Torino è una città diversificata e demograficamente ricca—un terreno ideale per testare sistemi di intelligenza artificiale pensati per supportare processi decisionali inclusivi. In questo scenario urbano, abbiamo individuato ambiti chiave in cui un LLM capace di assumere prospettive differenti potrebbe fare una reale differenza. Il trasporto pubblico, in particolare, si distingue come un sistema che tocca un’ampia varietà di esperienze ed esigenze dei cittadini.

Prendiamo, ad esempio, il problema del sovraffollamento degli autobus al mattino. Questa criticità emerge da diverse fonti di dati—segnalazioni sui social media, statistiche di mobilità, modelli di utilizzo. Tuttavia, la percezione del problema può variare notevolmente: per gli studenti delle scuole superiori rappresenta un disagio rilevante, mentre per i pensionati può risultare quasi irrilevante.

Queste differenze evidenziano l’importanza di cogliere prospettive molteplici nella definizione delle politiche pubbliche.

Per affrontare questa sfida, abbiamo raccolto un ampio insieme di dati socio-demografici su Torino e mappato i fattori urbani rilevanti. Parallelamente, abbiamo avviato collaborazioni con partner locali e assessorati del Comune per co-sviluppare una serie di temi sociali prioritari. Tra questi, questioni legate alla mobilità—come la ricostruzione dei pattern di spostamento di diversi gruppi di cittadini—e tematiche più ampie legate ai servizi sociali, come le politiche abitative e l’accesso agli alloggi popolari. Questo approccio collaborativo mira a individuare e ridurre le situazioni di disagio urbano attraverso decisioni più intelligenti e mirate.

Per garantire affidabilità e inclusività, HARMONIA combina tecniche avanzate di intelligenza artificiale con un’integrazione strutturata e consapevole del contesto. Il nostro approccio potenzia i modelli linguistici di grandi dimensioni (LLM) attraverso due strategie complementari: la Retrieval-Augmented Generation (RAG) e la Knowledge Injection. Queste metodologie permettono ai modelli di generare risposte informate, aggiornate e verificabili—riducendo le allucinazioni e migliorando la pertinenza dei contenuti.

Un elemento centrale per costruire fiducia è la trasparenza e l’equità dei dati. Stiamo sviluppando un framework per la raccolta e la codifica dei dati che sia modulare, scalabile e trasferibile ad altre città. Questo include la creazione di un grafo della conoscenza ad accesso aperto, basato su dati comportamentali e socio-demografici, che consente ai modelli di considerare prospettive differenti all’interno dei processi decisionali pubblici.

Il sistema è progettato per riflettere le diverse percezioni che le persone hanno delle questioni sociali, adottando quello che definiamo un approccio prospettivista. Ciò significa che il modello non si limita a rispondere sulla base delle tendenze maggioritarie, ma è in grado di generare risposte personalizzate, allineate alle esigenze e ai punti di vista di specifici gruppi di cittadini.

Integrando queste tecniche con le teorie comportamentali del processo decisionale, HARMONIA punta a creare LLM non solo potenti, ma anche trasparenti, adattabili e sensibili alla complessità della governance urbana. Il nostro obiettivo è rendere l’IA un partner affidabile per le amministrazioni pubbliche, a supporto di decisioni più giuste ed efficaci per tutti.