L’Intelligenza Artificiale ridisegna le città: come gli algoritmi orientano i flussi urbani

L’intelligenza artificiale non si limita più a suggerire il percorso più rapido o il ristorante più vicino: sta contribuendo a rimodellare la geografia stessa delle città. È quanto emerge da una ricerca condotta dal Consiglio nazionale delle ricerche e dalla Scuola Normale Superiore di Pisa, pubblicata sulla rivista Machine Learning, che analizza l’impatto dei sistemi di raccomandazione sulle dinamiche urbane nel medio e lungo periodo.

Lo studio, realizzato dall’Istituto di scienza e tecnologie dell’informazione “A. Faedo” del Cnr di Pisa (Cnr-Isti), in collaborazione con l’Istituto di calcolo e reti ad alte prestazioni del Cnr di Palermo (Cnr-Icar) e la Scuola Normale Superiore, mostra come l’interazione tra algoritmi, comportamenti umani e spazio urbano generi un vero e proprio sistema complesso. Un sistema in cui la distribuzione delle visite, la concentrazione dei flussi e la polarizzazione dei luoghi incidono direttamente sulle trasformazioni della città.

“È il primo studio che modella in modo esplicito il feedback loop urbano, ovvero il ciclo di influenza reciproca tra sistemi di raccomandazione e comportamenti umani”, spiega Luca Pappalardo (FOTO), del Cnr-Isti. “Le indicazioni fornite da piattaforme come Google Maps, TripAdvisor, Yelp o TheFork non si limitano a riflettere le preferenze degli utenti, ma finiscono per orientarle, producendo effetti strutturali sul tessuto urbano”.

L’obiettivo della ricerca, chiarisce Pappalardo, non è valutare l’accuratezza degli algoritmi, ma comprendere “che tipo di città producono”. Le scelte guidate dall’IA, infatti, ridefiniscono i luoghi frequentati, le interazioni sociali e le opportunità spaziali, modificando in profondità i flussi urbani.

I risultati evidenziano una dinamica ambivalente. A livello individuale, i sistemi di raccomandazione possono ampliare la varietà dei luoghi visitati, spingendo gli utenti a scoprire nuove aree. Sul piano collettivo, però, tendono a concentrare l’attenzione su pochi luoghi già popolari, accentuando le disuguaglianze tra quartieri e rafforzando fenomeni di polarizzazione.

Per analizzare questi effetti, i ricercatori hanno sviluppato un simulatore capace di riprodurre il ciclo umano–IA: suggerimento, decisione, produzione del dato e adattamento dell’algoritmo. “Studiamo l’impatto dei location-based recommender, osservando non solo le scelte individuali, ma anche le dinamiche collettive che ne derivano, come la concentrazione delle visite”, spiega Giovanni Mauro della Scuola Normale Superiore. “È un approccio nuovo nel campo dei sistemi di raccomandazione”.

“La portata del lavoro è anche culturale e strategica”, sottolinea Marco Minici del Cnr-Icar. “Non valutiamo più l’algoritmo in astratto, ma come un vero e proprio attore urbano. È un cambio di paradigma che impone una maggiore consapevolezza civica”.

Secondo il gruppo di ricerca, il futuro dell’intelligenza artificiale nelle città passa dalla progettazione di algoritmi capaci di bilanciare l’interesse individuale con obiettivi collettivi come equità spaziale, accessibilità e coesione sociale. I simulatori sviluppati potrebbero diventare strumenti utili anche per le amministrazioni pubbliche, offrendo un supporto concreto per governare l’impatto delle tecnologie digitali sulla vita urbana