211service.com
AI-planleggere i Minecraft kan hjelpe maskiner med å designe bedre byer
Joel Filipe / Unsplash
Et titalls bygninger med bratte tak klamrer seg til kantene av en dagbruddsgruve. Høyt over dem, på toppen av en enorm steinbue, troner et utilgjengelig hus. Andre steder sirkler en jernbane på stylter en gruppe flerfargede tårnblokker. Utsmykkede pagoder dekorerer et stort asfaltert torg. Og en enslig vindmølle snur på en øy, omgitt av firkantede griser. Dette er Minecraft bybygging, AI-stil.
Minecraft har lenge vært et lerret for ville oppfinnelser. Fans har brukt det populære blokkbyggespillet til å lage kopier av alt fra Chicago sentrum og King's Landing til fungerende CPUer . I tiåret siden den første utgivelsen har alt som kan bygges vært det.
Siden 2018 har Minecraft også vært rammen for en kreativ utfordring som utvider maskinenes evner. Den årlige Generativ design i Minecraft (GDMC) konkurranse ber deltakerne bygge en kunstig intelligens som kan generere realistiske byer eller landsbyer på tidligere usynlige steder. Konkurransen er bare for moro skyld, foreløpig, men teknikkene som er utforsket av de forskjellige AI-konkurrentene er forløpere til de som byplanleggere i den virkelige verden kan bruke.
Generative Design i Minecraft-konkurransen utfordrer AI-er til å designe bosetninger for tidligere usett steder
Vellykkede oppføringer bruker vanligvis en rekke teknikker for å identifisere når terrenget skal jevnes eller hvor broer og bygninger skal plasseres. Disse inkluderer gammeldagse veisøkende algoritmer som kobler sammen fjerntliggende deler av en bygd, mobilautomater som kan produsere komplekse strukturer ved hjelp av enkle regler, og maskinlæring.
Konkurransen har kommet langt på tre år. Den første tiden så bosetningene ofte ut som maskinlaget, med bygninger arrangert i repeterende rader eller tilfeldige klynger. Årets vinnere, annonsert på torsdag, viste oppgjør med troverdige oppsett tilpasset hvert sted. Veier omslutter åssidene, broer spenner over elver, og hus inneholder til og med møbler.
Åpen og subjektiv var GDMC satt opp til presse grensene for AI . I motsetning til andre AI-konkurranser, som for eksempel DARPA-utfordringene for selvkjørende biler eller roboter , den har ingen klar målstrek. Hva gjør en god landsby? Det er ikke en numerisk verdi du kan optimalisere for, sier medarrangør Christoph Salge, en dataforsker ved University of Hertfordshire, Storbritannia.
Utfordringens åpne ende betyr at AI-er må mestre flere mål. For å vinne må de imponere åtte menneskelige dommere fra en rekke bakgrunner, inkludert arkitekter, arkeologer og spilldesignere.
Disse dommerne scorer AI-byplanleggerne på fire områder: hvor godt de tilpasser designene sine til spesifikke steder; hvor godt planløsningene fungerer, i henhold til kriterier som om det er broer og veier mellom ulike områder; hvor tiltalende de er estetisk; og hvor mye designene fremkaller en fortelling – er det detaljer som forteller en historie om hvordan en by ble til, for eksempel en ruin eller en grop som byggematerialer kan ha blitt utvunnet fra? Å lage en Minecraft-landsby for et usett kart er noe et 10 år gammelt menneske kunne gjøre, sier Salge. Men det er veldig vanskelig for en AI.
Utjevning av landet
For eksempel startet en deltaker med å identifisere typen miljø - ørken eller skog, for eksempel - og genererte deretter bygninger som så ut som om de var bygget av vanlige lokale materialer. En annen var flink til å jevne ut landskapet og legge plasser. Denne taktikken fungerte bra på flatt, åpent terreng, der den produserte slående tempelkomplekser i japansk stil. Men det var mindre vellykket på en liten øy, som det asfalterte fullstendig over.
Selv vinnerbidragene gjør fortsatt dumme feil. I en bygd ligger noen av husene nedgravd opp til takskjegget i sand. Det er helt klart fordi algoritmen ønsker å bygge på solid grunn, sier Salge. Den senker bygninger til de treffer stein.
Claus Aranha, som studerer evolusjonær beregning ved University of Tsukuba i Japan, ga råd til tre deltakere til konkurransen. Han synes det er en god måte å utforske og teste ut nye AI-teknikker. En ting jeg liker veldig godt er at det er mange ulike tilnærminger til denne utfordringen, sier han.
Realistisk utseende spillverdener er én ting. Men AI brukes allerede til å analysere hvordan byer bygges. Teknikker og tilnærminger som ligner på de som brukes i konkurransen kan en dag hjelpe til med å designe ekte byer som er sunnere og tryggere.
For eksempel har Aranha funnet ut at de fleste oppføringer har en ovenfra-og-ned-tilnærming, noe som betyr at AI-bygeneratoren ser på et gitt område og genererer en bebyggelse som passer. Det kan gi gode generelle resultater, men detaljene kan være feil. Aranha mener at en multiagent-tilnærming, der flere AI-er jobber uavhengig for å bygge strukturer informert av deres umiddelbare omgivelser, kan føre til mer sammenhengende og realistiske design.
