211service.com
Los planificadores de IA en Minecraft podrían ayudar a las máquinas a diseñar mejores ciudades
Joel Filipe / Unsplash
Una docena de edificios con techos empinados se aferran a los bordes de una mina a cielo abierto. Muy por encima de ellos, en lo alto de un enorme arco de roca, se encuentra una casa inaccesible. En otra parte, un ferrocarril sobre pilotes rodea un grupo de torres multicolores. Las pagodas ornamentadas decoran una gran plaza pavimentada. Y un molino de viento solitario gira sobre una isla, rodeado de cerdos cuadrados. Esta es la construcción de ciudades de Minecraft, estilo AI.
Minecraft ha sido durante mucho tiempo un lienzo para la invención salvaje. Los fanáticos han usado el exitoso juego de construcción de bloques para crear réplicas de todo, desde centro de chicago y Desembarco del Rey a CPU en funcionamiento . En la década transcurrida desde su primer lanzamiento, todo lo que se puede construir se ha construido.
Desde 2018, Minecraft también ha sido escenario de un desafío creativo que amplía las capacidades de las máquinas. El anual Diseño generativo en Minecraft (GDMC) pide a los participantes que construyan una inteligencia artificial que pueda generar pueblos o aldeas realistas en lugares nunca antes vistos. El concurso es solo por diversión, por ahora, pero las técnicas exploradas por los diversos competidores de IA son precursoras de las que podrían usar los urbanistas del mundo real.
La competencia Diseño generativo en Minecraft desafía a las IA a diseñar asentamientos para ubicaciones nunca antes vistas
Las entradas exitosas suelen utilizar una variedad de técnicas para identificar cuándo nivelar el terreno o dónde colocar puentes y edificios. Estos incluyen algoritmos de búsqueda de rutas de la vieja escuela que conectan partes remotas de un asentamiento, autómatas celulares que pueden producir estructuras complejas usando reglas simples y aprendizaje automático.
La competencia ha recorrido un largo camino en tres años. La primera vez, los asentamientos a menudo parecían hechos a máquina, con edificios dispuestos en filas repetitivas o grupos aleatorios. Los ganadores de este año, anunciados el jueves, presentaban asentamientos con diseños creíbles adaptados a cada ubicación. Los caminos abrazan las laderas, los puentes cruzan los ríos y las casas incluso contienen muebles.
Abierto y subjetivo, GDMC se creó para supera los límites de la IA . A diferencia de otras competencias de IA, como los desafíos DARPA para autos sin conductor o robots , no tiene una línea de meta clara. ¿Qué hace a un buen pueblo? No hay un valor numérico que pueda optimizar, dice el coorganizador Christoph Salge, científico informático de la Universidad de Hertfordshire, Reino Unido.
El carácter abierto del desafío significa que las IA deben dominar múltiples objetivos. Para ganar, deben impresionar a ocho jueces humanos de una variedad de antecedentes, incluidos arquitectos, arqueólogos y diseñadores de juegos.
Estos jueces califican a los urbanistas de AI en cuatro áreas: qué tan bien adaptan sus diseños a ubicaciones específicas; qué tan bien funcionan los diseños, de acuerdo con criterios tales como si hay puentes y caminos entre diferentes áreas; cuán atractivos son estéticamente; y en qué medida los diseños evocan una narrativa: ¿hay detalles que cuenten una historia sobre cómo surgió una ciudad, como una ruina o un pozo del que podrían haberse extraído materiales de construcción? Hacer una aldea de Minecraft para un mapa invisible es algo que podría hacer un humano de 10 años, dice Salge. Pero es realmente difícil para una IA.
nivelando la tierra
Por ejemplo, un participante comenzó identificando el tipo de entorno (desierto o bosque, digamos) y luego generó edificios que parecían haber sido construidos con materiales locales comunes. Otro era bueno para nivelar el paisaje y establecer plazas. Esta táctica funcionó bien en terrenos llanos y abiertos, donde produjo llamativos complejos de templos de estilo japonés. Pero tuvo menos éxito en una isla pequeña, que pavimentó por completo.
Incluso las entradas ganadoras siguen cometiendo errores tontos. En un asentamiento, algunas de las casas están enterradas hasta los aleros en la arena. Esto se debe claramente a que el algoritmo quiere construir sobre una base sólida, dice Salge. Hunde edificios hasta que golpean rocas.
Claus Aranha, que estudia computación evolutiva en la Universidad de Tsukuba en Japón, aconsejó a tres participantes de la competencia. Él piensa que es una buena manera de explorar y probar nuevas técnicas de IA. Una cosa que realmente me gusta es que hay muchos enfoques diferentes para este desafío, dice.
Los mundos de juego de aspecto realista son una cosa. Pero la IA ya se está utilizando para analizar cómo se construyen las ciudades. Técnicas y enfoques similares a los que se están implementando en la competencia algún día podrían ayudar a diseñar ciudades reales que sean más saludables y seguras.
Por ejemplo, Aranha descubrió que la mayoría de las entradas adoptan un enfoque de arriba hacia abajo, lo que significa que el generador de ciudades de IA analiza un área determinada y genera un asentamiento que se ajusta. Eso puede dar buenos resultados generales, pero los detalles pueden estar mal. Aranha cree que un enfoque multiagente, en el que varias IA trabajen de forma independiente para construir estructuras informadas por su entorno inmediato, podría conducir a diseños más coherentes y realistas.
