Ya os explicamos qué es eso de la neuromímica en urbanismo en la parte I de nuestro artículo —que encontráis más abajo— sobre el estudio de Robin Mazumder, What cities can learn from the brain (en nuestra traducción, Lo que las ciudades pueden aprender del cerebro), publicado en Nature Human Behaviour. En todo caso, os recordamos que aquella propone trasladar los principios del funcionamiento de las redes neuronales de nuestro cerebro —como la adaptabilidad, el aprendizaje automático o la autoorganización— al diseño y gestión de las ciudades. Ahora, en esta parte II, ha llegado el momento de abordar algunos ejemplos y, más allá de las soluciones a desafíos urbanos complejos que sugiere, las dudas que plantea respecto a su viabilidad, su ética o su alcance real.

Neuromímica aplicada en entornos urbanos

Uno de los campos en el que la neuromímica gana terreno en urbanismo es precisamente el de la movilidad. En Pittsburgh, Pensilvania, Estados Unidos, se aplicó a través del sistema SURTRAC (siglas en inglés para Control Escalable del Tráfico Urbano), que creó el Instituto de Robótica de la Universidad Carnegie Mellon de la ciudad. Es este un sistema adaptativo de control del tráfico que combina el control de intersecciones por horarios con mecanismos descentralizados de coordinación.

Así, SURTRAC consigue optimizar dinámicamente el funcionamiento de los semáforos para evitar congestiones, reducir las esperas, hacer los viajes más cortos y mitigar la polución. Tras su implementación en 2012 en 9 intersecciones del barrio de East Liberty —con una ampliación en 2013 al distrito de Bakery Square—, SURTRAC ha reducido los tiempos de viaje en más de un 25% de media, y los tiempos de espera en una media del 40%.

Otro ámbito de aplicación de la neuromímica es la planificación urbana predictiva. El Virtual Singapur es uno de esos casos. Virtual Singapore es un gemelo digital en 3D de la ciudad-estado —el primero del mundo de un país— que utiliza datos topográficos y en tiempo real para simular escenarios futuros de crecimiento urbano. Funciona como una especie de banco de pruebas para la planificación urbana y la arquitectura, en el desarrollo de infraestructuras, en la optimización del transporte, en la gestión de catástrofes, para la resiliencia, o en la vigilancia medioambiental. La capacidad de este sistema para «aprender» de datos históricos y proyectar tendencias refleja, en cierta forma, cómo el cerebro humano utiliza experiencias pasadas para predecir eventos futuros.

La neuromímica a debate… en urbanismo

Pese a su gran potencial, la neuromímica urbana enfrenta algunas cuestiones. Una de las más recurrentes es la que expresan personalidades críticas como Kate Crawford —autora de Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (Yale University Press, 2021). Esta autora advierte que comparar algoritmos con procesos cerebrales reales puede ser una metáfora seductora, pero científicamente imprecisa. Al fin y al cabo, las redes neuronales artificiales actuales carecen de la complejidad, plasticidad y capacidad contextual del cerebro humano. Aunque Crawford no se refiere específicamente al urbanismo, podemos inferir que esa limitación reduce la capacidad de la neuromímica para resolver problemas urbanos complejos, donde intervienen factores sociales, culturales y políticos.

Otra de las críticas habituales a la gestión urbana neuromímica está relacionada con la necesidad de obtención directa de información para que sea posible. En efecto, sistemas como los semáforos inteligentes o las plataformas de vigilancia con inteligencia artificial requieren de grandes volúmenes de datos personales —patrones de movimiento, hábitos de consumo e incluso rasgos biométricos—, lo que plantea dilemas sobre privacidad y control ciudadano. Además, estos sistemas pueden perpetuar sesgos existentes: si los datos reflejan desigualdades espaciales o económicas, los algoritmos tenderán a reforzarlas.

Neuromímica aplicada erróneamente, el caso de Detroit

Un ejemplo paradigmático es el que ocurrió en Detroit, Míchigan, Estados Unidos. El informe Alghorithm Bias Expalained (febrero de 2021), del Greenlining Institute —que trabaja «por un futuro en el que las comunidades de color puedan crear riqueza, vivir en lugares saludables llenos de oportunidades económicas y estén preparadas para afrontar los retos que plantea el cambio climático»—, documenta un programa de la ciudad que utilizó «algoritmos de planificación para orientar el desarrollo y determinar qué barrios reciben inversiones».

Conocido como Market Value Analysis (o Análisis del Valor del Mercado; MVA), dicho algoritmo utiliza variables como «el precio medio de la vivienda, la tasa de desocupación, las ejecuciones hipotecarias y la propiedad de la vivienda para determinar el “valor” del barrio». Sin embargo, dichos indicadores no son «ahistóricos» ni reflejan una realidad objetiva e imperturbable; muy al contrario, solo retratan un «sesgo sistémico». En Detroit, pues, las autoridades municipales utilizaron el MVA para justificar la «reducción y desconexión de los servicios de agua y alcantarillado, así como la retención de fondos federales, estatales y locales para la reurbanización de los “mercados débiles”». Estos resultaron ser precisamente los barrios más pobres y con mayoría racial afroamericana.

Un riesgo más de la neuromímica en urbanismo

Finalmente, persisten dudas sobre la escalabilidad y resiliencia de estas tecnologías. Una ciudad cuyo funcionamiento depende críticamente de algoritmos podría enfrentar fallas catastróficas ante ciberataques, errores de programación o simplemente por cambios abruptos en los patrones urbanos —como los ocurridos, por ejemplo, durante la pandemia de la COVID-19.

El futuro de la neuromímica en las ciudades

Como veis, la neuromímica en urbanismo representa una frontera fascinante, donde biología y tecnología convergen para reimaginar las ciudades. Sin embargo, su implementación exige cautela: no basta con replicar metáforas neuronales; se requiere un marco interdisciplinario que integre conocimiento en neurociencia, ciencia de datos, sociología y política urbana. Así tendremos alguna posibilidad de evitar los riesgos de un determinismo tecnológico que, en su afán por imitar al cerebro, olvide las necesidades reales de quienes habitan las urbes. El desafío no es solo construir ciudades más inteligentes, sino también más justas y humanas.

Si no habéis leído la parte I y queréis saber más sobre esta cuestión, os animamos a hacerlo, aquí:

Urbanismo: «neuromímica», o el cerebro como modelo para el diseño de la ciudad (parte I)

Fuentes: SURTRAC (Wikipedia), Virtual Singapore (Wikipedia), Nature Human Behaviour, Greenlining Institute, Alghorithm Bias Explained (Greenlining Institute), MVA in Detroit.