Han skal nå bruke denne innsikten til å hjelpe sitt eget arbeid, der han bruker simuleringer for å utforske virkningen av ulike byplanleggingspolitikker på katastrofescenarier som jordskjelv eller skogbranner. Han genererer virtuelle byer ved lære et nevralt nettverk hvordan byer ser ut med data fra OpenStreetMap. Ved automatisk å generere tusenvis av virtuelle byer som er forskjellige i egenskaper som gateoppsett eller antall og plassering av åpne områder, kan han vurdere om en policy som krevde at 10 % av boligarealet var reservert for parker ville redde liv.
CityScope Champs-Élysée-prosjektet fra MIT Media Lab bruker agentbasert simulering for å utforske foreslåtte design
I mellomtiden bruker Arnaud Grignard og kollegene hans ved MIT Media Lab agentbasert simulering for å utforske mulige design for travle offentlige rom, inkludert en regenerert Champs-Élysées i Paris. Og New York-oppstarten Topos bruker AI for å hjelpe til med å forstå hvordan utformingen av en by påvirker de som bor i den. I ett prosjekt brukte den en rekke AI-tilnærminger, inkludert bildegjenkjenning og naturlig språkbehandling, for å lære hvordan forskjellige områder i New York ble brukt av menneskene som bodde der. Det da trakk om grensene for New Yorks fem bydeler på grunnlag av likheter mellom nabolag, for eksempel om de er boliger eller kommersielle, grønne eller urbane. Det resulterende kartet viser bydelene som mer eller mindre konsentriske ringer rundt et sentralt Manhattan.
Jasper Wijnands, ved University of Melbourne i Australia, er også overbevist om at AI har en plass i fremtidens urbane design. Han og kollegene hans har begynt å utforske bruken av generative adversarial networks (GAN) for å gjøre stiloverføring på bilder fra Google Street Utsikt.
Stiloverføring brukes vanligvis til å reprodusere ett bilde i stil med et annet, for eksempel å få en selfie til å se ut som om den var malt av Van Gogh. Men i stedet for en visuell stil, fikk Wijnands sin AI til å lære en stil som reflekterte folkehelsedataene i forskjellige byblokker. Deretter ba han den om å gjengi Street View-bilder i stil med nabolag der folkehelsen var god. Med andre ord kan AI hans ta opp bilder av dårlige nabolag slik at de ser ut som gode. Byplanleggere kan da bruke disse justeringene - et grønt område her, en bredere gate der - som en guide for urbane forbedringer.
AI ble ikke lært hva slags ting planleggere tror gjør byer bedre, men den traff vanlige ideer av seg selv. Det er interessant å se at GAN-utgangen er i samsvar med vår vitenskapelige forståelse av effekten av grønne områder på helse, sier Wijnands.
Teamet hans har nå et stipend på 1,2 millioner dollar for å utvikle tilnærmingen, og han introduserer den for sine byplanleggingsstudenter.
Designpåvirkninger
En av de mer umiddelbare bruksområdene for AI i byplanlegging er å forstå virkningen av urban design på global skala. I januar publiserte Wijnands og hans kolleger en studie i The Lancet Planetary Health der de så på 1692 byer, hjem til en tredjedel av verdens befolkning. De brukte konvolusjonelle nevrale nettverk, vanligvis brukt til bildegjenkjenning, for å klassifisere forskjellige urbane oppsett i henhold til antall alvorlige trafikkulykker som hadde skjedd i dem. Byer med flere jernbanenettverk med høy transitt og tettere gateoppsett arrangert rundt små blokker ble vist å være tryggere enn mer vidstrakte oppsett arrangert rundt blindveier.
Disse resultatene er kanskje ikke så overraskende, men dataene kunne ikke vært analysert i det hele tatt uten automatisering.
Visjoner om utopisk livsstil er alltid basert på forutsetninger om hva slags byrom som gjør folk lykkeligere eller sunnere. Men disse er vanskelige å teste, og ambisiøse regenereringsprosjekter kan mislykkes. AI-byplanleggere kan hjelpe på en rekke måter, avsløre de skjulte virkningene av visse eksisterende layouter eller simulere tusenvis av potensielle design. Salge jobber nå med planleggere i USA om hvordan fremtidige konkurranser kan inkludere mer realistiske data om hvordan folk bruker byer, for eksempel hvordan de beveger seg eller hvor de shopper. Det kan gjøre de kunstige kreasjonene enda mer naturtro – og potensielt mer nyttige.
Men forvent ikke at AI tar over planleggingen fullstendig. Byer er mye mer enn et arrangement av objekter på bakken: de bor i. Og det betyr at de er et resultat av mange avveininger, sier Dave Amos, en byplanlegger som har en populær YouTube-kanal kalt City Beautiful. Som Amos sier det i en video gjennomgang av vinnerbidraget til GDMC-konkurransen i 2018: Planlegging er i seg selv en politisk prosess. Du trenger folk til å snakke om hvordan utviklingen kommer til å bli.