Ahora utilizará esta información para ayudar en su propio trabajo, en el que usa simulaciones para explorar el impacto de diferentes políticas de planificación urbana en escenarios de desastres como terremotos o incendios forestales. Genera ciudades virtuales por enseñando a una red neuronal cómo son las ciudades con datos de OpenStreetMap. Al generar automáticamente miles de ciudades virtuales que difieren en propiedades como el diseño de las calles o el número y la posición de los espacios abiertos, puede evaluar si una política que requiere que el 10% del área residencial se reserve para parques salvaría vidas.
El proyecto CityScope Champs-Élysée del MIT Media Lab utiliza la simulación basada en agentes para explorar los diseños propuestos
Mientras tanto, Arnaud Grignard y sus colegas del MIT Media Lab están utilizando simulación basada en agentes para explorar posibles diseños para espacios públicos concurridos, que incluyen unos Campos Elíseos regenerados en París. Y la startup Topos de Nueva York está utilizando IA para ayudar a comprender cómo el diseño de una ciudad afecta a quienes viven en ella. En un proyecto, utilizó una variedad de enfoques de IA, incluido el reconocimiento de imágenes y el procesamiento del lenguaje natural, para aprender cómo las personas que vivían allí usaban las diferentes áreas de Nueva York. entonces redibujó los límites de los cinco distritos de Nueva York sobre la base de similitudes entre barrios, como si son residenciales o comerciales, frondosos o urbanos. El mapa resultante organiza los distritos como anillos más o menos concéntricos alrededor de un Manhattan central.
Jasper Wijnands, de la Universidad de Melbourne en Australia, también está convencido de que la IA tiene un lugar en el diseño urbano del futuro. Él y sus colegas han comenzado a explorar el uso de redes antagónicas generativas (GAN) para hacer transferencia de estilo en imágenes de Google Street Vista.
La transferencia de estilo se usa normalmente para reproducir una imagen con el estilo de otra, como hacer que una selfie parezca pintada por Van Gogh. Pero en lugar de un estilo visual, Wijnands consiguió que su IA aprendiera un estilo que reflejaba los datos de salud pública en diferentes manzanas de la ciudad. Luego le pidió que reprodujera imágenes de Street View al estilo de los barrios donde la salud pública era buena. En otras palabras, su IA puede retocar imágenes de barrios malos para que parezcan buenos. Los planificadores de la ciudad podrían usar estos ajustes (un espacio verde aquí, una calle más ancha allá) como guía para las mejoras urbanas.
A la IA no se le enseñó qué tipo de cosas piensan los planificadores para mejorar las ciudades, pero encontró ideas comunes por sí misma. Es interesante ver que la salida de GAN es consistente con nuestra comprensión científica del impacto de los espacios verdes en la salud, dice Wijnands.
Su equipo ahora tiene una subvención de $1.2 millones para desarrollar el enfoque, y lo está presentando a sus estudiantes de planificación urbana.
Impactos de diseño
Uno de los usos más inmediatos de la IA en la planificación urbana es comprender el impacto del diseño urbano a escala global. En enero, Wijnands y sus colegas publicaron un estudio en The Lancet Planetary Health en el que observaron 1692 ciudades, hogar de un tercio de la población mundial. Utilizaron redes neuronales convolucionales, típicamente utilizadas para el reconocimiento de imágenes, para clasificar diferentes diseños urbanos según la cantidad de accidentes de tráfico graves que habían ocurrido en ellos. Se demostró que las ciudades con más redes ferroviarias de alto tránsito y diseños de calles más densos dispuestos alrededor de bloques pequeños son más seguras que los diseños más extensos dispuestos alrededor de callejones sin salida.
Es posible que esos resultados no sean demasiado sorprendentes, pero los datos no podrían haberse analizado en absoluto sin la automatización.
Las visiones de la vida utópica siempre se basan en presuposiciones sobre qué tipos de espacios urbanos hacen que las personas sean más felices o saludables. Pero estos son difíciles de probar y los proyectos de regeneración ambiciosos pueden fallar. Los planificadores de ciudades con IA podrían ayudar de varias maneras, revelando los impactos ocultos de ciertos diseños existentes o simulando miles de diseños potenciales. Salge ahora está trabajando con planificadores en los EE. UU. sobre cómo las futuras competencias podrían incorporar datos más realistas sobre cómo las personas usan las ciudades, por ejemplo, cómo se mueven o dónde van de compras. Eso podría hacer que las creaciones artificiales sean aún más realistas y potencialmente más útiles.
Pero no espere que la IA se haga cargo de la planificación por completo. Las ciudades son mucho más que una disposición de objetos en el suelo: se vive en ellas. Y eso significa que son el resultado de muchas concesiones, dice Dave Amos, un planificador urbano que tiene un popular canal de YouTube llamado City Beautiful. Como lo pone Amos en un video revisando la entrada ganadora a la competencia GDMC en 2018: la planificación es inherentemente un proceso político. Necesitas gente que discuta sobre cómo será el desarrollo.