普渡大学计算机科学系和数字林业研究所的一个研究小组，与德国基尔大学的S?ren Pirk合作，发现人工智能可以模拟树木的生长和形状。

　　DNA分子在一个微小的亚细胞包中编码树形和环境反应。受DNA的启发，计算机科学教授贝德里奇·贝内斯(Bedrich Benes)和他的同事们开发了新的人工智能模型，将编码树状结构所需的信息压缩成兆字节大小的神经模型。

　　经过训练后，人工智能模型对树的局部发展进行编码，这些树可用于生成具有数gb详细几何形状的复杂树模型作为输出。

　　在两篇论文中，一篇发表在ACM图形学汇刊上，另一篇发表在IEEE可视化和计算机图形学汇刊上，Benes和他的合著者描述了他们是如何创建树模拟人工智能模型的。

　　Benes说:“人工智能模型从大型数据集中学习，模仿内在发现的行为。”

　　非人工智能的数字树模型相当复杂，涉及到考虑许多相互影响的非线性因素的仿真算法。这些模型在建筑和城市规划，以及游戏和娱乐行业中都是需要的，以使设计更现实地吸引潜在的客户和观众。

　　在与人工智能模型合作了近10年之后，Benes希望它们能够显著改进现有的数字树双胞胎方法。然而，这些模型的大小令人惊讶。“这是一个复杂的行为，但它已经被压缩到相当小的数据量，”他说。

　　ACM Transactions on Graphics论文的合著者是普渡大学计算机科学研究生Jae Joong Lee和Bosheng Li。《IEEE可视化与计算机图形学学报》论文的合著者是李和同样是普渡大学计算机科学研究生的周晓晨;遥感系主任、数字林业研究所所长费松林;以及德国基尔大学的S?ren Pirk。

　　研究人员利用人工智能中机器学习的一个分支——深度学习，为枫、橡树、松树、核桃和其他有叶和无叶的树种生成了生长模型。深度学习涉及开发软件，训练人工智能模型通过连接的神经网络执行特定任务，这些神经网络试图模仿人类大脑的某些功能。

　　Benes说:“尽管人工智能似乎已经无处不在，但到目前为止，它在建模与自然无关的3D几何形状方面大多被证明是非常成功的。其中包括与计算机辅助设计和改进数字制造算法有关的努力。

　　“几十年来，获得三维几何植被模型一直是计算机图形学中的一个开放问题，”贝内斯和他的合著者在他们的ACM Transactions论文中说。虽然一些模拟生物行为的方法正在改进，但他们指出，“能够快速提供真实树木的许多3D模型的简单方法并不容易获得。”

　　具有生物学专业知识的专家传统上开发了树木生长模拟。他们了解树木如何与环境条件相互作用。理解这些复杂的相互作用取决于它的DNA赋予树的特征。例如，松树的分支角度要比橡树大得多。与此同时，环境决定了其他特征，这些特征可能导致在两种不同条件下生长的同一类型的树木呈现出完全不同的形状。

　　贝内斯说:“将树木的内在特性与其环境反应分离是极其复杂的。”“我们看着成千上万棵树，我们想，‘嘿，让人工智能来学习吧。也许我们可以通过人工智能学习树形的本质。”

　　科学家通常根据假设和对自然的观察来建立模型。作为人类创造的模型，它们背后有推理。研究人员的模型从数千棵树的输入数据中归纳出行为，这些数据在人工智能中被编码。然后，研究人员验证模型的行为与输入数据的行为一致。

　　人工智能树模型的弱点在于它们缺乏描述真实3D树几何的训练数据。

　　“在我们的方法中，我们需要生成数据。所以我们的人工智能模型并不是在模拟自然。他们正在模拟树的发展算法，”贝内斯说。他渴望在计算机中重建真实树木的三维几何数据。

　　“你拿起手机，给一棵树拍张照片，然后在电脑里得到一个3D几何图形。它可以旋转。放大。把镜头拉远，”他说。“这是下一个。这与数字林业的使命完全一致。”

　　更多信息:Jae Joong Lee等人，Latent L-systems:基于变压器的树生成器，ACM Transactions on Graphics(2023)。DOI: 10.1145 / 3627101

　　周晓晨等，基于深度树的树形建模方法，计算机图形学学报(2010)。DOI: 10.1109 / TVCG.2023.3307887

　　期刊信息:

　　ACM图形学汇刊

　　由普渡大学提供

　　引用人工智能学会模拟树木的生长和形状

　　对他们的环境敏感

　　nments(2024, 1月22日)检索自https://techxplore.com/news/2024-01-ai-simulate-trees-response-environments.html此文档

　　作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司

　　内容仅供参考之用。