top of page
  • Immagine del redattoreAndrea Viliotti

PlanGPT: Innovare la pianificazione urbana cinese con l'AI generativa

PlanGPT, LLM per la pianificazione urbana cinese, sviluppato in collaborazione con l'Accademia Cinese, promette innovazioni nel settore grazie al suo framework di recupero dati e strumenti avanzati. Affronta sfide come lo stile formale dei documenti, la necessità di conoscenze interdisciplinari e l'elaborazione di elementi multimodali. Con un affinamento specifico e tecnologie avanzate, PlanGPT migliora l'efficienza e apre nuove prospettive nella pianificazione territoriale, dimostrando l'importanza dell'integrazione dell'AI nelle pratiche professionali.


PlanGPT: Innovare la pianificazione urbana cinese con l'AI generativa
PlanGPT: Innovare la pianificazione urbana cinese con l'AI generativa

La pianificazione urbana e territoriale sta vivendo una vera e propria evoluzione grazie alla presentazione di PlanGPT, un LLM specializzato che promette di innovare il settore. Questa innovazione si presenta come frutto di una collaborazione tra esperti del campo e l'Accademia Cinese di Pianificazione Urbana, puntando a rispondere con precisione alle esigenze specifiche di questo ambito. PlanGPT si distingue per il suo approccio su misura, che include un framework di recupero dati altamente specializzato, un'affinazione mirata al dominio della pianificazione urbana e una serie di strumenti avanzati che migliorano notevolmente l'elaborazione, la revisione e l'analisi dei documenti legati alla pianificazione territoriale.

 

In questo contesto di profonda innovazione, PlanGPT si pone come una pietra miliare, dimostrando come l'adozione di tecnologie avanzate possa non solo ottimizzare i processi esistenti ma anche aprire la strada a nuove metodologie di lavoro nel settore della pianificazione urbana. La capacità del modello di integrare e comprendere vasti insiemi di dati, insieme alla sua specializzazione per affrontare le sfide uniche del campo urbanistico, lo rende uno strumento inestimabile per i professionisti, che ora possono contare su risposte più rapide, accurate e informate alle loro esigenze di pianificazione.

 

La collaborazione con l'Accademia Cinese di Pianificazione Urbana ha permesso di infondere in PlanGPT una profonda conoscenza del settore, assicurando che il modello sia non solo tecnicamente avanzato ma anche estremamente pertinente e utile per gli addetti ai lavori. Questo aspetto sottolinea l'importanza di un approccio collaborativo nello sviluppo di soluzioni tecnologiche, dove l'expertise di dominio gioca un ruolo cruciale nel garantire l'efficacia degli strumenti AI nella pratica professionale.

 

Sfide Uniche nella Pianificazione Urbana

 

Nella pianificazione urbana e territoriale, l'adozione di modelli di linguaggio come PlanGPT si scontra con sfide uniche che riflettono la complessità e la specificità del settore.


Queste sfide includono:


Stile dei documenti governativi

I documenti ufficiali legati alla pianificazione urbana tendono a adottare uno stile formale e standardizzato, spesso caratterizzato dall'uso di frasi e strutture fisse. Questo stile, sebbene necessario per mantenere la formalità e la coerenza nelle comunicazioni ufficiali, può rendere difficile per i modelli di linguaggio come PlanGPT bilanciare l'aderenza a tali convenzioni con la necessità di fornire contenuti informativi e facilmente comprensibili.

 

Conoscenza interdisciplinare

La pianificazione urbana è intrinsecamente interdisciplinare, integrando conoscenze da campi diversi quali scienze ambientali, ecologia, economia e diritto. Questa integrazione rende la pianificazione urbana particolarmente complessa ma pone anche sfide significative per i modelli di linguaggio generale, che potrebbero non essere stati addestrati per attivare e applicare efficacemente questa conoscenza specializzata. La necessità di comprendere e incorporare principi e dati da discipline diverse richiede un modello altamente personalizzato e sofisticato come PlanGPT.

 

Tempestività e multimodalità

I documenti di pianificazione urbana non sono solo testuali ma includono spesso elementi multimodali, come immagini, mappe e dati tabellari. Questi elementi richiedono strumenti di elaborazione specializzati capaci di interpretare e integrare varie forme di dati. Inoltre, i documenti di pianificazione devono essere aggiornati tempestivamente per riflettere le nuove normative e i cambiamenti nel contesto urbano e legislativo, richiedendo quindi una capacità di rapido adattamento e aggiornamento del modello.

 

Per affrontare queste sfide, PlanGPT adotta strategie innovative, come l'utilizzo di un modello di embedding personalizzato (Plan-Emb) per migliorare la comprensione semantica dei termini specifici del settore e la creazione di un sistema di database vettoriali per migliorare l'accuratezza del recupero delle informazioni. Inoltre, PlanGPT utilizza tecniche di affinamento delle istruzioni per attivare la conoscenza interdisciplinare e migliorare la competenza del modello nello stile dei documenti governativi. Questi approcci permettono a PlanGPT di affrontare con successo le sfide legate alla difficoltà di distinguere le informazioni utili dallo sfondo di dati meno rilevanti, alla necessità di integrare conoscenze provenienti da diverse discipline e alla varietà di formati e tipi di contenuto presenti nei documenti di pianificazione urbana.

