في عصر الابتكارات التقنية، أصبح الذكاء الاصطناعي جزءاً لا يتجزأ من تحليل البيانات الحضرية وتوليد السيناريوهات. ومع ذلك، تشير دراسة جديدة إلى وجود أوجه قصور خطيرة في التمثيل الجغرافي لنماذج الذكاء الاصطناعي، مثل FLUX 1-schnell وStable Diffusion 3.5-Large.

هذه الدراسة التي صدرت على منصة arXiv، تناولت كيفية استجابة تلك النماذج للمعلومات الجغرافية المتاحة، حيث تم تقييم قدرتها على توليد 150 صورة لمشاهد شوارع تمثل كل ولاية أمريكية وعواصمها، بالإضافة إلى استخدام تحفيز عام تحت عنوان "الولايات المتحدة الأمريكية".

النتائج كانت مثيرة للقلق. فقد أظهرت تحليلات مقارنة باستخدام مسافة Fréchet Inception Distance (FID) أن الولايات والعواصم القريبة جغرافياً تميل إلى التماثل في الصور، مما يشير إلى وجود بنية جغرافية ضمنية. ومع ذلك، فإن التحفيز العام انهار ليظهر صورة نمطية متروبوليتانية للولايات المتحدة، حيث تم تقليل تمثيل المناطق الحدودية، والصحراوية، والاستوائية، والريفية، والأماكن الصغيرة إلى مجرد تخيلات بعيدة.

تثير هذه النتائج أسئلة هامة حول كيفية تمكن نماذج الذكاء الاصطناعي من تشفير الجغرافيا المعقدة في نفس الوقت الذي تعيد فيه إنتاج الصور النمطية الضيقة على المستوى الوطني. لذلك، من الضروري تعزيز فهمنا حول كيفية تحسين هذه النماذج لتعكس تنوع بيئاتنا الحضرية بشكل أفضل.