Costruire e deostruire lo spazio urbano: l'AI in città tra Dublino e Reykjavik

Quando si implementano i funzionamenti delle tecnologie digitali, indipendentemente dall’ambito di applicazione, i risultati sono sempre la manifestazione del modo in cui tali sistemi sono configurati attraverso procedure sistematizzate all’interno di algoritmi di competenza: «algorithms search, collate, sort, categorize, group, match, analyze, profile, model, simulate, visualize and regulate people, processes and places» . La presente proposta si prefigge di analizzare la non-neutralità degli strumenti di tecnologia avanzata (Artificial Intelligence, Internet of Things, Big Data) nella loro applicazione al contesto geografico della pianificazione e della governance urbana: nessuno di essi è svincolato dall’operare su dati già inscritti da storie di marginalità, esclusione e diseguaglianza. Ciò è dovuto al fatto che, negli ultimi decenni, i dati territoriali non hanno più la sola funzione di descrivere lo spazio od organizzarlo, bensì anche di anticiparlo e, soprattutto, modellarlo attraverso simulazioni e scenari algoritmici. Allora: chi viene ascoltato dall’algoritmo? Chi effettua il labelling? E cosa perdiamo (in termini di giustizia spaziale, complessità, vissuto) quando deleghiamo la conoscenza territoriale a un algoritmo? Attraverso due case-studies, quello di Dublino (Irlanda) e quello di Reykjavìk (Islanda), ci si propone di evidenziare i rischi di automazione dell’ingiustizia spaziale e di consolidamento di un governo algoritmico dei territori. I due casi costituiscono uno spunto interessante in quanto, pur essendo complementari nell’impiego dell’IA per la governance territoriale, incarnano modelli urbani differenti e differenti ambiti di implementazione: a Dublino, l’IA governa il territorio operativo, per così dire (infrastrutture, mobilità), con un approccio top-down; a Reykjavìk, la cittadanza attiva (partecipazione, agenda setting), con un approccio bottom-up. Attualmente, i due progetti principali in corso sono, rispettivamente: Generative AI Lab for Local Government e Better Reykjavík. L’obiettivo non è solo analizzare gli effetti socio spaziali dei modelli predittivi urbani (Dublino) e delle piattaforme civiche (Reykjavík), ma riflettere sul ruolo stesso della metodologia geografica come pratica critica. Come può la geografia ibridare metodi computazionali e metodi situati per leggere e reindirizzare le nuove forme di governo algoritmico del territorio? Gli indicatori che si vorrebbero prendere in considerazione sono, principalmente: inclusività (% di cittadini con accesso digitale) e spatial justice, nel senso di copertura territoriale (zone con infrastrutture IA; zone rappresentate nelle proposte). Ricorrendo a una metodologia mista consapevole, la geografia ha la possibilità di mostrare sia chi viene rappresentato nei dati (modelli di governo algoritmico) sia chi resta fuori (fieldwork, contro-mappe, cartografiche critiche), sviluppando dei metodi ibridi che all’utilità dell’IA uniscano la consapevolezza situata dei soggetti nello spazio e sovrapponendo (con un’operazione di overlay anche cartografica) continuamente i risultati per sempre più precise approssimazioni. Con i risultati si vorrebbero evidenziare criticità e opportunità nei due case-studies, con implicazioni sia per le politiche urbane (come ridurre i bias algoritmici) sia per la metodologia geografica (integrazione di dati e saperi situati).