Nas beiras de uma mina a céu aberto, há uma dúzia de edifícios com telhados íngremes. Bem acima deles, no topo de um enorme arco de pedra, fica uma casa inacessível. Em outro lugar, uma ferrovia sobre palafitas circunda um grupo de blocos de torres multicoloridas. Pagodes ornamentados decoram uma grande praça pavimentada. E um moinho de vento solitário gira em uma ilha, cercada por porcos quadrados. É assim a construção de cidades no Minecraft, no estilo da inteligência artificial (IA).
O Minecraft há muito se tornou uma tela em branco para invenções desenfreadas. Os fãs usaram o jogo de construção de blocos de sucesso para criar réplicas de tudo, desde o centro de Chicago e Porto Real (a capital fictícia do universo de Game of Thrones) até CPUs funcionais. Desde o lançamento, há quase uma década, os jogadores construíram tudo o que se pode imaginar.
Desde 2018, o Minecraft também é o cenário para um desafio criativo que amplia as habilidades das máquinas. A competição anual Generative Design in Minecraft (GDMC) pede aos participantes que construam uma Inteligência Artificial que possa gerar cidades ou vilas realistas em locais nunca antes vistos. O GDMC é apenas para divertir, por enquanto, mas as técnicas exploradas pelos vários competidores de IA são precursoras daquelas que os planejadores de cidades do mundo real poderiam usar.
A competição Generative Design in Minecraft desafia diferentes IAs a criar cenários para locais nunca vistos antes.
Os resultados bem-sucedidos geralmente usam uma variedade de técnicas para identificar quando nivelar o terreno ou onde colocar pontes e edifícios. Isso inclui algoritmos tradicionais de localização de caminhos que conectam partes remotas de um lugar, autômatos celulares que podem produzir estruturas complexas usando regras simples e machine learning.
A competição percorreu um longo caminho em três anos. Na primeira vez, os lugares muitas vezes pareciam feitos por máquinas, com edifícios dispostos em fileiras repetitivas ou grupos aleatórios. Os vencedores deste ano, anunciados em setembro, apresentaram construções com disposições críveis adaptados a cada local. As estradas se estendem por encostas, pontes cruzam rios e as casas até contêm móveis.
Aberto e subjetivo, o GDMC foi criado para expandir os limites da IA. Ao contrário de outras competições de IA, como os desafios DARPA para carros autônomos ou robôs, não tem uma linha de chegada clara. O que torna uma aldeia boa? “Não há um valor numérico que você possa otimizar”, diz o co-organizador Christoph Salge, um cientista de computação da Universidade de Hertfordshire, no Reino Unido.
A amplitude do desafio significa que as IAs precisam dominar vários objetivos. Para vencer, eles devem impressionar oito juízes humanos de uma variedade de experiências, incluindo arquitetos, arqueólogos e designers de jogos.
Esses juízes pontuam os projetistas de cidades de IA em quatro aspectos: quão bem eles adaptam seus projetos a locais específicos; quão bem os projetos funcionam, de acordo com critérios como a existência de pontes e estradas entre as diferentes áreas; como eles são esteticamente atraentes; e o quanto os projetos evocam uma narrativa – há detalhes que contam uma história sobre como uma cidade surgiu, como uma ruína ou um fosso do qual materiais de construção podem ter sido extraídos? “Fazer uma aldeia do Minecraft para um mapa invisível é algo que um humano de 10 anos poderia fazer”, diz Salge. “Mas é extremamente difícil para uma IA”.
Nivelando o terreno
Por exemplo, um participante começou identificando o tipo de ambiente – deserto ou floresta, digamos – e então gerou edifícios que pareciam ter sido construídos com materiais locais comuns. Outro era bom em nivelar a paisagem e construir praças. Essa tática funcionou bem em terreno plano e aberto, onde produziu impressionantes complexos de templos em estilo japonês. Mas teve menos sucesso em uma pequena ilha, que foi pavimentada completamente.
Mesmo os sistemas vencedores ainda cometem erros bobos. Em alguns dos cenários, as casas estão totalmente enterradas na areia. Isso ocorre claramente porque o algoritmo quer construir em terreno sólido, diz Salge. Ele afunda edifícios até atingirem o fundo.
Claus Aranha, que estuda computação evolutiva na Universidade de Tsukuba, no Japão, aconselhou três participantes da competição. Ele acha que é uma boa maneira de explorar e testar novas técnicas de IA. “Uma coisa que eu realmente gosto é que existem muitas abordagens diferentes para esse desafio”, diz ele.
Os mundos realistas dos videogames são outra coisa. Mas a IA já está sendo usada para analisar como as cidades são construídas. Técnicas e abordagens semelhantes às utilizadas na competição podem um dia ajudar a projetar cidades reais, mais saudáveis e seguras.
Por exemplo, Aranha descobriu que a maioria dos sistemas usam uma abordagem descendente, o que significa que as IAs geradoras de cidades olham para uma determinada área e geram um cenário adequado. Isso pode dar bons resultados gerais, mas os detalhes podem estar errados. Aranha pensa que uma abordagem multiagente, onde várias IAs trabalham de forma independente para construir estruturas baseadas em seus arredores imediatos, poderia levar a projetos mais coerentes e realistas.
