom: Vraag de AI niet om de burgemeester te zijn. Vraag de AI om de griffier te zijn die ieders verschillende meningen opschrijft, zodat de echte mensen de uiteindelijke beslissing kunnen nemen.

Technische Samenvatting: Pluralistische-Afstemmings-Urbanisme (PAU)

Probleemstelling

Gemeentelijke instanties zetten steeds vaker machine learning-systemen in om de publieke ruimte te inventariseren, straatbeelden te scoren en synthetische beelden te genereren voor stedelijke planning. Deze systemen fungeren als een "epistemische en algoritmische laag" die heterogene menselijke ervaringen omzet in vergelijkbare artefacten (scores, kaarten, afbeeldingen) om budgettering en ontwerp te informaties. De publieke ruimte wordt echter gekenmerkt door voortdurende onenigheid over inclusie, veiligheid en verbondenheid. Huidige governance-kaders behandelen deze systemen vaak als neutrale besluitvormingsinstrumenten, die vertrouwen op enkelvoudige evaluatietargets die uitgaan van een universele consensus. Deze aanpak riskeert de verhulling van betwiste waarden, het uitwissen van verschillen tussen subgroepen door middel van meerderheidsgemiddelden, en het legitimeren van beslissingen die er geen rekening mee houden dat het publieke leven inherent pluralistisch is. Het artikel betoogt dat het behandelen van onenigheid als "ruis" die geëlimineerd moet worden, een falen van governance is; in plaats daarvan moeten onenigheid en onbepaaldheid worden behandeld als besluitvormingsrelevante bewijslast.

Methodologie

Het artikel stelt Pluralistische-Afstemmings-Urbanisme (PAU) voor, een procedureel governance-kader dat operationeel wordt gemaakt via twee participatieve casestudies uitgevoerd in samenwerking met gemeenschapsorganisaties in Montréal, Canada. De methodologie behandelt participatie niet als post-hoc validatie, maar als de co-productie van evaluatiecriteria, data en governance-artefacten.

Street Review (Representatiesysteem):
- Doel: Om straatbeelden te evalueren op basis van criteria van bewoners en deze oordelen stadsbreed te schalen.
- Proces:
  - Elicitatie: Semi-gestuurde interviews met 28 bewoners genereerden meer dan 600 descriptoren, die werden geconsolideerd in vier criteria: Toegankelijkheid, Esthetiek, Praktisch nut en Inclusiviteit.
  - Evaluatie: 12 deelnemers beoordeelden individueel 60 street-view afbeeldingen en bespraken deze vervolgens in gefaciliteerde groepen om collectieve oordelen te produceren.
  - Schaling: Een supervised multi-output regressiemodel werd getraind op 120 beoordeelde afbeeldingen (gegroepeerd per straat-datapunt om leakage te voorkomen) om scores te voorspellen voor 45.000 straatbeelden. Het model voorspelt 28 scores (4 criteria × 6 zelfgeïdentificeerde subgroepen + 4 aggregaten).
- Metrieken: Voorspellende prestaties gemeten via $R^2$ op de gehouden-out testsets.
LIVS (Local Intersectional Visual Spaces) (Generatief Systeem):
- Doel: Om tekst-naar-beeld modellen af te stemmen op pluralistische voorkeuren voor de inrichting van de publieke ruimte.
- Proces:
  - Data-constructie: Workshops met gemeenschapspartners brachten 634 concepten voort, geconsolideerd in zes criteria (Toegankelijkheid, Veiligheid, Comfort, Uitnodigendheid, Inclusiviteit, Diversiteit). 440 door deelnemers geautoriseerde prompts werden gebruikt om 16.693 afbeeldingen te genereren via Stable Diffusion XL.
  - Voorkeurverzameling: 18 deelnemers annoteerden 37.710 afbeelding-paar vergelijkingen via een webgebaseerd platform. Cruciaal was dat de interface een expliciete neutrale optie bevatte voor onverschilligheid of onbepaaldheid.
  - Afstemming: Een Direct Preference Optimization (DPO) fine-tune werd uitgevoerd op 35.510 niet-neutrale vergelijkingen.
  - Evaluatie: Een held-out workshop met 25 bewoners bood 2.100 nieuwe vergelijkingen om het getunede model tegenover de baseline te evalueren, waarbij specifiek het percentage neutrale selecties werd gevolgd.

