The Urban Impact of AI: Modeling Feedback Loops in Next-Venue Recommendation

要約

Next-Venueの推奨システムは、ロケーションベースのサービスにますます組み込まれており、都市環境での個々のモビリティの決定を形成しています。
それらの予測精度は広範囲に研究されていますが、都市のダイナミクスへの体系的な影響にはあまり注意が払われていません。
この作業では、シミュレーションフレームワークを紹介して、次のベニューの推奨事項を支える人間のフィードバックループをモデル化し、アルゴリズムの提案が個々の動作にどのように影響するかをキャプチャします。
現実世界のモビリティデータに基づいたシミュレーションは、さまざまな推奨戦略にわたるアルゴリズム採用の影響を体系的に調査します。
推奨システムは、訪問した会場で一貫して個人レベルの多様性を増加させますが、人気のある場所の限られたサブセットへの訪問を集中することにより、集団的不平等を同時に増幅する可能性があることがわかります。
この発散は、社会的協同組合ネットワークの構造にまで及び、都市のアクセシビリティと空間的分離に対するより広範な意味を明らかにします。
当社のフレームワークは、次の概要の推奨でフィードバックループを動作させ、AIアシストモビリティを提供するための社会的影響を評価する新しいレンズを提供し、将来のリスクを予測し、規制介入を評価し、倫理的アルゴリズムシステムの設計を通知するための計算ツールを提供します。

要約(オリジナル)

Next-venue recommender systems are increasingly embedded in location-based services, shaping individual mobility decisions in urban environments. While their predictive accuracy has been extensively studied, less attention has been paid to their systemic impact on urban dynamics. In this work, we introduce a simulation framework to model the human-AI feedback loop underpinning next-venue recommendation, capturing how algorithmic suggestions influence individual behavior, which in turn reshapes the data used to retrain the models. Our simulations, grounded in real-world mobility data, systematically explore the effects of algorithmic adoption across a range of recommendation strategies. We find that while recommender systems consistently increase individual-level diversity in visited venues, they may simultaneously amplify collective inequality by concentrating visits on a limited subset of popular places. This divergence extends to the structure of social co-location networks, revealing broader implications for urban accessibility and spatial segregation. Our framework operationalizes the feedback loop in next-venue recommendation and offers a novel lens through which to assess the societal impact of AI-assisted mobility-providing a computational tool to anticipate future risks, evaluate regulatory interventions, and inform the design of ethic algorithmic systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google