Un concours visant à déterminer quelle IA produit les meilleurs bâtiments dans Minecraft permet d’explorer de nouvelles techniques d’urbanisme.
Une douzaine de bâtiments aux toits escarpés s’accrochent aux bords d’une mine à ciel ouvert. Au-dessus d’eux, au sommet d’un énorme arc de roche, se trouve une maison inaccessible. Ailleurs, une voie ferrée sur pilotis encercle un groupe de blocs de tours multicolores. Des pagodes ornées décorent une grande place pavée. Et un moulin à vent isolé tourne sur une île, entourée de cochons carrés. Voici à quoi ressemble une ville construite dans Minecraft à l’aide d’une IA.
Minecraft a longtemps été une plateforme libre pour des inventions en tous genres. Les fans ont utilisé le jeu de construction de blocs pour créer des répliques de tout, du monde de Harry Potter à celui de Games Of Thrones. Dans la décennie depuis sa première sortie, tout ce qui peut être construit l’a été.
Depuis 2018, Minecraft a également été le cadre d’un défi créatif qui étend les capacités des machines. Le concours annuel Generative Design in Minecraft (GDMC) demande aux participants de construire une intelligence artificielle qui peut générer des villes ou des villages réalistes dans des endroits jusqu’alors invisibles. Le concours a été créé juste pour le plaisir, pour l’instant, mais les techniques explorées par les différents concurrents de l’IA sont des précurseurs de celles que les urbanistes du monde réel pourraient utiliser.
Les participants avec des propositions viables utilisent généralement une série de techniques pour déterminer quand il faut niveler le terrain ou bien, où placer les ponts et les bâtiments. Il s’agit notamment d’algorithmes de recherche de cheminement à l’ancienne qui relient les parties éloignées d’un village, d’automates cellulaires qui peuvent produire des structures complexes en utilisant des règles simples, et le machine learning.
Le concours a fait beaucoup de chemin en trois ans. La première fois, les villages avaient souvent l’air d’avoir été construits par des robots, avec des bâtiments disposés en rangées répétitives ou en grappes aléatoires. Les gagnants de cette année, annoncés jeudi, ont présenté des constructions dont la disposition était crédible et adaptée à chaque endroit. Les routes bordent les collines, les ponts enjambent les rivières et les maisons contiennent même des meubles.
Ouvert et subjectif, le GDMC a été créé pour repousser les limites de l’IA. Contrairement à d’autres compétitions d’IA, comme les défis DARPA pour les voitures ou les robots autodidactes, 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 pour laquelle vous pouvez optimiser“, explique le coorganisateur Christoph Salge, informaticien à l’université de Hertfordshire, au Royaume-Uni.
Le caractère ouvert du défi signifie que les IA doivent maîtriser des objectifs multiples. Pour gagner, elles doivent impressionner huit juges humains issus d’horizons divers, notamment des architectes, des archéologues et des concepteurs de jeux.
Ces juges notent les urbanistes dans quatre domaines : la qualité de l’adaptation de leurs conceptions à des lieux spécifiques ; la qualité du fonctionnement des plans, selon des critères tels que l’existence de ponts et de routes entre les différentes zones ; l’attrait esthétique ; et la capacité des conceptions à évoquer une histoire. Y a-t-il des détails qui racontent l’histoire de la naissance d’une ville, comme une ruine ou une fosse d’où des matériaux de construction auraient pu être extraits ? “Faire un village Minecraft pour une carte invisible est quelque chose qu’un enfant 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 avec des matériaux du biome environnant. Un autre a bien réussi à niveler le paysage et à aménager des esplanades. Cette tactique a bien fonctionné sur un terrain plat et ouvert, où elle a produit des complexes de temples de style japonais saisissants. Mais elle a eu moins de succès sur une petite île, qu’elle a entièrement recouverte de pavés.
Même les gagnants font encore des erreurs. Dans une ville, certaines maisons sont enterrées dans le sable jusqu’à l’avant-toit. C’est clairement parce que l’algorithme veut construire sur un sol solide, dit Salge. Il enfonce les bâtiments jusqu’à ce qu’ils touchent la pierre
Claus Aranha, qui étudie le calcul évolutionniste à l’université de Tsukuba au Japon, a conseillé trois candidats 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 univers de jeu aux styles 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 qui sont 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 candidatures adoptent une approche descendante, c’est-à-dire que le générateur de villes examine une zone donnée et génère une agglomération adaptée. Cela peut donner de bons résultats dans l’ensemble, mais les détails peuvent ne pas être clairs. Aranha pense qu’une approche multi-agents, où plusieurs IA travaillent indépendamment pour construire des structures inspirées de leur environnement immédiat, pourrait conduire à des conceptions plus cohérentes et plus réalistes.
