Les planificateurs d'IA dans Minecraft pourraient aider les machines à concevoir de meilleures villes

Joël Filipe / Unsplash

Une dizaine de bâtiments aux toits pentus s'accrochent aux abords d'une mine à ciel ouvert. Au-dessus d'eux, au sommet d'une énorme arche rocheuse, se dresse une maison inaccessible. Ailleurs, une voie ferrée sur pilotis encercle un ensemble de tours multicolores. Des pagodes ornées décorent une grande place pavée. Et un moulin à vent solitaire tourne sur une île, entouré de cochons carrés. C'est la construction de la ville de Minecraft, à la manière de l'IA.

Minecraft a longtemps été une toile d'invention sauvage. Les fans ont utilisé le jeu de construction de blocs à succès pour créer des répliques de tout, de centre-ville de Chicago et Le débarquement du roi à processeurs de travail . Dans la décennie qui a suivi sa première sortie, tout ce qui peut être construit l'a été.

Depuis 2018, Minecraft est également le cadre d'un défi créatif qui étend les capacités des machines. L'annuaire Conception générative dans Minecraft (GDMC) demande aux participants de construire une intelligence artificielle capable de générer des villes ou des villages réalistes dans des lieux inédits. Le concours est juste pour le plaisir, pour l'instant, mais les techniques explorées par les différents concurrents d'IA sont des précurseurs de celles que les urbanistes du monde réel pourraient utiliser.

Le concours Generative Design in Minecraft met les IA au défi de concevoir des colonies pour des lieux inédits

Les entrées réussies utilisent généralement une gamme de techniques pour identifier quand niveler le terrain ou où placer des ponts et des bâtiments. Ceux-ci incluent des algorithmes de recherche de chemin à l'ancienne qui relient des parties éloignées d'une colonie, des automates cellulaires qui peuvent produire des structures complexes à l'aide de règles simples et l'apprentissage automatique.

La compétition a fait du chemin en trois ans. La première fois, les colonies semblaient souvent construites à la machine, avec des bâtiments disposés en rangées répétitives ou en grappes aléatoires. Les gagnants de cette année, annoncés jeudi, présentaient des colonies avec des aménagements crédibles adaptés à chaque emplacement. Les routes longent les coteaux, les ponts enjambent les rivières et les maisons contiennent même des meubles.

Evolutif et subjectif, le GDMC a été mis en place pour repousser les limites de l'IA . Contrairement à d'autres concours d'IA, tels que les défis DARPA pour voitures autonomes ou des robots , il n'a pas de ligne d'arrivée claire. Qu'est-ce qui fait un bon village ? Il n'y a pas de valeur numérique que vous pouvez optimiser, déclare le co-organisateur Christoph Salge, informaticien à l'Université de Hertfordshire, au Royaume-Uni.

Le caractère ouvert du défi signifie que les IA doivent maîtriser plusieurs objectifs. Pour gagner, ils doivent impressionner huit juges humains issus de divers horizons, notamment des architectes, des archéologues et des concepteurs de jeux.

Ces juges notent les urbanistes de l'IA dans quatre domaines : dans quelle mesure ils adaptent leurs conceptions à des emplacements spécifiques ; le bon fonctionnement des aménagements, selon des critères tels que l'existence ou non de ponts et de routes entre les différentes zones ; à quel point ils sont esthétiquement attrayants ; et à quel point les dessins évoquent un récit - y a-t-il des détails qui racontent comment une ville est née, comme une ruine ou une fosse à partir de laquelle des matériaux de construction auraient pu être extraits ? Faire un village Minecraft pour une carte invisible est quelque chose qu'un humain de 10 ans pourrait faire, dit Salge. Mais c'est vraiment difficile pour une IA.

Nivellement du terrain

Par exemple, un participant a commencé par identifier le type d'environnement – ​​désert ou forêt, par exemple – puis a généré des bâtiments qui semblaient avoir été construits à partir de matériaux locaux courants. Un autre était doué pour niveler le paysage et aménager des places. Cette tactique fonctionnait bien sur un terrain plat et ouvert, où elle produisait de remarquables complexes de temples de style japonais. Mais il a eu moins de succès sur une petite île, qu'il a entièrement pavée.

Même les entrées gagnantes font encore des erreurs stupides. Dans un village, certaines des maisons sont enterrées jusqu'à l'avant-toit dans le sable. C'est clairement parce que l'algorithme veut construire sur un terrain solide, explique Salge. Il coule des bâtiments jusqu'à ce qu'ils heurtent la roche.

Claus Aranha, qui étudie le calcul évolutionnaire à l'Université de Tsukuba au Japon, a conseillé trois participants au concours. Il pense que c'est un bon moyen d'explorer et de tester de nouvelles techniques d'IA. Une chose que j'aime vraiment, c'est qu'il existe de nombreuses approches différentes pour relever ce défi, dit-il.

Les mondes de jeu réalistes sont une chose. Mais l'IA est déjà utilisée pour analyser la façon dont les villes sont construites. Des techniques et des approches similaires à celles déployées dans le cadre du concours pourraient un jour aider à concevoir de vraies villes plus saines et plus sûres.

Par exemple, Aranha a constaté que la plupart des entrées adoptent une approche descendante, ce qui signifie que le générateur de ville IA examine une zone donnée et génère un règlement adapté. Cela peut donner de bons résultats globaux, mais les détails peuvent être faussés. Aranha pense qu'une approche multi-agents, où plusieurs IA travaillent indépendamment pour construire des structures informées par leur environnement immédiat, pourrait conduire à des conceptions plus cohérentes et réalistes.

