Análise comparativa de modelos de linguagem de grande porte (LLMS) aplicados à projeção da expansão urbana: um estudo de caso do município de Assis-SP

Abstract

Este trabalho realizou uma comparação entre três ferramentas de inteligência artificial baseadas em modelos de linguagem, Claude Opus 4.7, Gemini Pro e ChatGPT, para avaliar como cada uma delas projetou a possível expansão urbana do município de Assis-SP nos próximos 50 anos. Para isso, foi utilizado o mesmo conjunto de informações nas três ferramentas: os limites da área urbana de Assis em diferentes anos, desenhados em ambiente CAD a partir de fotografias aéreas dos anos de 1960 e 1970 e de imagens de satélites de 2000 e 2025, respectivamente. As áreas urbanas identificadas nesses períodos foram de 750,78 ha em 1960, 874,65 ha em 1970, 2.281,81 ha em 2000 e 2.865,27 ha em 2025. Esses dados foram analisados juntamente com informações oficiais de população dos Censos Demográficos do IBGE. As projeções geradas pelas três inteligências artificiais foram comparadas considerando três aspectos principais: o tamanho provável da área urbana futura, a relação entre população e área ocupada e a direção mais provável de crescimento da cidade. Os resultados mostraram que as três ferramentas chegaram a estimativas relativamente próximas quanto ao tamanho da área urbana projetada, variando entre 3.684 ha e 4.300 ha. No entanto, também foram observadas diferenças importantes entre elas. A projeção elaborada pelo ChatGPT apresentou cenários coerentes em termos de tamanho da cidade, mas com caráter mais interpretativo. Já a projeção do Claude, por considerar de forma mais organizada as direções territoriais existentes, apresentou melhor correspondência com a realidade geográfica atual. Concluiu-se que o uso de inteligências artificiais em estudos de expansão urbana pode auxiliar na construção de cenários futuros, mas não deve substituir a análise técnica baseada em dados geográficos oficiais. É necessário verificar cuidadosamente os resultados, pois essas ferramentas podem gerar interpretações incorretas ou pouco precisas sobre o território. Além disso, o estudo mostra que diferentes inteligências artificiais, mesmo recebendo os mesmos dados, podem produzir respostas distintas para um mesmo problema urbano.