Simple Science

Ciência de ponta explicada de forma simples

# Informática# Computadores e sociedade# Inteligência Artificial

Usando IA pra Melhorar Avaliações de Sustentabilidade Urbana

Os avanços da IA podem facilitar a avaliação de projetos de sustentabilidade urbana.

― 9 min ler


IA na Avaliação deIA na Avaliação deSustentabilidade Urbanainteligente.Transformando avaliações com automação
Índice

As áreas urbanas estão enfrentando uns desafios bem grandes hoje em dia. Mais da metade da população mundial já vive em cidades, e esse número deve subir pra 68% até 2050. Com tanta gente aglomerada nos espaços urbanos, questões como mudança climática, equidade social e resiliência econômica estão ficando cada vez mais urgentes. As cidades são como um quebra-cabeça gigante onde tudo tá interligado, o que pode deixar entender como torná-las sustentáveis um pouco desconcertante.

Os métodos tradicionais de planejamento urbano tentaram lidar com essas questões, mas geralmente não dão conta. É complicado medir a Sustentabilidade em diferentes projetos urbanos, especialmente porque cada projeto pode variar muito em termos de metas e impactos. É aí que entra a norma ISO 37101. É um sistema bacana desenvolvido pela Organização Internacional de Normalização pra ajudar as cidades a gerenciarem melhor seus esforços de sustentabilidade.

O que é a ISO 37101?

A ISO 37101 é uma estrutura organizada que ajuda as comunidades a planejarem e avaliarem seus projetos de sustentabilidade. Pense nisso como um livro de receitas pra sustentabilidade urbana – tem diretrizes que garantem que as cidades estão usando os ingredientes certos. A estrutura inclui seis objetivos principais pra sustentabilidade (como Coesão Social e uso responsável dos recursos) e doze áreas de foco (como governança e saúde). Essa combinação ajuda as cidades a ver como suas várias iniciativas se encaixam e impactam a sustentabilidade geral.

No entanto, usar essa estrutura pode ser como resolver um Cubo Mágico de olhos vendados-é demorado e geralmente envolve muita tentativa e erro, por isso especialistas costumam ser necessários.

A Chegada dos Modelos de Linguagem Grande

Recentemente, os avanços em inteligência artificial (isso mesmo, os robôs estão chegando) levaram ao desenvolvimento de Modelos de Linguagem Grande (LLMs). Essas máquinas incríveis conseguem entender e gerar texto que parece ter sido escrito por um humano. Então, ao invés de ter que avaliar manualmente cada projeto urbano, talvez a gente possa usar esses modelos inteligentes pra categorizar e avaliar projetos com base na estrutura da ISO 37101.

Imagina que você tem um assistente superpotente que consegue ler todas as suas descrições de projetos, identificar quais metas de sustentabilidade elas atendem e gerar um relatório mais rápido do que você consegue dizer "resiliência urbana." Parece ótimo, né? Pois é, essa é a ideia de usar LLMs para avaliações de sustentabilidade!

Objetivos da Pesquisa e Importância

A ideia principal dessa pesquisa é ver se conseguimos aproveitar o poder dos LLMs pra tornar as avaliações de sustentabilidade urbana mais fáceis e eficientes. Aqui tá o que a gente quer descobrir:

  1. Os LLMs podem ajudar a categorizar projetos urbanos de acordo com a ISO 37101?
  2. Essa abordagem vai ajudar a quebrar as barreiras entre as diferentes áreas do planejamento urbano?
  3. Conseguimos aplicar esse método em diferentes contextos de cidades?

Respondendo essas perguntas, esperamos mostrar que usar LLMs pode padronizar como avaliamos os projetos urbanos, facilitando pra que as cidades compartilhem ideias e melhores práticas.

Os Desafios do Desenvolvimento Urbano Sustentável

As cidades são como máquinas complexas com várias partes móveis que precisam funcionar juntas direitinho. Elas enfrentam vários desafios que podem dificultar a realização das metas de sustentabilidade. Por exemplo, o planejamento urbano muitas vezes envolve lidar com dados inconsistentes, tornando complicado comparar projetos ou medir seus impactos. Além disso, os métodos tradicionais de avaliação podem ser bem trabalhosos.