Ele agora vai usar essa visão para ajudar seu próprio trabalho, em que usa simulações para explorar o impacto de diferentes políticas de planejamento urbano em cenários de desastres, como terremotos ou incêndios florestais. Ele cria cidades virtuais ensinando a uma rede neural como são as cidades por meio dos dados do OpenStreetMap. Ao gerar automaticamente milhares de cidades virtuais que diferem em propriedades, como layouts de ruas ou número e posição de espaços abertos, ele pode avaliar se uma política que exigia que 10% da área residencial fosse reservada para parques salvaria vidas.
O projeto CityScope Champs-Élysée do MIT Media Lab usa simulação baseada em agente para explorar projetos propostos.
Enquanto isso, Arnaud Grignard e seus colegas do MIT Media Lab estão usando simulação baseada em agente para explorar possíveis designs para espaços públicos movimentados, incluindo uma releitura da Champs-Élysées em Paris. E a startup de Nova York, Topos, está usando IA para ajudar a entender como o desenho de uma cidade afeta aqueles que vivem nela. Em um projeto, ele usou uma série de abordagens de IA incluindo reconhecimento de imagem e processamento de linguagem natural, para aprender como as diferentes áreas de Nova York eram usadas pelas pessoas que moravam lá. Em seguida, ele redesenhou os limites dos cinco distritos de Nova York com base nas semelhanças entre os bairros, como por exemplo, se eram residenciais ou comerciais, arborizados ou urbanos. O mapa resultante organiza os bairros como anéis mais ou menos concêntricos ao redor de um centro de Manhattan.
Jasper Wijnands, da Universidade de Melbourne, na Austrália, também está convencido de que a IA tem um lugar no futuro design urbano. Ele e seus colegas começaram a explorar o uso de Redes Adversárias Geradoras (GANs, em inglês) para fazer a transferência de estilo em imagens do Google Street View.
A transferência de estilo é normalmente usada para reproduzir uma imagem no estilo de outra, como fazer uma selfie parecer ter sido pintada por Van Gogh. Mas, em vez de um estilo visual, Wijnands usou sua IA para aprender um “estilo” que refletia os dados de saúde pública em diferentes quarteirões da cidade. Ele então pediu para reproduzir as imagens do Street View no estilo de bairros onde a saúde pública era boa. Em outras palavras, sua IA pode retocar imagens de bairros ruins para que pareçam bons. Os planejadores da cidade poderiam então usar esses ajustes – um espaço verde aqui, uma rua mais larga ali – como um guia para melhorias urbanas.
A IA não foi ensinada que tipo de coisas os planejadores pensam que tornam as cidades melhores, mas ela mesma alcançou ideias comuns. “É interessante ver que o resultado das GAN seja consistente com nosso entendimento científico do impacto dos espaços verdes na saúde”, diz Wijnands.
Sua equipe agora tem uma bolsa de US $ 1,2 milhão para desenvolver o método, e ele está apresentando a seus alunos de planejamento urbano.
Impactos do design
Um dos usos mais imediatos da IA no planejamento da cidade é entender o impacto do projeto urbano em escala global. Em janeiro, Wijnands e seus colegas publicaram um estudo no The Lancet Planetary Health em que analisaram 1.692 cidades, que abrigam um terço da população mundial. Eles usaram redes neurais convolucionais, normalmente usadas para reconhecimento de imagem, para classificar diferentes desenhos urbanos de acordo com o número de acidentes rodoviários graves que aconteceram neles. Cidades com mais redes ferroviárias de alto trânsito e projetos de ruas mais densamente organizados em pequenos quarteirões mostraram-se mais seguros do que aqueles mais extensos dispostos em becos sem saída.
Esses resultados podem não ser muito surpreendentes, mas os dados não poderiam ter sido analisados sem automação.
Visões de uma vida utópica são sempre baseadas em pressupostos sobre quais tipos de espaços urbanos tornam as pessoas mais felizes ou saudáveis. Mas isso é difícil de testar e projetos ambiciosos de regeneração podem falhar. Os planejadores de cidades IA podem ajudar de várias maneiras, revelando os impactos ocultos de certos desenhos existentes ou simulando milhares de projetos potenciais. Salge agora está trabalhando com planejadores nos Estados Unidos sobre como competições futuras podem incorporar dados mais realistas em relação a como as pessoas usam as cidades, como se locomovem ou onde vão fazer compras. Isso poderia tornar as criações artificiais ainda mais realistas – e potencialmente mais úteis.
Mas não espere que a IA assuma o planejamento completamente. As cidades são muito mais do que um arranjo de objetos no solo: são habitadas. E isso significa que são o resultado de muitas trocas, diz Dave Amos, um planejador urbano que possui um canal popular no YouTube chamado City Beautiful. Como Amos coloca em um vídeo que analisa a inscrição vencedora da competição GDMC em 2018: “O planejamento é inerentemente um processo político. Você precisa de pessoas para discutir sobre como será o desenvolvimento”.
MIT Technology Review
