AI plānotāji Minecraft varētu palīdzēt mašīnām veidot labākas pilsētas

Džoels Filipe / Unsplash

Apmēram ducis ēku ar stāviem jumtiem turas pie atklātas raktuves malām. Augstu virs tiem, virs milzīgas klinšu arkas, atrodas nepieejama māja. Citviet daudzkrāsainu torņu bloku grupai riņķo dzelzceļš uz pāļiem. Greznas pagodas rotā lielu bruģētu laukumu. Un uz salas griežas vientuļas vējdzirnavas, ko ieskauj kvadrātveida cūkas. Šī ir Minecraft pilsētas veidošana AI stilā.

Minecraft jau sen ir bijis savvaļas izgudrojumu audekls. Fani ir izmantojuši populāro bloku veidošanas spēli, lai izveidotu kopijas visam no Čikāgas centrs un Karaļa izkraušana uz strādājošie CPU . Desmit gadu laikā kopš tā pirmās izlaišanas viss, ko var uzbūvēt, ir bijis.

Kopš 2018. gada Minecraft ir bijis arī radošs izaicinājums, kas paplašina mašīnu spējas. Ikgadējais Ģeneratīvais dizains programmā Minecraft (GDMC) konkurss aicina dalībniekus izveidot mākslīgo intelektu, kas var radīt reālistiskas pilsētas vai ciematus iepriekš neredzētās vietās. Pagaidām konkurss ir paredzēts tikai izklaidei, taču dažādu AI konkurentu izpētītās metodes ir priekšteči tām metodēm, kuras varētu izmantot reālās pasaules pilsētu plānotāji.

Konkurss Ģeneratīvais dizains Minecraftā izaicina AI izstrādāt apmetnes iepriekš neredzētām vietām

Veiksmīgiem ierakstiem parasti tiek izmantotas dažādas metodes, lai noteiktu, kad līdzināt reljefu vai kur novietot tiltus un ēkas. Tie ietver vecās skolas ceļu meklēšanas algoritmus, kas savieno attālās apmetnes daļas, šūnu automātus, kas var izveidot sarežģītas struktūras, izmantojot vienkāršus noteikumus, un mašīnmācīšanos.

Trīs gadu laikā konkurss ir panācis garu ceļu. Pirmo reizi apmetnes bieži izskatījās pēc mašīnu veidotām ēkām, kas bija sakārtotas atkārtotās rindās vai nejaušās grupās. Šī gada uzvarētāji, kas tika paziņoti ceturtdien, piedāvāja apdzīvotās vietas ar ticamiem izkārtojumiem, kas pielāgoti katrai vietai. Ceļi apskauj kalnu nogāzes, tilti stiepjas pār upēm, un mājās ir pat mēbeles.

Atvērts un subjektīvs, GDMC tika izveidots līdz pārkāpt AI robežas . Atšķirībā no citām AI sacensībām, piemēram, DARPA izaicinājumiem pašbraucošās automašīnas vai roboti , tai nav skaidras finiša līnijas. Kāds ir labs ciems? Nav skaitliskas vērtības, ko varētu optimizēt, saka līdzorganizators Kristofs Salge, datorzinātnieks no Hertfordšīras universitātes Apvienotajā Karalistē.

Izaicinājuma atvērtība nozīmē, ka AI ir jāsasniedz vairāki mērķi. Lai uzvarētu, viņiem ir jāpārsteidz astoņi tiesneši no dažādām vidēm, tostarp arhitekti, arheologi un spēļu dizaineri.

Šie tiesneši AI pilsētu plānotājus vērtē četrās jomās: cik labi viņi pielāgo savus dizainus konkrētām vietām; cik labi izkārtojumi darbojas atbilstoši kritērijiem, piemēram, vai starp dažādām teritorijām ir tilti un ceļi; cik tie ir pievilcīgi estētiski; un cik ļoti dizainparaugi izraisa stāstījumu — vai ir detaļas, kas stāsta par pilsētas tapšanu, piemēram, drupas vai bedre, no kuras varētu būt iegūti būvmateriāli? 10 gadus vecs cilvēks var izveidot Minecraft ciematu neredzētai kartei, saka Salge. Bet AI tas ir patiešām grūti.

