AI-planlæggere i Minecraft kunne hjælpe maskiner med at designe bedre byer

Joel Filipe / Unsplash

Et dusin bygninger med stejle tag klæber sig til kanterne af en åben mine. Højt over dem, på toppen af ​​en enorm klippebue, ligger et utilgængeligt hus. Andre steder omkranser en jernbane på pæle en gruppe flerfarvede tårnblokke. Udsmykkede pagoder dekorerer en stor brolagt plads. Og en enlig vindmølle drejer på en ø, omgivet af firkantede grise. Dette er Minecraft bybygning, AI-stil.

Minecraft har længe været et lærred for vilde opfindelser. Fans har brugt det populære blokbyggende spil til at skabe replikaer af alt fra downtown Chicago og Kongens Landing til fungerende CPU'er . I tiåret siden den første udgivelse har alt, hvad der kan bygges, været det.

Siden 2018 har Minecraft også været rammen om en kreativ udfordring, der strækker maskinernes evner. Den årlige Generativt design i Minecraft (GDMC)-konkurrencen beder deltagerne om at bygge en kunstig intelligens, der kan generere realistiske byer eller landsbyer på hidtil usete steder. Konkurrencen er kun for sjov for nu, men de teknikker, som de forskellige AI-konkurrenter udforsker, er forløbere for dem, som byplanlæggere i den virkelige verden kunne bruge.

Konkurrencen Generative Design in Minecraft udfordrer AI'er til at designe bebyggelser til tidligere usete steder

Succesfulde poster bruger typisk en række teknikker til at identificere, hvornår terræn skal udjævnes, eller hvor broer og bygninger skal placeres. Disse omfatter old-school stifindende algoritmer, der forbinder fjerne dele af en bebyggelse, cellulære automater, der kan producere komplekse strukturer ved hjælp af simple regler, og maskinlæring.

Konkurrencen er nået langt på tre år. Den første gang så bebyggelserne ofte maskinfremstillede ud, med bygninger arrangeret i gentagne rækker eller tilfældige klynger. Årets vindere, som blev annonceret i torsdags, indeholdt bebyggelser med troværdige layouts tilpasset hvert sted. Veje omgiver bjergskråninger, broer spænder over floder, og huse indeholder endda møbler.

Åbent og subjektivt var GDMC sat op til skubbe grænserne for AI . I modsætning til andre AI-konkurrencer, såsom DARPA-udfordringerne til selvkørende biler eller robotter , den har ingen klar mållinje. Hvad gør en god landsby? Der er ikke en numerisk værdi, som du kan optimere til, siger medarrangør Christoph Salge, en datalog ved University of Hertfordshire, UK.

Udfordringens åbne ende betyder, at AI'er skal mestre flere mål. For at vinde skal de imponere otte menneskelige dommere fra en række baggrunde, herunder arkitekter, arkæologer og spildesignere.

Disse dommere bedømmer AI-byplanlæggerne på fire områder: hvor godt tilpasser de deres design til specifikke steder; hvor godt indretningerne fungerer, i henhold til kriterier som om der er broer og veje mellem forskellige områder; hvor tiltalende de er æstetisk; og hvor meget designerne fremkalder en fortælling – er der detaljer, der fortæller en historie om, hvordan en by blev til, såsom en ruin eller en grube, hvorfra byggematerialer kunne være blevet udvundet? At lave en Minecraft-landsby til et uset kort er noget, et 10-årigt menneske kunne gøre, siger Salge. Men det er virkelig svært for en AI.

Udjævning af jorden

For eksempel startede en deltager med at identificere typen af ​​miljø - ørken eller skov for eksempel - og genererede derefter bygninger, der så ud, som om de var bygget af almindelige lokale materialer. En anden var god til at udjævne landskabet og lægge pladser. Denne taktik fungerede godt på fladt, åbent terræn, hvor den producerede slående tempelkomplekser i japansk stil. Men det var mindre vellykket på en lille ø, som det banede fuldstændig over.

Selv de vindende bidrag begår stadig dumme fejl. I en bebyggelse er nogle af husene begravet op til tagskægget i sand. Det skyldes helt klart, at algoritmen gerne vil bygge på fast grund, siger Salge. Det sænker bygninger, indtil de rammer sten.

Claus Aranha, der studerer evolutionær beregning ved University of Tsukuba i Japan, rådgav tre deltagere til konkurrencen. Han synes, det er en god måde at udforske og afprøve nye AI-teknikker. En ting, som jeg rigtig godt kan lide, er, at der er mange forskellige tilgange til den her udfordring, siger han.

Realistisk udseende spilverdener er én ting. Men AI bliver allerede brugt til at analysere, hvordan byer bygges. Teknikker og tilgange, der ligner dem, der anvendes i konkurrencen, kan en dag hjælpe med at designe rigtige byer, der er sundere og sikrere.

For eksempel har Aranha fundet ud af, at de fleste poster har en top-down tilgang, hvilket betyder, at AI-bygeneratoren ser på et givet område og genererer en bebyggelse, der passer. Det kan give gode overordnede resultater, men detaljerne kan være ude. Aranha mener, at en multi-agent tilgang, hvor flere AI'er arbejder uafhængigt for at bygge strukturer, der er informeret om deres umiddelbare omgivelser, kan føre til mere sammenhængende og realistiske designs.

