211service.com
AI-planners in Minecraft kunnen machines helpen om betere steden te ontwerpen
Joel Filipe / Unsplash
Een tiental gebouwen met steile daken klampen zich vast aan de randen van een dagbouwmijn. Hoog boven hen, bovenop een enorme rotsboog, staat een ontoegankelijk huis. Elders omcirkelt een spoorweg op palen een groep veelkleurige torenflats. Sierlijke pagodes sieren een groot geplaveid plein. En een eenzame windmolen draait op een eiland, omringd door vierkante varkens. Dit is Minecraft-stadsbouw, AI-stijl.
Minecraft is lang een canvas geweest voor wilde uitvindingen. Fans hebben het populaire blokbouwspel gebruikt om replica's te maken van alles van het centrum van Chicago en Koningslanding naar werkende CPU's . In het decennium sinds de eerste release is alles dat kan worden gebouwd.
Sinds 2018 is Minecraft ook het decor voor een creatieve uitdaging die de mogelijkheden van machines uitbreidt. De jaarlijkse Generatief ontwerp in Minecraft (GDMC)-competitie vraagt deelnemers om kunstmatige intelligentie te bouwen die realistische steden of dorpen kan genereren op voorheen onzichtbare locaties. De wedstrijd is voorlopig alleen voor de lol, maar de technieken die door de verschillende AI-concurrenten worden onderzocht, zijn voorlopers van technieken die echte stadsplanners zouden kunnen gebruiken.
De Generative Design in Minecraft-competitie daagt AI's uit om nederzettingen te ontwerpen voor voorheen ongeziene locaties
Succesvolle inzendingen gebruiken meestal een reeks technieken om te bepalen wanneer het terrein moet worden geëgaliseerd of waar bruggen en gebouwen moeten worden geplaatst. Deze omvatten ouderwetse algoritmen voor het vinden van paden die afgelegen delen van een nederzetting met elkaar verbinden, cellulaire automaten die complexe structuren kunnen produceren met behulp van eenvoudige regels, en machine learning.
De concurrentie heeft een lange weg afgelegd in drie jaar. De eerste keer zagen nederzettingen er vaak machinaal uit, met gebouwen in repetitieve rijen of willekeurige clusters. De winnaars van dit jaar, die donderdag werden aangekondigd, waren nederzettingen met geloofwaardige lay-outs die waren aangepast aan elke locatie. Wegen omhelzen heuvels, bruggen overspannen rivieren en huizen bevatten zelfs meubels.
Open en subjectief, GDMC is opgezet om: verleg de grenzen van AI . In tegenstelling tot andere AI-competities, zoals de DARPA-uitdagingen voor: zelfrijdende auto's of robots , het heeft geen duidelijke finishlijn. Wat maakt een goed dorp? Er is geen numerieke waarde waarvoor je kunt optimaliseren, zegt mede-organisator Christoph Salge, een computerwetenschapper aan de University of Hertfordshire, VK.
De openheid van de uitdaging betekent dat AI's meerdere doelen moeten beheersen. Om te winnen, moeten ze indruk maken op acht menselijke juryleden met verschillende achtergronden, waaronder architecten, archeologen en game-ontwerpers.
Deze juryleden scoren de AI-stadsplanners op vier gebieden: hoe goed ze hun ontwerpen aanpassen aan specifieke locaties; hoe goed de lay-outs werken, volgens criteria zoals of er bruggen en wegen zijn tussen verschillende gebieden; hoe aantrekkelijk ze esthetisch zijn; en in hoeverre roepen de ontwerpen een verhaal op - zijn er details die een verhaal vertellen over hoe een stad is ontstaan, zoals een ruïne of een put waaruit bouwmaterialen kunnen zijn gewonnen? Een Minecraft-dorp maken voor een onzichtbare kaart is iets wat een 10-jarige mens zou kunnen doen, zegt Salge. Maar het is echt moeilijk voor een AI.