Il va maintenant utiliser cette idée pour appuyer son propre travail, dans lequel il utilise des simulations pour explorer l’impact de différentes mesures d’urbanisme sur des scénarios de catastrophe tels que les tremblements de terre ou les incendies de forêt. Il génère des villes virtuelles en enseignant 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 leurs 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.
Pendant ce temps, Arnaud Grignard et ses collègues du Media Lab du MIT utilisent une simulation basée sur des agents pour explorer les conceptions possibles d’espaces publics très fréquentés, dont les Champs-Élysées régénérés à Paris. Et la start-up new-yorkaise Topos utilise l’IA pour aider à comprendre comment l’aménagement d’une ville affecte ceux qui y vivent. Dans le cadre d’un projet, elle a utilisé une série d’approches d’IA, notamment la reconnaissance d’images et le traitement du langage naturel, pour apprendre comment les habitants de New York utilisent les différents espaces de la ville. Il a ensuite redéfini les limites des cinq arrondissements de New York en se basant sur les similitudes entre les quartiers, par exemple 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 Manhattan central.
Jasper Wijnands, de l’université de Melbourne en Australie, est également convaincu que l’IA a sa place dans la future conception urbaine. Avec ses collègues, il a commencé à explorer l’utilisation de generative adversarial networks (GAN) pour effectuer des transferts de style sur les images de Google Street View.
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 est peint par Van Gogh. Mais au lieu d’un style visuel, Wijnands a fait appel à son IA pour apprendre un “style” qui reflète les données de santé publique dans différents blocs de la ville. Il lui a ensuite demandé de reproduire les images de Street View dans le style 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 à de bons quartiers. Les urbanistes pourraient ensuite utiliser ces retouches – un espace vert par-ci, une rue plus large par-là – comme guide pour les améliorations urbaines.
L’IA n’a pas appris ce que les urbanistes pensent qui rend les villes meilleures, mais elle a trouvé des idées communes par elle-même. “Il est intéressant de voir que les résultats du GAN sont conformes à notre compréhension scientifique de l’impact des espaces verts sur la santé”, déclare M. Wijnands.
Son équipe dispose maintenant d’une bourse de 1,2 million de dollars pour développer cette approche, et il la présente à ses étudiants en urbanisme.
Impact de la conception
L’une des utilisations les plus immédiates de l’IA dans la planification urbaine est de comprendre l’impact de l’aménagement urbain 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, abritant un tiers de la population mondiale. Ils ont utilisé des réseaux neuronaux convolutifs, généralement utilisés pour la reconnaissance d’images, pour classer les différents aménagements urbains en fonction du nombre d’accidents de la route graves qui s’y sont produits. Les villes dotées de réseaux ferroviaires à haut débit et de rues plus denses disposées autour de petits blocs se sont révélées plus sûres que les villes plus étendues disposées autour de culs-de-sac.
Ces résultats ne sont peut-être pas trop surprenants, mais les données n’auraient pas pu être analysées sans automatisation.
Les visions d’une vie utopique sont toujours basées sur des présuppositions quant aux types d’espaces urbains qui rendent les gens plus heureux ou plus sains. Mais ces hypothèses sont difficiles à tester, et les projets de régénération ambitieux peuvent échouer. Les urbanistes se servant de l’intelligence artificielle peuvent aider de plusieurs façons, en révélant les impacts cachés de certains aménagements existants ou en simulant des milliers de conceptions potentielles. M. Salge travaille actuellement avec des urbanistes américains sur la manière dont les futurs concours pourraient intégrer des données plus réalistes sur la manière dont les gens utilisent les villes, comme la manière dont ils se déplacent ou les endroits où ils font leurs achats. 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 en main la planification des villes. Celles-ci sont bien plus qu’un agencement de choses sur le terrain : elles sont habitées. Et cela signifie qu’elles sont le résultat de nombreux compromis, dit Dave Amos, un urbaniste qui possède une chaîne YouTube populaire appelée City Beautiful. Comme le dit Amos dans une vidéo qui passe en revue la candidature gagnante du concours GDMC en 2018 : “L’urbanisme est par nature un processus politique. Il faut que les gens se mettent à réfléchir à ce que sera le développement”.
Source : technologyreview.com
