Attrattività Urbana Automatizzata: Un'Analisi Comparativa tra AI e Valutazioni Umane

La percezione estetica degli spazi urbani è un fattore determinante per la qualità della vita dei cittadini, influenzando direttamente il loro stato d'animo e, di conseguenza, il benessere psicofisico. Tradizionalmente, la valutazione dell'attrattività urbana si affida a metodologie dispendiose in termini di tempo e risorse, come sondaggi e interviste dirette alla popolazione. Ciò ha stimolato la ricerca di metodi automatizzati per ottimizzare tale processo e fornire un supporto concreto alla pianificazione urbana.

Questo studio esplora l'impiego di un modello di intelligenza artificiale avanzato per analizzare l'attrattività urbana. Abbiamo utilizzato il modello GPT-4 per esaminare oltre 1800 immagini tratte da Google Street View della città di Helsinki, in Finlandia. Le immagini sono state valutate dal modello sulla base di tre specifici criteri di input. Parallelamente, abbiamo raccolto le valutazioni delle stesse immagini da un gruppo di 24 persone, composto sia da residenti locali che da non residenti.

Per investigare i meccanismi interni, non espliciti, del modello AI, è stata impiegata la tecnica della segmentazione semantica, che ha permesso di identificare quali elementi visivi nelle immagini influenzassero maggiormente le sue valutazioni.

I risultati indicano una notevole concordanza tra i giudizi espressi da GPT-4 e quelli dei partecipanti umani. Tuttavia, sono emerse significative differenze a livello geografico. Il modello AI ha mostrato una netta preferenza per le zone suburbane ricche di vegetazione, aree che invece sono state giudicate meno interessanti dai partecipanti. Al contrario, le zone centrali e ad alta densità urbana di Helsinki hanno ricevuto punteggi di attrattività inferiori da parte di GPT-4 rispetto a quelli umani.

L'analisi tramite segmentazione semantica ha rivelato che GPT-4 basa i suoi punteggi principalmente su elementi fisici come la presenza di vegetazione, la tipologia degli edifici e la conformazione dei marciapiedi. Sebbene l'accordo generale fosse buono, GPT-4 ha dimostrato di non riuscire a cogliere le complessità del contesto, a differenza dei partecipanti umani, le cui valutazioni integravano sia le caratteristiche fisiche che il contesto più ampio dell'ambiente.

In conclusione, lo studio dimostra che modelli di intelligenza artificiale come GPT-4 possono offrire ai pianificatori urbani un metodo rapido ed efficiente per ottenere dati preliminari sull'attrattività. È tuttavia essenziale procedere con cautela. Sebbene sia stato usato un modello generalista, emerge la necessità di sviluppare sistemi AI specificamente addestrati sulla comprensione dei contesti locali. I modelli AI costituiscono una risorsa preziosa, ma il giudizio umano rimane insostituibile per una valutazione completa e sfaccettata dell'attrattività urbana.