 

PlanGPT: Una soluzione su misura

PlanGPT rappresenta un avanzamento significativo nella pianificazione urbana, affrontando sfide complesse attraverso una serie di innovazioni mirate:

 

Framework di recupero dati personalizzato

Per superare il basso rapporto segnale/rumore caratteristico dei documenti di pianificazione urbana, PlanGPT utilizza un approccio personalizzato per il recupero delle informazioni. Questo approccio si basa su tecniche avanzate di estrazione di parole chiave e ricerca gerarchica, consentendo al modello di identificare e recuperare con precisione le informazioni più rilevanti dai vasti insiemi di dati urbani. Questo framework di recupero è essenziale per navigare nell'ampio volume di testi di pianificazione urbana, molti dei quali sono caratterizzati da un alto livello di formalità e terminologia specifica.

 

Affinamento specifico del dominio

PlanGPT incorpora un affinamento specifico del dominio per migliorare la sua competenza nelle questioni di pianificazione urbana. Questo include l'attivazione della conoscenza interdisciplinare e l'adattamento allo stile dei documenti governativi, assicurando che il modello possa comprendere e generare testi che rispettino le norme e le convenzioni del settore. Attraverso questo processo, PlanGPT diventa un modello altamente specializzato, capace di affrontare la complessità e le sfumature dei compiti di pianificazione urbana e territoriale.

 

Capacità strumentali avanzate

PlanGPT integra strumenti specializzati per gestire la tempestività e la multimodalità dei documenti di pianificazione urbana. Questi strumenti includono, ad esempio, capacità di analisi spaziotemporale e di pianificazione integrata dell'uso del suolo e dei trasporti, che sono cruciali per interpretare e analizzare i dati urbani che spesso includono componenti visive come mappe e schemi. Queste capacità avanzate consentono a PlanGPT di trattare con efficacia i dati multimodali e di fornire analisi e soluzioni tempestive basate sulle più recenti informazioni disponibili.

 

PlanGPT rappresenta un modello pionieristico nel suo genere, progettato specificamente per soddisfare le esigenze del settore della pianificazione urbana e territoriale. Attraverso il suo framework di recupero dati personalizzato, l'affinamento specifico del dominio e le capacità strumentali avanzate, PlanGPT offre ai professionisti della pianificazione urbana strumenti potenti e su misura per affrontare le sfide uniche del loro lavoro. Questo modello non solo migliora l'efficienza e la precisione della pianificazione urbana ma apre anche nuove prospettive per l'integrazione dell'intelligenza artificiale generativa nelle pratiche di pianificazione territoriale​​.

 

Confronto con altri modelli e prestazioni

Nel contesto degli studi sui compiti di pianificazione urbana, è stata condotta un'analisi approfondita su diversi modelli di chat avanzati, selezionati per le loro eccellenti prestazioni nelle classifiche ceval e cmmlu. Questi modelli sono stati testati in ambienti senza esempi precedenti (zero-shot) e con pochi esempi (few-shot), per valutarne l'efficacia. I risultati di tale analisi hanno evidenziato le superiori capacità di PlanGPT rispetto ad altri modelli di dimensioni simili, incluso ChatGPT. PlanGPT si è dimostrato particolarmente allineato alla comprensione tipica dei professionisti della pianificazione urbana, ottenendo una correlazione di circa il 79% con le valutazioni umane secondo PlanEval, nonostante alcune difficoltà nel distinguere le sfumature.

 

Inoltre, sono state sollevate tre questioni principali relative alla scelta dei modelli per la pianificazione urbana:

 

La decisione di utilizzare modelli di dimensioni moderate, anziché quelli molto grandi, è stata influenzata dai limiti di budget e infrastrutturali degli enti di pianificazione urbana, oltre che dai risultati sperimentali che indicano l'adeguatezza di modelli più compatti per compiti specifici.


L'apprendimento tramite prompt non è stato adottato a causa di limitazioni intrinseche dei modelli di linguaggio di grandi dimensioni nel gestire compiti complessi e vincoli di lunghezza del contesto, che possono impedire il riconoscimento di caratteristiche specifiche dei testi di pianificazione urbana.


La preoccupazione per la privacy dei dati nel settore della pianificazione urbana ha portato all'esclusione di modelli avanzati come ChatGPT e altri disponibili su piattaforme online.


Per approfondire l'analisi delle competenze in materia di pianificazione urbana dei vari modelli, è stato compiuto uno sforzo considerevole nella raccolta manuale di circa 3.500 domande di valutazione, attingendo a quesiti autentici tratti dagli esami di pianificazione urbana e rurale svolti nell'ultimo decennio. Questo imponente corpus di domande ha dato vita all'urban_and_rural_planner_test versione 2. La metodologia adottata ha previsto il calcolo di un rapporto di punteggio tra le due diverse valutazioni, con l'obiettivo di determinare con maggiore precisione le competenze dei modelli in esame.