Sem contar que, com as condições climáticas mudando e as populações diversas, parece que os planejadores estão tentando acertar um alvo em movimento. É por isso que uma abordagem nova é necessária pra tornar as avaliações de sustentabilidade rápidas, confiáveis e aplicáveis a vários projetos.

A Estrutura da ISO 37101 Explicada

A ISO 37101 oferece uma lente clara para avaliar a sustentabilidade por meio de seus seis propósitos e doze questões. Esses propósitos de sustentabilidade incluem:

  • Atratividade
  • Preservação e melhoria do meio ambiente
  • Resiliência
  • Uso responsável dos recursos
  • Coesão social
  • Bem-estar

A estrutura também inclui áreas de foco que ajudam os planejadores a determinar como os projetos contribuem para esses objetivos. Cada projeto pode ser avaliado por essa grade 6x12, que dá uma visão mais completa de como estão progredindo em relação às suas metas de sustentabilidade.

O Papel dos Modelos de Linguagem Grande

Os LLMs são projetados pra compreender e analisar grandes quantidades de texto, o que os torna perfeitos pra avaliar projetos de sustentabilidade urbana. Esses modelos podem ajudar os planejadores a categorizar rapidamente os projetos com base nas definições fornecidas na ISO 37101, o que pode economizar tempo e recursos valiosos.

Por exemplo, imagina que você tem 500 projetos urbanos pra revisar. Ao invés de passar horas intermináveis lendo cada um, seu assistente LLM pode analisar e categorizar as iniciativas com base em suas contribuições para os seis propósitos de sustentabilidade e doze questões em minutos. Isso é revolucionário!

Metodologia: Como Funciona

Pra usar LLMs na avaliação de iniciativas de sustentabilidade, precisamos começar com um prompt bem estruturado. Esse prompt define as definições da ISO 37101 e ajuda o LLM a entender o que procurar em cada descrição de projeto.

  1. Processamento de Dados: Antes de passar as descrições dos projetos pro LLM, precisamos limpá-las e formatá-las pra consistência.

  2. Análise do LLM: Cada descrição de projeto é inserida no LLM usando nosso prompt personalizado, de um jeito que nos permita obter informações estruturadas com base na estrutura da ISO.

  3. Agregação de Resultados: Depois que o LLM analisa os dados, agregamos os resultados pra identificar padrões e tendências.

  4. Relatório: Por fim, os resultados são apresentados em formatos amigáveis ao usuário, como relatórios em Excel e visualizações, facilitando a compreensão para planejadores e partes interessadas.

Testando a Abordagem com Dados Reais

Pra ver quão bem essa abordagem funciona, testamos em dois conjuntos de dados diferentes pra comparar projetos liderados por cidadãos e iniciativas mais estruturadas:

  1. Orçamento Participativo de Paris: Esse conjunto inclui 527 projetos apresentados por cidadãos em Paris de 2014 a 2022. Esses projetos destacam prioridades locais para sustentabilidade.

  2. Atividades do Projeto PROBONO: Esse conjunto contém 398 atividades da iniciativa PROBONO Horizon 2020, que foca em desenvolver bairros de construção verde e laboratórios vivos.

Resultados da Avaliação

Uma vez que rodamos o LLM nesses conjuntos de dados, encontramos algumas percepções interessantes:

  • Para os Projetos de Paris: Impressionantes 86% dos projetos tinham como foco melhorar a coesão social, enquanto 69% focavam no bem-estar. Projetos relacionados a ambientes de vida e cultura também apareceram bastante.

  • Para as Atividades do PROBONO: Uma forte ênfase no uso responsável dos recursos foi notada, com 74% dos projetos alinhados a esse propósito. O foco em inovação e infraestrutura comunitária também foi evidente.

No geral, o LLM forneceu uma avaliação consistente dessas iniciativas, destacando como elas contribuíam para as metas de sustentabilidade urbana.

As Vantagens de Usar LLMs

  1. Economia de Tempo: Ao invés de gastar 30 minutos por projeto, os LLMs conseguem revisar tudo em segundos. Isso significa que as cidades podem atualizar suas avaliações regularmente e ficar em cima das suas iniciativas de sustentabilidade.

  2. Consistência: Os LLMs oferecem uma interpretação padrão dos projetos que pode ser comparada em diferentes contextos, reduzindo a variabilidade que pode ocorrer quando humanos revisam os projetos.

