Autor | Lucía Burbano
Aunque sea invisible al ojo humano, la inteligencia artificial está en todos lados, especialmente en las ciudades. Y todos colaboramos, seamos o no conscientes, en mejorar su aprendizaje, ya que generamos datos al caminar, cuando nos movemos en transporte público o accedemos a equipamientos y otros espacios públicos.
El potencial de la IA aplicada al urbanismo es enorme y promete ser un actor decisivo en convertir a nuestras urbes en lugares más habitables. ¿Es la IA la evolución natural de las smart cities?
Cómo la IA mejora el urbanismo de las ciudades inteligentes
En el contexto del urbanismo, la Inteligencia Artificial (IA) puede aportar numerosas soluciones en distintos ámbitos como el de la gestión urbana y la toma de decisiones basadas en los datos o la prestación de servicios ciudadanos.
La última generación de herramientas de planificación basadas en IA puede utilizar grandes conjuntos de datos y modelos neuronales para representar edificios y paisajes urbanos que van de lo puramente fantástico (InfiniCity) a aplicaciones reales como Midjourney, utilizada por despachos de arquitectura internacionales como el de Zaha Hadid para visualizar conceptos en fases tempranas del diseño que permiten ahorrar tiempo y recursos.
Instituciones como la Unión Europea o Naciones Unidas describen a las ciudades como “bancos de pruebas de la IA y la automatización” y reconocen el papel de esta tecnología como catalizadora de las transformaciones sociales, medioambientales y económicas en las urbes, siempre y cuando se utilice bajo el prisma de la buena gobernanza.
Integraciones de la IA en el urbanismo
La IA aplicada al urbanismo de las ciudades inteligentes tiene múltiples áreas de
aplicación, muchas de las cuales son críticas para la gestión municipal y un desarrollo urbano sostenible.
Optimizar el tráfico rodado
El proyecto AI4Cities ha probado un sistema auxiliar de optimización de la gestión de semáforos que reduce las paradas y esperas innecesarias de los vehículos en los semáforos en rojo. Los proyectos piloto realizados en París o Helsinki han demostrado que este sistema reduce las emisiones relacionadas con el tráfico en un 2%.
Más parques, menos CO2
Tiblisi se asoció con Green City Watch para determinar, mediante el uso de imágenes por satélite de muy alta resolución (VHR) y el aprendizaje automático (IA geoespacial), la ubicación, el tamaño, y el estado de los árboles de la ciudad. Las conclusiones de este análisis se han utilizado para construir cuatro nuevos parques que han reducido su CO2 en 413 toneladas.
Gestión de la demanda de las islas energéticas
Una microrred o isla energética es un sistema energético autosuficiente que da servicio a una zona geográfica concreta. Para ajustar la demanda, los algoritmos permiten combinar indicadores de precios, datos históricos, previsiones meteorológicas y horarios de funcionamiento para prever mejor las variaciones de la oferta y el consumo.
Riesgos de utilizar la IA en la ciudad
AI and Cities, elaborado por UN Hábitat, divide los riesgos asociados al uso de la IA en las ciudades según su fase de implementación:
En etapas tempranas de definición y conceptualización, la clave es la transparencia. Las ciudades deben informar a los ciudadanos sobre por qué y cómo la IA puede optimizar la solución a un problema público, cómo se va a aplicar, cuáles son los resultados previstos y qué medidas se utilizarán para conseguirlos.
En la fase de diseño, hay que evitar los riesgos relacionados con la manipulación tecnológica; cuando se busca, intencionadamente, provocar cambios de comportamiento en las interacciones de los usuarios para fines comerciales, ideológicos o de otra naturaleza.
En la etapa de implementación, un riesgo evidente es el relacionado con preservar la intimidad de las personas, que puede vulnerarse cuando se recopilan datos personales sin consentimiento.
Ciudades que utilizan la IA para mejorar su urbanismo
Mercè es el nombre de un algoritmo desarrollado en Barcelona en cuyo aprendizaje colaboran los propios habitantes. El objetivo es ayudar a la IA a identificar patrones que hacen que la ciudad sea más habitable mediante la selección de imágenes comparativas que muestran, por ejemplo, árboles, aceras anchas o mobiliario urbano. Un ejemplo de cómo la IA y la ciencia ciudadana pueden colaborar en optimizar el diseño urbano.
San José, en California, EEUU, recolectó durante un año (septiembre de 2022-agosto 2023) datos de su tráfico peatonal con mediciones del número de personas que entran y salen de un lugar concreto en un periodo de tiempo determinado. El objetivo era analizar cómo utilizan sus habitantes los parques, espacios públicos y zonas recreativas para mejorar sus prestaciones y mantenimiento.
La Universidad Nacional Autónoma de México se asoció con Project Sidewalk en una colaboración público-privada para mapear y evaluar la accesibilidad de sus aceras en la Ciudad de México. Se cartografiaron y etiquetaron todas las calles de la ciudad para mejorar la planificación urbana, crear herramientas cartográficas que tengan en cuenta la accesibilidad y entrenar algoritmos de aprendizaje automático para detectar problemas de manera automática.
¿Es la IA el urbanista del futuro?
El estudio Spatial planning of urban communities via deep reinforcement learning responde con contundencia a la pregunta planteada: la IA ya es capaz de diseñar mejores ciudades que los humanos.
Yu Zheng, científico especializado en automatización de la universidad china de Tsinghua, y sus colegas, querían encontrar nuevas soluciones para mejorar las ciudades con diseños basados en la ciudad de los 15 minutos.
Para ello, desarrollaron una IA que abordara las tareas más tediosas de la planificación urbana. Descubrieron que sus diseños superan a los realizados por humanos en un 50% en tres parámetros concretos: acceso a servicios, zonas verdes y niveles de tráfico.
En The rise of AI urbanism in post-smart cities: A critical commentary on urban artificial intelligence, sus autores realizan una interesante comparación entre el urbanismo smart y el urbanismo desarrollado por la IA.
Sostienen que el primero, mediante el Internet of Things, es cuantitativo (cuántas personas van en autobús o cuanta energía consume un barrio) y sus resultados, numéricos. El segundo, sin embargo, es capaz de crear un relato del cómo y porqué ocurren ciertos patrones en las ciudades.
Fotografías | Unsplash/Growtika, Unsplash/charlesdeluvio, Unsplash/ Dennis Kummer