 

Per garantire un processo di valutazione coerente e standardizzato, si è proceduto seguendo scrupolosamente i template di prompt consigliati dalle piattaforme lm-harness-test e C-Eval, optando per le risposte che presentavano le probabilità più elevate. In questo contesto, è stato adottato un approccio di valutazione noto come 0-shot, per testare i modelli di dimensioni comparabili presenti nelle classifiche.

 

L'ottimizzazione di PlanGPT, effettuata utilizzando il core dataset, ha portato a risultati notevoli. In particolare, il modello ha evidenziato prestazioni superiori rispetto agli altri modelli open-source di dimensioni analoghe, registrando un incremento di precisione approssimativo del 5% rispetto alla versione base del modello. Questo miglioramento significativo testimonia non solo l'affidabilità ma anche le ottime capacità di generalizzazione di PlanGPT nel contesto specifico della pianificazione urbana, con un valore vicino a 0.8 che ne conferma l'efficacia.


Infine, l'efficacia di PlanGPT nel catturare terminologie specifiche della pianificazione urbana è stata valutata attraverso il test urban-rural-STS-B (URSTS-B), che misura il grado di correlazione tra parole e definizioni. I risultati hanno mostrato che PlanGPT, grazie all’affinamento, ha acquisito una conoscenza più approfondita della pianificazione urbana rispetto ai modelli generici, evidenziando l'efficacia della strategia di embedding adottata.


Evoluzioni future

Le evoluzioni per PlanGPT mirano a esplorare nuove frontiere nella pianificazione urbana e territoriale, puntando a una collaborazione più stretta con le istituzioni di settore per affinare e migliorare ulteriormente il modello.

 

Tra gli obiettivi principali vi sono:

 

Affinamento del modello PlanGPT: L'intenzione è di continuare il processo di pre-addestramento di modelli su larga scala con un focus specifico sulla pianificazione territoriale. L'obiettivo è di arricchire la base di conoscenze del modello, assicurando che sia ben equipaggiato per gestire le sfide uniche sia dei contesti urbani che rurali.

 

Utilizzo di tecniche multimodali: L'esplorazione dell'uso di tecniche multimodali è un'altra area di focus chiave. L'idea è di ottenere una comprensione più completa delle dinamiche spaziali che sono fondamentali nella pianificazione territoriale. Ciò includerà lo sviluppo e l'integrazione di PlanVLM (un modello di linguaggio visivo) per sfruttare al meglio i dati visuali insieme ai testi.

 

Integrazione graduale delle soluzioni GenAI: La strategia prevede una collaborazione profonda con le istituzioni di pianificazione territoriale per affrontare le loro esigenze pratiche in modo più efficace. L'obiettivo è di affinare i flussi di lavoro che coinvolgono grandi modelli di linguaggio e di superare le sfide procedurali tipiche della pianificazione urbana e rurale, migliorando così l'efficienza e l'efficacia dei processi di pianificazione territoriale.

 

Conclusione

L'introduzione di PlanGPT nel campo della pianificazione urbana cinese rappresenta un punto di svolta significativo, che mette in evidenza l'impatto trasformativo dell'intelligenza artificiale generativa in settori altamente specializzati. Questa innovazione si distacca dai modelli di linguaggio generalisti, offrendo soluzioni su misura che affrontano direttamente le sfide uniche e complesse della pianificazione urbana. L'approccio di PlanGPT, che combina una profonda conoscenza settoriale con tecnologie AI avanzate, apre nuove prospettive per ottimizzare processi esistenti e introdurre metodologie di lavoro innovative.

 

Per gli imprenditori e i professionisti del settore, PlanGPT offre un modello di come le tecnologie AI possano essere adattate e applicate per migliorare la precisione, l'efficienza e l'efficacia nei loro campi di competenza. Il successo di PlanGPT sottolinea l'importanza di un approccio collaborativo nello sviluppo di soluzioni AI, dove l'integrazione dell'expertise di dominio è cruciale per realizzare strumenti che non solo comprendono le complessità tecniche, ma sono anche profondamente radicati nelle necessità pratiche del settore.

 

L'evoluzione futura di PlanGPT, con un maggiore focus sulle tecniche multimodali e un'integrazione più stretta delle soluzioni GenAI nelle pratiche di pianificazione urbana e rurale, indica una direzione promettente per l'innovazione nel settore. Per imprenditori e professionisti, ciò implica una maggiore disponibilità di strumenti GenAI altamente specializzati che possono trasformare i processi decisionali, la gestione dei progetti e l'analisi strategica, non solo nella pianificazione territoriale, ma anche in una vasta gamma di settori verticali.

 

In conclusione, PlanGPT rappresenta un esempio illuminante di come l'intelligenza artificiale, quando adeguatamente affinata e applicata, possa portare a miglioramenti significativi in settori specialistici, sottolineando il potenziale delle tecnologie AI per catalizzare l'innovazione e rafforzare le pratiche professionali in modi precedentemente inimmaginabili.

34 visualizzazioni0 commenti

Comments


bottom of page