.

Joel Filipe / Unsplash

Inteligencia Artificial

Cómo revolucionar el urbanismo con inteligencia artificial y 'Minecraft'

1

Un concurso utiliza el videojuego de construcción como escenario para que la IA erija ciudades bonitas, coherentes y transitables. Los responsables de planificación urbana están empezando a usar la tecnología con datos del mundo real para entender el impacto del diseño de una ciudad en las personas

  • por Will Douglas Heaven | traducido por Ana Milutinovic
  • 01 Octubre, 2020

En los bordes de una mina a cielo abierto hay una docena de edificios de techos empinados. Muy por encima de ellos, sobre un enorme arco de roca, se encuentra una casa inaccesible. En otra parte, una vía férrea sobre pilotes rodea un grupo de torres  de muchos colores. Pagodas ornamentadas decoran una gran plaza pavimentada. Y un solitario molino de viento gira en una isla, rodeado de cerdos cuadrados. Así es la construcción de ciudades de Minecraft, al estilo de la inteligencia artificial (IA).

Desde hace mucho tiempo, el videojuego se ha convertido en un lienzo para la invención desenfrenada. Sus seguidores han utilizado este exitoso juego de construcción con bloques para crear réplicas de todo, desde el centro de Chicago (EE. UU.) y Desembarco del Rey hasta CPU funcionales. En la década que ha pasado desde su lanzamiento, la gente ha construido todo lo que se puede imaginar.

Desde 2018, Minecraft también ha sido escenario de un desafío creativo que amplía las capacidades de las máquinas. La competición anual Generative Design in Minecraft (GDMC) insta a los participantes crear una inteligencia artificial capaz de generar ciudades o pueblos realistas en lugares nunca vistos antes. Por ahora, el concurso es solo diversión, pero las técnicas exploradas por los diversos sistemas de IA que compiten podrían ser precursoras de las herramientas que los urbanistas del mundo real podrían usar.

Vídeo: El concurso Generative Design in Minecraft desafía a diferentes IA a diseñar escenarios para las ubicaciones nunca vistas antes.

Los resultados más exitosos suelen utilizar una variedad de técnicas para identificar cuándo nivelar el terreno o dónde colocar puentes y edificios, junto con los tradicionales algoritmos de búsqueda de caminos que conectan partes remotas de un lugar, además de los autómatas capaces de producir estructuras complejas mediante reglas simples y aprendizaje automático.

La competición ha avanzado mucho en los últimos tres años. La primera vez, los sitios a menudo parecían hechos a máquina, con edificios colocados en filas repetitivas o grupos aleatorios. Los ganadores de este año, anunciados hace unos días, presentaron unos escenarios con diseños creíbles adaptados a cada ubicación. Las carreteras por las laderas, los puentes atravesando los ríos y las casas incluso tenían muebles por dentro. 

El concurso GDMC, abierto y subjetivo, se creó para superar los límites de la IA. A diferencia de otras competiciones de IA, como los desafíos de DARPA para los coches autónomos y robots, no tiene una clara línea de meta. ¿Cómo es un buen pueblo? "No hay un valor numérico para optimizarlo", destaca el coorganizador y científico informático en la Universidad de Hertfordshire (Reino Unido), Christoph Salge.

La amplitud del desafío significa que las IA deben dominar múltiples objetivos. Para ganar, tienen que impresionar a ocho jueces humanos de distintos campos, entre los cuales hay arquitectos, arqueólogos y diseñadores de juegos.

Estos jueces califican a las IA de planificación urbana en cuatro áreas: lo bien que adaptan sus diseños a las ubicaciones específicas; lo bien que funcionan sus planos, según distintos criterios (como si existen puentes y carreteras entre diferentes zonas); su calidad estética; y en qué medida los diseños crean un contexto: ¿hay detalles que cuenten alguna historia sobre cómo surgió la ciudad, sobre alguna ruina o una mina de la que podrían haberse extraído los materiales de construcción? "Crear una aldea de Minecraft para un mapa invisible es algo que un niño de 10 años podría hacer. Pero es algo realmente difícil para una IA", asegura Salge.

