Rehearsing Urban Futures: Generative Agents and Daily Life Narratives

Stedelijke planning is al lang een gesprek tussen twee verschillende talen. Aan de ene kant spreken experts in technische kaarten, bestemmingsplannen en wiskundige modellen die voorspellen hoe een stad zou kunnen groeien. Deze instrumenten zijn krachtig voor berekeningen, maar ze zijn vaak moeilijk te lezen of te begrijpen voor gewone mensen. Aan de andere kant spreken bewoners in verhalen over hun dagelijks leven: de bus waar ze op wachten, de afkorting die ze nemen naar de supermarkt, of de angst die ze voelen bij het lopen door een donkere straat. Wanneer deze twee groepen elkaar ontmoeten in een buurtvergadering, domineren de technische instrumenten vaak de discussie, waardoor bewoners worden gedwend om te reageren op directe, kleine problemen zoals een kapotte lantaarnpaal, in plaats van te fantaseren over hoe de hele buurt er over een generatie uit zou kunnen zien. Deze kloof laat veel grote vragen over huisvesting, klimaat en rechtvaardigheid buiten de kamer. Onderzoekers aan het Massachusetts Institute of Technology hebben een nieuwe manier ontwikkeld om deze kloof te overbruggen, door gebruik te maken van computerprogramma's die het verhaal van een persoon kunnen beluisteren en dit vervolgens kunnen uitspelen in een virtuele stad, waardoor iedereen de toekomst kan zien en erover kan debatteren voordat deze gebouwd wordt.

De kern van dit werk is het transformeren van een stadssimulatie tot een plek voor repetitie in plaats van alleen maar voorspelling. In plaats van te proberen precies te raden wat er zal gebeuren, creëert het systeem een ruimte waar bewoners hun ideeën kunnen testen en de gevolgen ervan kunnen zien. De onderzoekers bouwten twee verschillende versies van dit systeem om te zien hoe mensen ermee omgaan. De eerste versie, het Neighborhood Platform genoemd, werd opgezet in het Inner Richmond-district van San Francisco. Hier vertaalde het team echte interviews met lokale bewoners naar drie verschillende personages: een leraar, een kleine ondernemer en een langdurige buurtbewoner. Elk personage had een specifieke dagelijkse routine gebaseerd op wat zij aan de onderzoekers hadden verteld. Het systeem creëerde vervolgens een digitale kaart van de buurt en vulde deze met deze personages, waarbij liet zien hoe zij zich door de straten bewogen. De installatie gebruikte grote schermen om twee weergaven naast elkaar te tonen: één die de buurt laat zien zoals die vandaag de dag is, en een andere die laat zien hoe het eruit zou zien als de wensen van de bewoners voor beter openbaar vervoer of meer winkels zouden worden ingewilligd. Dit stelde groepen mensen in staat om te kijken hoe een verandering in een deel van de straat het dagelijks leven van een buurman die ze nooit hadden ontmoet, zou kunnen beïnvloeden, wat leidde tot een dieper begrip van hoe beleid verschillende mensen raakt.

De tweede versie, het Resident Platform, draaide het scenario om. In plaats van te kijken naar een personage gebaseerd op het verhaal van iemand anders, werd de gebruiker zelf het personage. Een bewoner zat achter een computer, beantwoordde vragen over de eigen pendelrit en dagelijkse gewoonten, en het systeem bouwde een digitale versie van hen, een zogenaamde 'agent'. Deze agent was niet slechts een statisch beeld; het was een programma dat kon denken en bewegen. De gebruiker kon de wandeling van de agent op elk punt van de route pauzeren en een verandering voorstellen in gewone mensentaal, zoals "verwijder de auto's" of "voeg een café toe". Het systeem bewerkte direct een foto van die straathoek om de verandering te tonen en keek vervolgens hoe de agent reageerde. Als de nieuwe straat er veiliger of prettiger uitzag, koos de agent er misschien voor om daarheen te lopen in plaats van de gebruikelijke omweg te nemen. De gebruiker kon de redenering van de agent in tekstvorm zien, die uitlegde waarom de agent een bepaalde keuze maakte, en kon het met die logica eens zijn of ertegenin gaan. Dit proces veranderde de planningssessie in een dialoog waarbij de bewoner de computer kon corrigeren als deze hun behoeften verkeerd begreep.

Om te testen hoe goed dit werkte, brachten de onderzoekers het Resident Platform naar workshops in San Francisco en Boston, waarbij ze werkten met dertig bewoners die hun wijken goed kenden. Ze ontdekten dat de meest waardevolle momenten ontstonden wanneer de computer iets fout deed. Wanneer de digitale agent een keuze maakte die de echte persoon als onmogelijk of onveilig beschouwde, stopte de bewoner en legde uit waarom. Bijvoorbeeld, als de agent een straat inliep die slecht verlicht was, wees de bewoner erop dat zij daar nooit zou lopen vanwege een eerder incident. Deze correctie leverde de onderzoekers diepe, genuanceerde kennis op die een eenvoudige enquête nooit zou kunnen vangen. De studie toonde aan dat de computer niet perfect accuraat hoefde te zijn om nuttig te zijn; het hoefde alleen maar dichtbij genoeg te zijn om een reactie uit te lokken. De agent fungeerde als een brug, of een gedeeld object, tussen de herinnering van de bewoner en het model van de planner. Het was een hulpmiddel waarmee men in discussie kon gaan, wat het systeem dwong te leren van de specifieke ervaring van de mens.

De resultaten suggereren dat deze aanpak publieke participatie kan verschuiven van een passieve klachtenronde naar een actief ontwerpproces. Wanneer bewoners hun ideeën gevisualiseerd en getest zagen tegen de dagelijkse routines van anderen, verschoof hun gesprek naar complexe, langetermijnscenario's, zoals wat er met een buurt gebeurt als auto's volledig worden verwijderd. De onderzoekers merkten op dat hoewel de digitale agents goed waren in het begrijpen van waar mensen om geven, ze minder perfect waren in het exact voorspellen van hoe mensen zich zouden gedragen, omdat ze vaak vertrouwden op algemene aannames in plaats van persoonlijke eigenaardigheden. Deze imperfectie maakte echter deel uit van het proces. Het systeem was ontworogen als een concept, niet als een definitief oordeel, en nodigde bewoners uit om hun eigen realiteit te bewerken. Door de simulatie een plek voor debat te maken in plaats van een 'black box' van deskundige kennis, hielpen de instrumenten bewoners zich meer betrokken en in staat te voelen om de complexe systemen die hun steden besturen, vorm te geven. Het werk concludeert dat de toekomst van stedelijke planning misschien niet ligt in meer perfecte voorspellingen, maar in betere manieren voor gemeenschappen om de toekomsten waarin zij willen leven te repeteren en te verfijnen.