The Fort Worth Press - I consigli delle app possono ridisegnare le città

USD -
AED 3.672497
AFN 63.999735
ALL 81.141852
AMD 368.092423
ANG 1.789884
AOA 917.999724
ARS 1387.744128
AUD 1.377961
AWG 1.80125
AZN 1.698512
BAM 1.66265
BBD 2.014749
BDT 122.739232
BGN 1.668102
BHD 0.377779
BIF 2977.17516
BMD 1
BND 1.266375
BOB 6.912147
BRL 4.916696
BSD 1.000319
BTN 94.284014
BWP 13.393294
BYN 2.82688
BYR 19600
BZD 2.011842
CAD 1.362805
CDF 2316.000035
CHF 0.777903
CLF 0.022745
CLP 895.179889
CNY 6.81125
CNH 6.799598
COP 3716.6
CRC 458.882886
CUC 1
CUP 26.5
CVE 93.737647
CZK 20.649398
DJF 178.129529
DKK 6.34889
DOP 59.489098
DZD 132.213587
EGP 52.726801
ERN 15
ETB 156.191986
EUR 0.84961
FJD 2.181104
FKP 0.735472
GBP 0.734175
GEL 2.680352
GGP 0.735472
GHS 11.253597
GIP 0.735472
GMD 73.500947
GNF 8779.111037
GTQ 7.638065
GYD 209.28562
HKD 7.831765
HNL 26.592878
HRK 6.400803
HTG 131.015429
HUF 302.334499
IDR 17300
ILS 2.90745
IMP 0.735472
INR 94.133798
IQD 1310.409317
IRR 1312999.999643
ISK 122.179878
JEP 0.735472
JMD 157.559837
JOD 0.70902
JPY 156.381002
KES 129.149713
KGS 87.420498
KHR 4012.462436
KMF 419.000174
KPW 900.010907
KRW 1450.895031
KWD 0.30775
KYD 0.833606
KZT 463.246483
LAK 21952.079977
LBP 89578.733949
LKR 322.106516
LRD 183.561655
LSL 16.321053
LTL 2.95274
LVL 0.60489
LYD 6.327387
MAD 9.168463
MDL 17.210233
MGA 4153.5787
MKD 52.354887
MMK 2099.841446
MNT 3580.445259
MOP 8.06845
MRU 40.023293
MUR 46.719433
MVR 15.454981
MWK 1734.539906
MXN 17.20267
MYR 3.909993
MZN 63.909739
NAD 16.320915
NGN 1358.460041
NIO 36.809868
NOK 9.233235
NPR 150.856686
NZD 1.67248
OMR 0.3845
PAB 1.00031
PEN 3.464888
PGK 4.353426
PHP 60.347982
PKR 278.719136
PLN 3.591485
PYG 6122.509702
QAR 3.646217
RON 4.473302
RSD 99.735794
RUB 74.675989
RWF 1466.504015
SAR 3.758223
SBD 8.019432
SCR 13.778628
SDG 600.499459
SEK 9.196985
SGD 1.265705
SHP 0.746601
SLE 24.649739
SLL 20969.496166
SOS 571.690887
SRD 37.411022
STD 20697.981008
STN 20.827577
SVC 8.752758
SYP 110.548305
SZL 16.315722
THB 32.142015
TJS 9.348017
TMT 3.505
TND 2.901604
TOP 2.40776
TRY 45.244201
TTD 6.76678
TWD 31.391498
TZS 2594.68297
UAH 43.802978
UGX 3741.312987
UYU 39.99779
UZS 12121.753102
VES 493.496435
VND 26310
VUV 118.093701
WST 2.711513
XAF 557.627717
XAG 0.012324
XAU 0.000211
XCD 2.70255
XCG 1.80278
XDR 0.694413
XOF 557.637198
XPF 101.384408
YER 238.624994
ZAR 16.25924
ZMK 9001.198129
ZMW 19.055796
ZWL 321.999592
I consigli delle app possono ridisegnare le città
I consigli delle app possono ridisegnare le città

I consigli delle app possono ridisegnare le città

Ridefiniscono luoghi e interazioni sociali, modificando mobilità, struttura e dinamiche

Dimensione del testo:

I 'consigli' delle app come Google Maps, Trip Advisor, Yelp o TheFork possono ridefinire luoghi e interazioni sociali, modificando mobilità, struttura e dinamiche nelle città. E' quanto emerge dallo studio condotto dall'Istituto di scienza e tecnologie dell'informazione 'A. Faedo' del Consiglio nazionale delle ricerche 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 di Pisa, pubblicato sulla rivista Machine Learning. In pratica il sistema complesso che emerge dall'interazione tra algoritmi, persone e spazio urbano rivela come le scelte individuali e le trasformazioni urbane siano strettamente interconnesse. L'IA non è più valutata come un algoritmo in astratto, ma come attore urbano. "Questo è il primo studio - sottolinea Luca Pappalardo, del Cnr-Isti - che modella in modo esplicito il ciclo di influenza reciproca tra 'sistemi di raccomandazione' alla base delle piattaforme online e i comportamenti umani. L'obiettivo è capire che tipo di città si crea nel medio e lungo periodo e come cambiano i flussi urbani". Se da un lato questi sistemi possono aumentare la varietà dei luoghi frequentati da ciascun individuo, invitando a scoprire posti nuovi, dall'altro, tendono a concentrare il traffico su un numero ridotto di luoghi, rafforzando le disuguaglianze tra le diverse aree urbane. Per esplorare questi effetti, i ricercatori hanno sviluppato un simulatore in grado di modellare il ciclo umano-IA nel contesto urbano. "Abbiamo studiato l'effetto degli algoritmi che suggeriscono dove andare in base alle abitudini degli utenti, osservando non solo le scelte individuali, ma anche le dinamiche collettive che ne derivano, come la concentrazione delle visite o la polarizzazione dei luoghi", osserva Giovanni Mauro della Scuola Normale . "Il futuro dell'IA nelle città - conclude Marco Minici del Cnr-Icar - richiede consapevolezza civica: progettare algoritmi che non ottimizzino solo il singolo, ma anche l'equità spaziale, l'accessibilità e la salute sociale delle città". Il gruppo di ricerca auspica che questi strumenti di simulazione possano diventare un supporto per le amministrazioni pubbliche, aiutandole a comprendere e governare l'impatto delle tecnologie digitali sulla vita urbana.

J.M.Ellis--TFWP