A integração da Inteligência Artificial (IA) nos sistemas de informação geográfica está a abrir portas a uma gestão urbana mais intuitiva e participativa, permitindo que utilizadores não técnicos interajam com dados espaciais complexos através de linguagem natural. Um estudo recente, publicado no ISPRS International Journal of Geo-Information, investigou como o ajuste fino (fine-tuning) de modelos de linguagem, especificamente o GPT-4o-mini, pode transformar pedidos simples em código Python executável para análises geoespaciais rigorosas. Esta abordagem visa superar as barreiras de usabilidade dos sistemas de informação geográfica (SIG) tradicionais, que frequentemente exigem conhecimentos técnicos avançados, dificultando a participação de decisores políticos e cidadãos no planeamento das cidades.
A investigação, conduzida por especialistas da Virginia Tech, utilizou um caso de estudo focado na acessibilidade a hospitais na Virgínia e em Nova Iorque para testar a eficácia desta tecnologia. Os resultados foram expressivos, revelando que o modelo ajustado atingiu uma taxa de precisão de 89,7%, o que representa uma melhoria de quase 50 pontos percentuais face ao modelo base sem qualquer modificação. Para além da maior exatidão, o modelo otimizado demonstrou uma eficiência computacional superior, reduzindo o consumo de recursos e o uso de “tokens” em cerca de 74%, o que o torna ideal para aplicações de larga escala em ambientes de cidades inteligentes.
Uma das grandes inovações deste trabalho reside na implementação de mecanismos de correção de erros e raciocínio espacial avançado. O sistema inclui uma funcionalidade de correspondência difusa (fuzzy matching) capaz de corrigir automaticamente nomes de locais com erros ortográficos, evitando falhas na execução das consultas. Além disso, o modelo foi treinado para invocar funções externas modulares para tarefas complexas, como o cálculo de tempos de condução e a criação de polígonos de isócronas, garantindo que os resultados refletem as condições reais de transporte e infraestrutura.
As implicações desta tecnologia para a mobilidade e o urbanismo são vastas, especialmente na criação de painéis de controlo (dashboards) interativos que respondem a perguntas diretas sobre lacunas no serviço de saúde ou padrões de tráfego. Ao converter o transporte e a análise espacial numa infraestrutura cognitiva acessível a todos, este avanço na IA generativa promete tornar a tomada de decisão urbana mais transparente, ágil e baseada em dados concretos, facilitando o caminho para cidades mais resilientes e inclusivas.