Il va maintenant utiliser cette idée pour aider son propre travail, dans lequel il utilise des simulations pour explorer l'impact de différentes politiques d'urbanisme sur des scénarios de catastrophe tels que des tremblements de terre ou des incendies de forêt. Il génère des villes virtuelles en enseigner à un réseau de neurones à quoi ressemblent les villes avec les données d'OpenStreetMap. En générant automatiquement des milliers de villes virtuelles qui diffèrent par des propriétés telles que la disposition des rues ou le nombre et la position des espaces ouverts, il peut évaluer si une politique exigeant que 10 % de la zone résidentielle soit réservée aux parcs sauverait des vies.

Le projet CityScope Champs-Élysée du MIT Media Lab utilise la simulation basée sur des agents pour explorer les conceptions proposées

Pendant ce temps, Arnaud Grignard et ses collègues du MIT Media Lab utilisent la simulation basée sur des agents pour explorer les conceptions possibles d'espaces publics très fréquentés, notamment des Champs-Élysées régénérés à Paris. Et la startup new-yorkaise Topos utilise l'IA pour aider à comprendre comment l'aménagement d'une ville affecte ceux qui y vivent. Dans un projet, il a utilisé une gamme d'approches d'IA, y compris la reconnaissance d'images et le traitement du langage naturel, pour apprendre comment les différentes zones de New York étaient utilisées par les personnes qui y vivaient. Alors redessiné les limites des cinq arrondissements de New York sur la base des similitudes entre les quartiers, comme s'ils sont résidentiels ou commerciaux, verdoyants ou urbains. La carte qui en résulte présente les arrondissements comme des anneaux plus ou moins concentriques autour d'un centre de Manhattan.

Jasper Wijnands, de l'Université de Melbourne en Australie, est également convaincu que l'IA a sa place dans la conception urbaine future. Lui et ses collègues ont commencé à explorer l'utilisation des réseaux antagonistes génératifs (GAN) pour faire transfert de style sur les images de Google Street Voir.

Le transfert de style est généralement utilisé pour reproduire une image dans le style d'une autre, par exemple pour donner l'impression qu'un selfie a été peint par Van Gogh. Mais au lieu d'un style visuel, Wijnands a fait apprendre à son IA un style qui reflétait les données de santé publique dans différents pâtés de maisons. Il lui a alors demandé de reproduire des images Street View à la manière des quartiers où la santé publique était bonne. En d'autres termes, son IA peut retoucher les images des mauvais quartiers pour qu'ils ressemblent aux bons. Les urbanistes pourraient alors utiliser ces ajustements - un espace vert ici, une rue plus large là-bas - comme guide pour les améliorations urbaines.

L'IA n'a pas appris quelles sortes de choses les planificateurs pensent rendre les villes meilleures, mais elle a trouvé des idées communes par elle-même. Il est intéressant de voir que les résultats du GAN sont cohérents avec notre compréhension scientifique de l'impact des espaces verts sur la santé, déclare Wijnands.

Son équipe dispose maintenant d'une subvention de 1,2 million de dollars pour développer l'approche, et il la présente à ses étudiants en urbanisme.

Incidences sur la conception

L'une des utilisations les plus immédiates de l'IA dans l'urbanisme est de comprendre l'impact de la conception urbaine à l'échelle mondiale. En janvier, Wijnands et ses collègues ont publié une étude dans The Lancet Planetary Health dans laquelle ils ont examiné 1 692 villes, qui abritent un tiers de la population mondiale. Ils ont utilisé des réseaux de neurones convolutifs, généralement utilisés pour la reconnaissance d'images, pour classer différents aménagements urbains en fonction du nombre d'accidents de la route graves qui s'y sont produits. Les villes avec des réseaux ferroviaires plus fréquentés et des tracés de rues plus denses disposés autour de petits pâtés de maisons se sont révélées plus sûres que des tracés plus étendus disposés autour de culs-de-sac.

Ces résultats ne sont peut-être pas trop surprenants, mais les données n'auraient pas pu être analysées du tout sans automatisation.

Les visions de la vie utopique sont toujours basées sur des présupposés sur les types d'espaces urbains qui rendent les gens plus heureux ou en meilleure santé. Mais ceux-ci sont difficiles à tester et les projets de régénération ambitieux peuvent échouer. Les urbanistes IA pourraient aider de plusieurs manières, en révélant les impacts cachés de certains aménagements existants ou en simulant des milliers de conceptions potentielles. Salge travaille actuellement avec des planificateurs aux États-Unis sur la façon dont les futurs concours pourraient intégrer des données plus réalistes sur la façon dont les gens utilisent les villes, comme la façon dont ils se déplacent ou où ils font leurs courses. Cela pourrait rendre les créations artificielles encore plus réalistes et potentiellement plus utiles.

Mais ne vous attendez pas à ce que l'IA prenne complètement le contrôle de la planification. Les villes sont bien plus qu'un agencement d'objets sur le sol : elles sont habitées. Et cela signifie qu'elles sont le résultat de nombreux compromis, explique Dave Amos, un urbaniste qui possède une chaîne YouTube populaire appelée City Beautiful. Comme Amos le dit dans une vidéo examen de l'entrée gagnante au concours GDMC en 2018 : La planification est par nature un processus politique. Vous avez besoin que les gens s'interrogent sur ce que sera le développement.

cacher