Rehearsing Urban Futures: Generative Agents and Daily Life Narratives

O planejamento urbano tem sido, há muito tempo, uma conversa entre duas linguagens diferentes. De um lado, os especialistas falam em mapas técnicos, códigos de zoneamento e modelos matemáticos que preveem como uma cidade pode crescer. Essas ferramentas são poderosas para o cálculo, mas são frequentemente difíceis de ler ou compreender para as pessoas comuns. Do outro lado, os residentes falam em histórias sobre suas vidas cotidianas: o ônibus pelo qual esperam, o atalho que pegam para ir ao mercado ou o medo que sentem ao caminhar por uma rua escura. Quando esses dois grupos se encontram em uma reunião comunitária, as ferramentas técnicas costumam dominar a discussão, forçando os residentes a reagir a problemas imediatos e pequenos, como um poste de luz quebrado, em vez de imaginar como todo o bairro poderia mudar ao longo da próxima geração. Essa lacuna deixa muitas questões importantes sobre habitação, clima e equidade fora da sala. Pesquisadores do Instituto de Tecnologia de Massachusetts desenvolveram uma nova maneira de unir essa divisão, usando programas de computador que podem ouvir a história de uma pessoa e então encená-la em uma cidade virtual, permitindo que todos vejam e debatam o futuro antes que ele seja construído.

A ideia central por trás deste trabalho é transformar uma simulação urbana em um lugar de ensaio, em vez de apenas previsão. Em vez de tentar adivinhar exatamente o que acontecerá, o sistema cria um espaço onde os residentes podem testar suas ideias e ver as consequências. Os pesquisadores construíram duas versões diferentes deste sistema para ver como as pessoas interagem com elas. A primeira versão, chamada Plataforma de Bairro (Neighborhood Platform), foi configurada no distrito de Inner Richmond, em San Francisco. Aqui, a equipe utilizou entrevistas reais com moradores locais e as transformou em três personagens distintos: um professor, um pequeno proprietário de comércio e um vizinho de longa data. Cada personagem tinha uma rotina diária específica basea no que disseram aos pesquisadores. O sistema então criou um mapa digital do bairro e o povoou com esses personagens, mostrando como eles se moviam pelas ruas. A instalação usava telas grandes para mostrar duas visões lado a lado: uma mostrando o bairro como ele é hoje, e a outra mostrando como ele ficaria se os desejos dos residentes por melhor transporte ou mais lojas fossem atendidos. Isso permitiu que grupos de pessoas observassem como uma mudança em uma parte da rua poderia afetar a vida cotidiana de um vizinho que eles nunca conheceram, promovendo uma compreensão mais profunda de como as políticas impactam diferentes pessoas.

A segunda versão, a Plataforma do Residente (Resident Platform), inverteu o roteiro. Em vez de assistir a um personagem baseado na história de outra pessoa, o usuário tornou-se o personagem. Um residente sentava-se diante de um computador, respondia perguntas sobre seu próprio trajeto e hábitos diários, e o sistema construía uma versão digital dele, conhecida como agente. Esse agente não era apenas uma imagem estática; era um programa capaz de pensar e se mover. O usuário podia então pausar a caminhada do agente em qualquer ponto de sua rota e sugerir uma mudança em linguagem simples, como "remover os carros" ou "adicionar um café". O sistema editava instantaneamente uma foto daquela esquina para mostrar a mudança e, então, observava como o agente reagia. Se a nova rua parecesse mais segura ou agradável, o agente poderia escolher caminhar por ali em vez de fazer o desvio habitual. O usuário podia ver o raciocínio do agente escrito, explicando por que ele tomou determinada decisão, e poderia concordar ou argumentar com essa lógica. Esse processo transformou a sessão de planejamento em um diálogo onde o residente podia corrigir o computador se este entendesse mal suas necessidades.

Para testar o quão bem isso funcionava, os pesquisadores levaram a Plataforma do Residente para workshops em San Francisco e Boston, trabalhando com trinta residentes que conheciam bem seus bairros. Eles descobriram que os momentos mais valiosos ocorriam quando o computador errava. Quando o agente digital fazia uma escolha que a pessoa real sabia ser imposs possível ou insegura, o residente parava e explicava o porquê. Por exemplo, se o agente caminhasse por uma rua mal iluminada, o residente apontaria que jamais iria por ali devido a um incidente passado. Essa correção fornecia aos pesquisadores um conhecimento profundo e matizado que uma pesquisa simples jamais capturaria. O estudo mostrou que o computador não precisava ser perfeitamente preciso para ser útil; ele só precisava estar próximo o suficiente para provocar uma reação. O agente atuava como uma ponte, ou um objeto compartilhado, entre a memória do residente e o modelo do planejador. Era uma ferramenta com a qual se podia argumentar, forçando o sistema a aprender com a experiência específica do humano.

Os resultados sugerem que essa abordagem pode deslocar a participação pública de uma sessão passiva de reclamações para um processo de design ativo. Quando os residentes viam suas ideias visualizadas e testadas contra as rotas diárias de outros, suas conversas iam além de pequenos ajustes, como adicionar um banco. Eles começaram a discutir futuros complexos e de longo prazo, como o que acontece com um bairro se os carros forem totalmente removidos. Os pesquisadores observaram que, embora os agentes digitais fossem bons em entender o que as pessoas valorizavam, eram menos perfeitos em prever exatamente como as pessoas se comportariam, muitas vezes dependendo de suposições gerais em vez de peculiaridades pessoais. No entanto, essa imperfeição fazia parte do processo. O sistema foi projetado para ser um rascunho, não um veredito final, convidando os residentes a editar sua própria realidade. Ao tornar a simulação um lugar para debate, em vez de uma caixa preta de conhecimento especializado, as ferramentas ajudaram os residentes a se sentirem mais envolvidos e capazes de moldar os sistemas complexos que governam suas cidades. O trabalho conclui que o futuro do planejamento urbano pode não residir em previsões mais perfeitas, mas em melhores maneiras para as comunidades ensaiarem e refinarem os futuros nos quais desejam viver.