Het land egaliseren
Een deelnemer begon bijvoorbeeld met het identificeren van het type omgeving - woestijn of bos bijvoorbeeld - en genereerde vervolgens gebouwen die eruitzagen alsof ze waren gebouwd van gewone lokale materialen. Een ander was goed in het egaliseren van het landschap en het aanleggen van pleinen. Deze tactiek werkte goed op vlak, open terrein, waar het opvallende tempelcomplexen in Japanse stijl opleverde. Maar het was minder succesvol op een klein eiland, dat het volledig had geplaveid.
Zelfs de winnende inzendingen maken nog steeds domme fouten. In één nederzetting zijn sommige huizen tot aan hun dakrand in het zand begraven. Dat komt duidelijk omdat het algoritme op vaste grond wil bouwen, zegt Salge. Het laat gebouwen zinken totdat ze een rots raken.
Claus Aranha, die evolutionaire berekening studeert aan de Universiteit van Tsukuba in Japan, adviseerde drie deelnemers aan de wedstrijd. Hij vindt het een goede manier om nieuwe AI-technieken te verkennen en uit te testen. Een ding dat ik erg leuk vind, is dat er veel verschillende benaderingen zijn voor deze uitdaging, zegt hij.
Realistisch ogende gamewerelden zijn één ding. Maar AI wordt al gebruikt om te analyseren hoe steden worden gebouwd. Technieken en benaderingen die vergelijkbaar zijn met die welke in de competitie worden gebruikt, kunnen ooit helpen om echte steden te ontwerpen die gezonder en veiliger zijn.
Aranha heeft bijvoorbeeld ontdekt dat de meeste inzendingen een top-downbenadering hebben, wat betekent dat de AI-stadsgenerator naar een bepaald gebied kijkt en een passende nederzetting genereert. Dat kan goede algemene resultaten opleveren, maar de details kunnen niet kloppen. Aranha denkt dat een multi-agentbenadering, waarbij verschillende AI's onafhankelijk werken om structuren te bouwen op basis van hun directe omgeving, kan leiden tot meer coherente en realistische ontwerpen.
Hij gaat dit inzicht nu gebruiken om zijn eigen werk te helpen, waarin hij simulaties gebruikt om de impact van verschillende stedenbouwkundige beleidsmaatregelen op rampscenario's zoals aardbevingen of bosbranden te onderzoeken. Hij genereert virtuele steden door een neuraal netwerk leren hoe steden eruit zien met gegevens van OpenStreetMap. Door automatisch duizenden virtuele steden te genereren die verschillen in eigenschappen zoals straatindeling of aantal en ligging van open plekken, kan hij inschatten of een beleid waarbij 10% van de woonoppervlakte gereserveerd moet worden voor parken levens zou redden.
Het CityScope Champs-Élysée-project van het MIT Media Lab maakt gebruik van agentgebaseerde simulatie om voorgestelde ontwerpen te onderzoeken
Ondertussen gebruiken Arnaud Grignard en zijn collega's van het MIT Media Lab op agenten gebaseerde simulatie om mogelijke ontwerpen voor drukke openbare ruimtes te onderzoeken, waaronder een geregenereerde Champs-Élysées in Parijs. En de New Yorkse startup Topos gebruikt AI om te helpen begrijpen hoe de lay-out van een stad de bewoners beïnvloedt. In één project gebruikte het een reeks AI-benaderingen, waaronder beeldherkenning en natuurlijke taalverwerking, om te leren hoe verschillende gebieden in New York werden gebruikt door de mensen die daar woonden. Het dan hertekende de grenzen van de vijf stadsdelen van New York op basis van overeenkomsten tussen buurten, bijvoorbeeld of het nu gaat om een woonwijk of commercieel, lommerrijk of stedelijk. De resulterende kaart rangschikt de stadsdelen als min of meer concentrische ringen rond een centraal Manhattan.
