Como a inteligência artificial treinada com moradores identifica a gentrificação em Philadelphia
A gentrificação é um fenômeno urbano complexo que transforma bairros por meio da chegada de moradores com maior poder aquisitivo, provocando mudanças físicas e sociais. Em Philadelphia, pesquisadores das universidades Drexel e Temple desenvolveram um método inovador para mapear esses processos usando inteligência artificial (IA) treinada com observações de moradores antigos.
O desafio de identificar a gentrificação visualmente
Identificar gentrificação apenas por imagens é difícil, pois envolve sutilezas arquitetônicas e mudanças no ambiente construído que nem sempre são evidentes para sistemas automatizados. Os moradores antigos, que vivenciam as transformações no dia a dia, possuem uma percepção aguçada sobre os sinais visuais dessas mudanças, como novos edifícios modernos destoando das casas tradicionais, alterações nos materiais, cores e paisagismo.
Metodologia: combinando relatos locais, Google Street View e machine learning
O estudo envolveu grupos focais em três bairros de Philadelphia em rápida gentrificação, onde moradores apontaram características visuais relacionadas ao fenômeno. Os pesquisadores usaram imagens do Google Street View de dois períodos distintos (2009-2013 e 2017-2021) para validar e detalhar essas observações, identificando elementos como "janelas salientes" e "aumento da relação de área do terreno ocupada pelo prédio".
Com esses dados, desenvolveram um modelo de deep mapping baseado em redes neurais capaz de diferenciar imagens "gentrificadas" e "não-gentrificadas" com 84% de precisão, traduzindo as percepções humanas em sinais visuais reconhecíveis pela IA.
Resultados e aplicações práticas
- O modelo permitiu mapear de forma mais precisa os locais e padrões de gentrificação, auxiliando pesquisadores e comunidades a entenderem as mudanças urbanas.
- Além disso, possibilita prever trajetórias futuras de desenvolvimento e avaliar impactos ambientais, como a relação entre novas construções e qualidade do ar.
- O processo confere legitimidade a grupos comunitários que percebem transformações, mas carecem de dados quantitativos para dialogar com a mídia e autoridades.
Limitações e transparência no uso de IA
Apesar do avanço, o modelo ainda é uma “caixa preta”, ou seja, a conexão exata entre as características das imagens e as decisões do algoritmo nem sempre é clara. Para superar isso, os pesquisadores aplicam técnicas de inteligência artificial explicável (XAI) para identificar quais elementos visuais são mais relevantes para a classificação, aumentando a confiança nos resultados.
Outro desafio é a diversidade visual das ruas, que inclui variações de carros, vegetação e estilos arquitetônicos que podem confundir o algoritmo. A transparência no treinamento do modelo, baseada nas definições claras de gentrificação dadas pelos moradores, ajuda a reduzir vieses e interpretações equivocadas.
Por que essa pesquisa importa para o mundo real
Compreender a gentrificação por meio da IA treinada em percepções locais traz benefícios concretos para políticas públicas, planejamento urbano e justiça social. Ela oferece uma ferramenta objetiva para monitorar transformações, antecipar impactos e apoiar comunidades afetadas, contribuindo para um desenvolvimento urbano mais informado e inclusivo.