Kernbijdragen

Pluralistische-Afstemmings-Urbanisme (PAU): Een governance-kader dat publieke-ruimte AI-systemen beschouwt als civiele infrastructuur die een procedureel Recht op AI vereist. Dit recht is geen algemeen recht op toegang, maar een reeks minimale procedures (rechten, plichten, artefacten, rechtsmiddelen) voor systemen die de collectieve condities vormgeven.
Het Bewijsobject: Een conceptuele verschuiving waarbij het gekoppelde artefact (stimulus, criteria, protocol, aggregatie, representatie) wordt gezien als de eenheid van governance. Onenigheid en neutraliteit zijn eigenschappen van dit object, geen fouten.
Governance Architectuur: Een concreet implementatiemodel bestaande uit:
- Gedisaggregeerde Rapportage: Het vermijden van standaard meerderheidsgemiddelden; het rapporteren van subgroep-specifieke bewijslast.
- Geverifieerd Waardenregister: Een gemeentelijk record dat onderscheid maakt tussen benchmarkbare dimensies en betwiste dimensies.
- Staande Deliberatieve Cellen: Participatieve organen met de autoriteit om het waardenregister bij te werken en pauzes of terugdraaiingen te bevelen.
- Autoriteit voor Pauze en Terugdraaiing: Expliciete triggers voor het stilleggen van systemen op basis van gedocumenteerde schade, drift of onbepaaldheid.

Resultaten

De empirische studies leverden vier proposities op die technische beperkingen verbinden met governance-implicaties:

P1: Pluralisme is Gestructureerd, Niet Ruis.
- Criteria zijn niet commensabel. Correlaties tussen criteria waren matig en ongelijkmatig (bijv. Praktisch nut en Esthetiek waren ongecorreleerd bij $r = -0,05$ ; Inclusiviteit correleerde matig met Toegankelijkheid en Esthetiek).
- Beoordelingen van subgroepen op dezelfde stimuli verschilden significant, wat aangeeft dat keuzes in aggregatie consequent zijn en verschillen die relevant zijn voor verantwoording kunnen uitwissen.
P2: Deliberatie Verandert het Bewijsobject.
- Groepsoordelen waren geen eenvoudige gemiddelden van individuele beoordelingen. Discussie leidde tot herinterpretaties van criteria en nieuwe redenen voor scoring.
- Residuele onenigheid na deliberatie werd vastgelegd als bewijs dat het toegestane gebruik van modellen beperkt, in plaats van te worden gedwongen tot consensus.
P3: Co-geproduceerde Schaling is Haalbaar maar Begrensd.
- Het Street Review-model bereikte $R^2 = 0,91$ (validatie) en $R^2 = 0,89$ (held-out test).
- Echter, de modaliteit (street-view beeldmateriaal) beperkt de representatie tot zichtbare cues, waardoor ervaringsfactoren zoals intimidatie of symbolische verbondenheid niet worden gevangen. De resulterende kaarten zijn audit-artefacten, geen grondwaarheid.
P4: Neutraliteit in Voorkeursafstemming is een Governance-signaal.
- In de LIVS held-out evaluatie (2.100 vergelijkingen) waren 52,4% van de selecties neutraal (95% CI [50,2, 54,5]).
- DPO-getunede outputs werden slechts in 33,3% van de gevallen verkozen.
- Hoge neutraliteitspercentages geven aan dat veel vergelijkingen niet ondersteunen dat er een bepaalde ordening onder de gegeven criteria bestaat, wat dient als een signaal om optimalisatie te beperken in plaats van een label dat gladgestreken moet worden.

Betekenis en Claims

Het artikel claimt dat de legitimiteit van publieke-ruimte AI-systemen minder afhangt van louter voorspellende prestaties en meer van de vraag of instellingen voortdurende revisie, contestatie en reikwijdtecontrole kunnen handhaven.

Operationalisering van een Recht op AI: Het artikel vertaalt abstracte rechten naar afdwingbare gemeentelijke procedures, inclus\ief aanbestedingsclausules die gedisaggregeerde rapportage en pauze-autoriteit voorschrijven.
Herformulering van Onbepaaldheid: Door neutraliteit en onenigheid te behandelen als input voor governance in plaats van als fouten van het model, biedt PAU een mechanisme om te rechtvaardigen wat systemen wel en niet legitiem kunnen representeren.
Institutionele Robuustheid: De voorgestelde architectuur (deliberatieve cellen, waardenregisters) beoogt "governance capture" door dominante normen te voorkomen en zorgt ervoor dat AI-gemedieerde bewijslast betwistbaar blijft.

De auteurs stellen expliciet dat het doel niet is om onenigheid over de publieke ruimte op te lossen, maar om systemen zodanig te besturen dat dergelijke onenigheid zichtbaar, betwistbaar en consequent blijft. Het kader wordt gepresenteerd als een procedurele bodem voor gemeentelijke besluitvorming, waarbij wordt erkend dat de specifieke criteria en waardenregisters lokaal opnieuw gecommitteerd moeten worden en niet als vaste templates kunnen worden overgedragen.