Jasper Wijnands, verbonden aan de University of Melbourne in Australië, is er ook van overtuigd dat AI een plaats heeft in toekomstig stedenbouwkundig ontwerp. Hij en zijn collega's zijn begonnen met het verkennen van het gebruik van generatieve adversariële netwerken (GAN's). stijloverdracht op afbeeldingen van Google Street Visie.
Stijloverdracht wordt meestal gebruikt om een afbeelding in de stijl van een andere te reproduceren, bijvoorbeeld om een selfie eruit te laten zien alsof deze door Van Gogh is geschilderd. Maar in plaats van een visuele stijl, liet Wijnands zijn AI een stijl leren die de volksgezondheidsgegevens in verschillende stadsblokken weerspiegelde. Vervolgens vroeg hij het om Street View-beelden te reproduceren in de stijl van buurten waar de volksgezondheid goed was. Met andere woorden, zijn AI kan beelden van slechte buurten bijwerken zodat ze er goed uitzien. Stadsplanners zouden deze aanpassingen - een groene ruimte hier, een bredere straat daar - dan kunnen gebruiken als leidraad voor stedelijke verbeteringen.
De AI heeft niet geleerd wat voor soort dingen planners denken dat steden beter maken, maar het kwam vanzelf op gemeenschappelijke ideeën. Het is interessant om te zien dat de GAN-output consistent is met ons wetenschappelijk inzicht in de impact van groen op de gezondheid, zegt Wijnands.
Zijn team heeft nu een subsidie van 1,2 miljoen dollar om de aanpak te ontwikkelen, en hij introduceert het bij zijn stedenbouwkundige studenten.
Ontwerpeffecten
Een van de meer directe toepassingen voor AI in stadsplanning is om de impact van stedenbouwkundig ontwerp op wereldschaal te begrijpen. In januari publiceerden Wijnands en zijn collega's een studie in The Lancet Planetary Health waarin ze 1.692 steden bekeken, waar een derde van de wereldbevolking woont. Ze gebruikten convolutionele neurale netwerken, meestal gebruikt voor beeldherkenning, om verschillende stedelijke lay-outs te classificeren op basis van het aantal ernstige verkeersongevallen dat zich daarin had voorgedaan. Steden met meer high-transit spoorwegnetwerken en dichtere straten die rond kleine blokken waren gerangschikt, bleken veiliger te zijn dan meer uitgestrekte lay-outs rond doodlopende straten.
Die resultaten zijn misschien niet zo verrassend, maar de gegevens zouden zonder automatisering helemaal niet zijn geanalyseerd.
Visies op utopisch leven zijn altijd gebaseerd op vooronderstellingen over wat voor soort stedelijke ruimte mensen gelukkiger of gezonder maakt. Maar deze zijn moeilijk te testen en ambitieuze regeneratieprojecten kunnen mislukken. AI-stadsplanners kunnen op een aantal manieren helpen, door de verborgen effecten van bepaalde bestaande lay-outs te onthullen of duizenden potentiële ontwerpen te simuleren. Salge werkt nu samen met planners in de VS over hoe toekomstige wedstrijden meer realistische gegevens kunnen bevatten over hoe mensen steden gebruiken, zoals hoe ze zich verplaatsen of waar ze gaan winkelen. Dat zou de kunstmatige creaties nog levensechter kunnen maken - en mogelijk nuttiger.
Maar verwacht niet dat AI de planning volledig overneemt. Steden zijn veel meer dan een opstelling van objecten op de grond: ze worden bewoond. En dat betekent dat ze het resultaat zijn van vele compromissen, zegt Dave Amos, een stedenbouwkundige die een populair YouTube-kanaal heeft genaamd City Beautiful. Zoals Amos het in een video zegt de winnende inzending beoordelen aan de GDMC-competitie in 2018: Planning is inherent een politiek proces. Je hebt mensen nodig die een mening vormen over hoe de ontwikkeling eruit gaat zien.