Zemes nolīdzināšana

Piemēram, viens dalībnieks sāka, nosakot vides veidu, piemēram, tuksnesi vai mežu, un pēc tam izveidoja ēkas, kas izskatījās tā, it kā tās būtu celtas no kopīgiem vietējiem materiāliem. Citam labi izdevās izlīdzināt ainavu un iekārtot laukumus. Šī taktika labi darbojās līdzenā, atklātā reljefā, kur tā radīja pārsteidzošus japāņu stila tempļu kompleksus. Taču tas bija mazāk veiksmīgs nelielā salā, kuru tas pilnībā nobruģēja.

Pat uzvarētāji joprojām pieļauj muļķīgas kļūdas. Vienā apdzīvotā vietā dažas mājas līdz pat dzegām ieraktas smiltīs. Tas acīmredzami ir tāpēc, ka algoritms vēlas balstīties uz stabilu pamatu, saka Salge. Tas grimst ēkas, līdz tās atsitas pret akmeni.

Klauss Aranha, kurš studē evolūcijas aprēķinus Tsukubas universitātē Japānā, konsultēja trīs konkursa dalībniekus. Viņš uzskata, ka tas ir labs veids, kā izpētīt un izmēģināt jaunas AI metodes. Viena lieta, kas man ļoti patīk, ir tas, ka šim izaicinājumam ir daudz dažādu pieeju, viņš saka.

Reālistiska izskata spēļu pasaules ir viena lieta. Bet AI jau tiek izmantots, lai analizētu, kā tiek būvētas pilsētas. Paņēmieni un pieejas, kas ir līdzīgas tām, kas tiek izmantotas konkursā, kādu dienu varētu palīdzēt izveidot reālas pilsētas, kas ir veselīgākas un drošākas.

Piemēram, Aranha ir atklājis, ka lielākajai daļai ierakstu tiek izmantota lejupejoša pieeja, kas nozīmē, ka AI pilsētas ģenerators aplūko noteiktu apgabalu un ģenerē apmetni, lai tā būtu piemērota. Tas var dot labus vispārējos rezultātus, taču detaļas var nebūt. Aranha uzskata, ka vairāku aģentu pieeja, kurā vairāki AI strādā neatkarīgi, lai izveidotu struktūras, kuras informē viņu tuvākā apkārtne, varētu radīt saskaņotākus un reālistiskākus dizainus.

Tagad viņš izmantos šo ieskatu, lai palīdzētu savā darbā, kurā viņš izmanto simulācijas, lai izpētītu dažādu pilsētplānošanas politiku ietekmi uz katastrofu scenārijiem, piemēram, zemestrīcēm vai ugunsgrēkiem. Viņš ģenerē virtuālās pilsētas mācīt neironu tīklu, kā izskatās pilsētas ar datiem no OpenStreetMap. Automātiski ģenerējot tūkstošiem virtuālo pilsētu, kas atšķiras pēc īpašībām, piemēram, ielu izvietojuma vai atvērto vietu skaita un novietojuma, viņš var novērtēt, vai politika, kas paredzēja, ka 10% dzīvojamo platību ir jārezervē parkiem, glābtu dzīvības.

CityScope Champs-Élysée projekts no MIT Media Lab izmanto uz aģentiem balstītu simulāciju, lai izpētītu piedāvātos dizainus

Tikmēr Arnauds Grignards un viņa kolēģi MIT Media Lab izmanto uz aģentiem balstītu simulāciju, lai izpētītu iespējamos dizainus aizņemtām publiskajām telpām, tostarp atjaunoti Elizejas lauki Parīzē. Un Ņujorkas starta uzņēmums Topos izmanto AI, lai palīdzētu saprast, kā pilsētas izkārtojums ietekmē tajā dzīvojošos. Vienā projektā tas izmantoja dažādas mākslīgā intelekta pieejas, tostarp attēlu atpazīšanu un dabiskās valodas apstrādi, lai uzzinātu, kā tur dzīvojošie cilvēki izmanto dažādus Ņujorkas apgabalus. Tā tad pārzīmēja Ņujorkas piecu rajonu robežas pamatojoties uz līdzībām starp apkaimēm, piemēram, vai tie ir dzīvojamie vai komerciālie, zaļie vai pilsētas rajoni. Iegūtā karte apgabalus veido vairāk vai mazāk koncentriskus gredzenus ap Manhetenas centru.