Nivelar el terreno

Por ejemplo, una IA participante comenzó identificando el tipo de entorno (desierto o bosque, por ejemplo) y luego generó edificios que parecían haber sido construidos con los materiales locales comunes. Otra IA fue buena en nivelar el paisaje y construir plazas. Esta táctica funcionó bien en terrenos planos y abiertos, donde creó increíbles y complejos de templos de estilo japonés. Pero tuvo menos éxito en una pequeña isla, que acabó asfaltando por completo.

Incluso los sistemas ganadores mostraron errores tontos. En un escenario, algunas de las casas están completamente enterradas en arena. Esto se debe a que el algoritmo quiere construir sobre un terreno sólido y hunde los edificios hasta tocar el suelo firme, explica Salge.

El especialista en computación evolutiva de la Universidad de Tsukuba (Japón) Claus Aranha asesoró a tres participantes en la competición y cree que es una buena forma de explorar y probar nuevas técnicas de IA. El experto señala: "Algo que me gusta de verdad es que hay muchos enfoques diferentes para este desafío". 

Los realistas mundos de los videojuegos son otra cosa. Pero la IA ya se está utilizando para analizar cómo se construyen las ciudades. Las técnicas y enfoques similares a los que se están usando en esta competición algún día podrían ayudar a diseñar algunas ciudades reales de forma más saludable y segura.

Por ejemplo, Aranha descubrió que la mayoría de las IA adoptan un enfoque de arriba a abajo, lo que significa que sistema observa un área determinada y crea un escenario adecuado. Eso podría dar buenos resultados generales, pero los detalles pueden fallar. Aranha cree que un enfoque de múltiples agentes, en el que varias IA trabajan de forma independiente para construir estructuras basadas en su entorno inmediato, podría conducir a diseños más coherentes y realistas.

Aranha planea utilizar estos conocimientos en su propio trabajo, en el que usa simulaciones para explorar el impacto de diferentes políticas de planificación urbana en lugares de desastres por terremotos o incendios forestales. Genera ciudades virtuales con una red neuronal entrenada para saber cómo son las ciudades mediante datos de OpenStreetMap. Al generar automáticamente miles de ciudades virtuales que difieren en características como el diseño de las calles o el número y la posición de los espacios abiertos, Aranha puede evaluar si una política que requiera que el 10 % del área residencial se reserve para parques salvaría más vidas. 

Vídeo: El proyecto CityScope Champs-Élysée del MIT Media Lab utiliza la simulación basada en agentes para explorar los diseños propuestos

Por otro lado, el investigador del MIT Media Lab Arnaud Grignard y sus colegas utilizan una simulación basada en agentes para explorar posibles diseños para los espacios públicos concurridos, incluida una nueva visión de los Campos Elíseos Champs-Élysées en París (Francia). Y la start-up de Nueva York (EE. UU.), Topos, usa la inteligencia artificial para ayudar a comprender cómo el diseño de una ciudad afecta a sus habitantes.

En un proyecto, utilizó una variedad de enfoques de inteligencia artificial, incluido el reconocimiento de imágenes y el procesamiento del lenguaje natural, para aprender cómo los ciudadanos usaban las diferentes áreas de Nueva York (EE. UU.). Luego rediseñó los límites de los cinco distritos de la ciudad a partir de las similitudes entre los barrios, por ejemplo si son residenciales o comerciales, con muchos parques o más urbanos. El mapa resultante distribuye los distritos en forma de anillos más o menos concéntricos alrededor del centro de Manhattan.

El investigador de la Universidad de Melbourne (Australia) Jasper Wijnands también está convencido de que la IA debe ser parte del diseño urbano del futuro. Sus colegas y él han empezado a explorar el uso de las redes generativas antagónicas (GAN, por sus siglas en inglés) para realizar transferencias de estilo entre las imágenes de Google Street View.