  3. Identificação de Oportunidades: Ao categorizar projetos de maneira consistente, os planejadores podem identificar lacunas, redundâncias e oportunidades de sinergia. Isso ajuda a tomar decisões melhores sobre o desenvolvimento urbano.

Quebrando Silos

Um dos benefícios mais legais de usar LLMs é a capacidade de ajudar a quebrar os silos no planejamento urbano. Ao fornecer uma visualização clara do impacto de um projeto, as partes interessadas podem concordar melhor sobre suas contribuições e colaborar entre setores. Por exemplo, se um projeto foca em coesão social e outro em biodiversidade, os LLMs podem destacar como essas duas áreas podem trabalhar juntas para um impacto maior.

Facilitando Revisões Estratégicas

Usando a avaliação baseada em LLM, as cidades podem dar um passo atrás e ver como seus objetivos gerais se alinham com projetos específicos. Isso ajuda a identificar áreas onde as metas podem não ser alcançadas e onde ajustes podem ser necessários. Um mapeamento claro de ações contra a visão da cidade pode garantir que todos os aspectos da sustentabilidade sejam considerados.

Encontrando Soluções

Uma vez que as cidades entendam suas necessidades, podem usar essa abordagem estruturada pra procurar soluções de outros lugares. Por exemplo, se uma comunidade quer melhorar a coesão social em torno de esforços ambientais, pode encontrar projetos bem-sucedidos que funcionaram em outros lugares, mesmo que não pareçam similares à primeira vista.

Direções Futuras

Seguindo em frente, essa pesquisa tem várias aplicações práticas para planejadores urbanos, formuladores de políticas e profissionais de sustentabilidade. Aqui estão algumas direções-chave:

  1. Colaboração com Especialistas: Trabalhar de perto com aqueles do desenvolvimento urbano ajudará a refinar a abordagem e influenciar a tomada de decisões sustentáveis.

  2. Escalando a Abordagem: Adaptar essa metodologia para sistemas maiores de cidades e criar bancos de dados pode ajudar mais cidades a se beneficiarem dessa tecnologia.

  3. Melhoria dos LLMs: Ajustar os LLMs para contextos específicos e treiná-los com a terminologia local de sustentabilidade garantirá que possam interpretar com precisão diferentes iniciativas urbanas.

  4. Kits de Ferramentas Padronizados: Criar kits de ferramentas amigáveis que permitam às cidades avaliarem suas iniciativas de sustentabilidade de forma independente empoderará comunidades em todo o mundo.

Conclusão

Resumindo, nosso trabalho demonstra o potencial dos LLMs pra transformar como as cidades avaliam seus projetos de sustentabilidade. Com alta precisão e eficiência, esses modelos podem complementar os métodos tradicionais, facilitando que as comunidades acompanhem melhor seu progresso em direção às metas de sustentabilidade e compartilhem percepções entre regiões.

E enquanto ainda não temos carros voadores, estamos chegando mais perto de fazer o planejamento urbano mais inteligente, rápido e colaborativo do que nunca. Quem diria que algoritmos poderiam ser tão legais?

Fonte original

Título: Using Large Language Models for a standard assessment mapping for sustainable communities

Resumo: This paper presents a new approach to urban sustainability assessment through the use of Large Language Models (LLMs) to streamline the use of the ISO 37101 framework to automate and standardise the assessment of urban initiatives against the six "sustainability purposes" and twelve "issues" outlined in the standard. The methodology includes the development of a custom prompt based on the standard definitions and its application to two different datasets: 527 projects from the Paris Participatory Budget and 398 activities from the PROBONO Horizon 2020 project. The results show the effectiveness of LLMs in quickly and consistently categorising different urban initiatives according to sustainability criteria. The approach is particularly promising when it comes to breaking down silos in urban planning by providing a holistic view of the impact of projects. The paper discusses the advantages of this method over traditional human-led assessments, including significant time savings and improved consistency. However, it also points out the importance of human expertise in interpreting results and ethical considerations. This study hopefully can contribute to the growing body of work on AI applications in urban planning and provides a novel method for operationalising standardised sustainability frameworks in different urban contexts.

Autores: Luc Jonveaux

Última atualização: 2024-11-25 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2411.00208

Fonte PDF: https://arxiv.org/pdf/2411.00208

Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Artigos semelhantes