Džaspers Vijnands no Melburnas universitātes Austrālijā arī ir pārliecināts, ka mākslīgajam intelektam ir vieta nākotnes pilsētvides dizainā. Viņš un viņa kolēģi ir sākuši pētīt ģeneratīvo pretrunīgo tīklu (GAN) izmantošanu. stila pārsūtīšana uz attēliem no Google Street Skatīt.

Stila pārsūtīšana parasti tiek izmantota, lai atveidotu vienu attēlu cita stilā, piemēram, lai pašbilde izskatītos tā, it kā to būtu gleznojis Van Gogs. Taču vizuālā stila vietā Wijnands lika AI apgūt stilu, kas atspoguļo sabiedrības veselības datus dažādos pilsētas kvartālos. Pēc tam viņš lūdza tai reproducēt Ielas attēla attēlus tādā apkaimju stilā, kur sabiedrības veselība bija laba. Citiem vārdiem sakot, viņa mākslīgais intelekts var pieskarties slikto rajonu attēliem, lai tie izskatītos kā labi. Pilsētas plānotāji varētu izmantot šos pielāgojumus — zaļo zonu šeit, plašāku ielu tur — kā ceļvedi pilsētas uzlabojumiem.

AI netika mācīta, kādas lietas, pēc plānotāju domām, padara pilsētas labākas, taču tas pats par sevi skāra kopīgās idejas. Ir interesanti redzēt, ka GAN rezultāts atbilst mūsu zinātniskajai izpratnei par zaļās zonas ietekmi uz veselību, saka Wijnands.

Viņa komandai tagad ir dotācija 1,2 miljonu ASV dolāru apmērā, lai izstrādātu pieeju, un viņš ar to iepazīstina savus pilsētplānošanas studentus.

Dizaina ietekme

Viens no tūlītējākajiem mākslīgā intelekta izmantošanas veidiem pilsētu plānošanā ir izprast pilsētvides dizaina ietekmi globālā mērogā. Janvārī Wijnands un viņa kolēģi publicēja pētījumu The Lancet Planetary Health, kurā viņi aplūkoja 1692 pilsētas, kurās dzīvo trešā daļa pasaules iedzīvotāju. Viņi izmantoja konvolucionālos neironu tīklus, ko parasti izmanto attēlu atpazīšanai, lai klasificētu dažādus pilsētu izkārtojumus pēc tajos notikušo nopietnu ceļu satiksmes negadījumu skaita. Tika pierādīts, ka pilsētas ar intensīvākiem dzelzceļu tīkliem un blīvāku ielu izvietojumu ap maziem kvartāliem ir drošākas nekā plaši izkārtojumi, kas izvietoti ap strupceļiem.

Šie rezultāti var nebūt pārāk pārsteidzoši, taču datus vispār nevarēja analizēt bez automatizācijas.

Utopiskas dzīves vīzijas vienmēr balstās uz pieņēmumiem par to, kāda veida pilsēttelpas padara cilvēkus laimīgākus vai veselīgākus. Taču tos ir grūti pārbaudīt, un vērienīgi atjaunošanas projekti var neizdoties. AI pilsētplānotāji varētu palīdzēt vairākos veidos, atklājot noteiktu esošo izkārtojumu slēpto ietekmi vai simulējot tūkstošiem potenciālu dizainu. Salge šobrīd strādā ar plānotājiem ASV, lai noskaidrotu, kā turpmākajos konkursos varētu iekļaut reālistiskākus datus par to, kā cilvēki izmanto pilsētas, piemēram, kā viņi pārvietojas vai kur iepērkas. Tas varētu padarīt mākslīgos darbus vēl reālistiskākus un, iespējams, noderīgākus.

Bet negaidiet, ka AI pilnībā pārņems plānošanu. Pilsētas ir daudz vairāk nekā objektu izvietojums uz zemes: tajās tiek dzīvots. Un tas nozīmē, ka tās ir daudzu kompromisu rezultāts, saka Deivs Amoss, pilsētplānotājs, kuram ir populārs YouTube kanāls City Beautiful. Kā Amoss to norāda videoklipā laimētā ieraksta izskatīšana uz GDMC konkursu 2018. gadā: plānošana pēc savas būtības ir politisks process. Cilvēkiem ir jārunā par to, kāda būs attīstība.

paslēpties