La transferencia de estilo se utiliza normalmente para reproducir una imagen con el estilo de otra, como para que un selfie parezca pintado por Van Gogh. Pero en lugar de un estilo pictórico, Wijnands consiguió que su IA aprendiera un "estilo" que reflejaba los datos de salud pública en diferentes partes de la ciudad. Luego le pidió que reprodujera las imágenes de Street View al estilo de los barrios con una buena salud pública. En otras palabras, su IA es capaz de retocar imágenes de barrios marginales para que parezcan saludables. Los planificadores urbanísticos podrían usar estos ajustes —una zona verde por un lado, una calle más ancha por el otro— como guía para realizar mejoras urbanísticas.

A la IA no se le enseñó qué tipo de detalles son los que los planificadores consideran que mejoran las ciudades, encontró las ideas comunes por sí sola. "Es interesante que el resultado de las GAN concuerda con nuestra comprensión científica del impacto de los espacios verdes en la salud", destaca Wijnands.

Ahora, su equipo ha conseguido una subvención de cerca de un millón de euros 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 consiste en 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 analizaron 1.692 ciudades, hogar de un tercio de la población mundial.

Utilizaron redes neuronales convolucionales, que se suelen usar para el reconocimiento de imágenes, para clasificar diferentes planos urbanos en función del número de accidentes de tráfico graves que habían ocurrido en ellos. Se demostró que las ciudades con más redes ferroviarias de alto tránsito y con un plan callejero más denso alrededor de los pequeños bloques de edificios eran más seguras que los diseños más extensos con callejones sin salida.

Puede que esos resultados no sean demasiado sorprendentes, pero los datos no se podían analizar sin automatización.

Las visiones de la vida utópica siempre se basan en las presuposiciones sobre qué tipo de espacios urbanos hacen que las personas sean más felices o más saludables. Pero son difíciles de comprobar y los ambiciosos proyectos de regeneración pueden fracasar. Los algoritmos de planificación urbanística podrían ayudar de varias maneras, revelando los impactos ocultos de ciertos diseños existentes o simulando miles de diseños posibles.

Salge ya está trabajando con urbanistas en EE. UU. sobre cómo las futuras competiciones podrían incorporar datos más realistas sobre la forma en la que las personas usan las ciudades, cómo se mueven o dónde se van de compras. Eso podría influir en que las creaciones artificiales sean aún más realistas y probablemente más útiles. 

Pero la IA no se hará cargo de la planificación urbanística por completo. Las ciudades suponen mucho más que construir los objetos sobre el suelo: en ellas se vive. Y eso significa que son el resultado de muchas decisiones equilibradas, según el urbanista Dave Amos, que tiene el popular canal de YouTube llamado City Beautiful. Como expresó en un vídeo sobre la propuesta ganadora del concurso GDMC de 2018: "La planificación urbanística es inherentemente un proceso político. Es necesario que la gente discuta sobre cómo será su desarrollo".

Inteligencia Artificial

 

La inteligencia artificial y los robots están transofrmando nuestra forma de trabajar y nuestro estilo de vida.

  1. Facebook lanza una IA capaz de traducir entre 100 idiomas diferentes

    La gran innovación del modelo es que una parte importante de las traducciones entre idiomas se hace de forma directa sin pasar por el inglés como lengua intermediaria. Aunque de momento M2M-100 solo está destinado a fines de investigación, en el futuro la compañía podría aplicarlo a sus propios productos

  2. Es hora de cambiar las leyes que dan ventaja a la IA frente al humano

    En su último libro, 'El robot razonable: la inteligencia artificial y la ley', Ryan Abbott advierte que las políticas fiscales fomentan la automatización, útil o no, porque la mano de obra se grava más que el capital, y defiende una regulación neutra que garantice los ingresos fiscales y la productividad

  3. Una revolucionaria técnica de IA aprende casi sin datos de ejemplo

    El aprendizaje 'less than one-shot', o LO-shot, puede enseñar a un modelo de inteligencia artificial a identificar más tipos de objetos que el número de clases de ejemplos con los que ha sido entrenado. Podría lograr que la IA sea más accesible para empresas e industrias y mejorar la privacidad de los datos