Han vil nu bruge denne indsigt til at hjælpe sit eget arbejde, hvor han bruger simuleringer til at udforske virkningen af ​​forskellige byplanlægningspolitikker på katastrofescenarier såsom jordskælv eller naturbrande. Han genererer virtuelle byer ved lære et neuralt netværk, hvordan byer ser ud med data fra OpenStreetMap. Ved automatisk at generere tusindvis af virtuelle byer, der adskiller sig i egenskaber såsom gadelayout eller antal og placering af åbne områder, kan han vurdere, om en politik, der krævede, at 10 % af boligarealet var reserveret til parker, ville redde liv.

CityScope Champs-Élysée-projektet fra MIT Media Lab bruger agentbaseret simulering til at udforske foreslåede designs

I mellemtiden bruger Arnaud Grignard og hans kolleger ved MIT Media Lab agent-baseret simulering til at udforske mulige designs til travle offentlige rum, bl.a. en regenereret Champs-Élysées i Paris. Og New York startup Topos bruger kunstig intelligens til at hjælpe med at forstå, hvordan layoutet af en by påvirker dem, der bor i den. I et projekt brugte den en række AI-tilgange, herunder billedgenkendelse og naturlig sprogbehandling, for at lære, hvordan forskellige områder i New York blev brugt af de mennesker, der bor der. Det så omtegnet grænserne for New Yorks fem bydele på baggrund af ligheder mellem kvarterer, såsom om de er boliger eller kommercielle, grønne eller urbane. Det resulterende kort opstiller bydelene som mere eller mindre koncentriske ringe omkring et centralt Manhattan.

Jasper Wijnands, ved University of Melbourne i Australien, er også overbevist om, at AI har en plads i fremtidens bydesign. Han og hans kolleger er begyndt at udforske brugen af ​​generative adversarial networks (GAN'er) til at gøre stiloverførsel på billeder fra Google Street Udsigt.

Stiloverførsel bruges typisk til at gengive et billede i stil med et andet, såsom at få en selfie til at se ud, som om den var malet af Van Gogh. Men i stedet for en visuel stil fik Wijnands sin AI til at lære en stil, der afspejlede folkesundhedsdata i forskellige byblokke. Han bad den derefter om at gengive Street View-billeder i stil med kvarterer, hvor folkesundheden var god. Med andre ord kan hans AI retouchere billeder af dårlige kvarterer, så de ligner gode. Byplanlæggere kunne så bruge disse tweaks - et grønt område her, en bredere gade der - som en guide til byforbedringer.

AI'en blev ikke undervist i, hvilke slags ting planlæggere mener, der gør byer bedre, men den ramte af sig selv almindelige ideer. Det er interessant at se, at GAN-outputtet stemmer overens med vores videnskabelige forståelse af grønne områders indvirkning på sundheden, siger Wijnands.

Hans team har nu et tilskud på $1,2 millioner til at udvikle tilgangen, og han introducerer den til sine byplanlægningsstuderende.

Designpåvirkninger

En af de mere umiddelbare anvendelser af kunstig intelligens i byplanlægning er at forstå virkningen af ​​bydesign på globalt plan. I januar offentliggjorde Wijnands og hans kolleger en undersøgelse i The Lancet Planetary Health, hvori de så på 1.692 byer, hjemsted for en tredjedel af verdens befolkning. De brugte konvolutionelle neurale netværk, typisk brugt til billedgenkendelse, til at klassificere forskellige bylayouts i henhold til antallet af alvorlige trafikulykker, der var sket i dem. Byer med flere jernbanenetværk med høj transit og tættere gadelayout arrangeret omkring små blokke viste sig at være sikrere end mere vidtstrakte layouts arrangeret omkring blind vej.

Disse resultater er måske ikke så overraskende, men dataene kunne slet ikke have været analyseret uden automatisering.

Visioner om utopisk livsstil er altid baseret på forudsætninger om, hvilke slags byrum der gør folk gladere eller sundere. Men disse er svære at teste, og ambitiøse regenereringsprojekter kan mislykkes. AI-byplanlæggere kunne hjælpe på en række måder, ved at afsløre de skjulte virkninger af visse eksisterende layouts eller simulere tusindvis af potentielle designs. Salge arbejder nu sammen med planlæggere i USA om, hvordan fremtidige konkurrencer kan inkorporere mere realistiske data om, hvordan folk bruger byer, såsom hvordan de bevæger sig, eller hvor de shopper. Det kunne gøre de kunstige kreationer endnu mere naturtro - og potentielt mere nyttige.

Men forvent ikke, at AI overtager planlægningen fuldstændigt. Byer er meget mere end et arrangement af objekter på jorden: de bor i. Og det betyder, at de er resultatet af mange afvejninger, siger Dave Amos, en byplanlægger, som har en populær YouTube-kanal kaldet City Beautiful. Som Amos udtrykker det i en video gennemgang af det vindende bidrag til GDMC-konkurrencen i 2018: Planlægning er i sagens natur en politisk proces. Du har brug for, at folk rager om, hvordan udviklingen kommer til at blive.

skjule