Une équipe de recherche du département d’informatique de l’université Purdue et de l’institut de foresterie numérique, en collaboration avec Sören Pirk de l’université de Kiel en Allemagne, a découvert que l’intelligence artificielle peut simuler la croissance et la forme des arbres.
La molécule d’ADN code à la fois la forme de l’arbre et la réponse environnementale dans un minuscule emballage subcellulaire. Dans le cadre de travaux inspirés par l’ADN, le professeur d’informatique Bedrich Benes et ses collaborateurs ont développé de nouveaux modèles d’IA qui compressent les informations nécessaires au codage de la forme de l’arbre dans un modèle neuronal de la taille d’un mégaoctet.
Après la formation, les modèles d’IA codent l’évolution locale des arbres, qui peuvent être utilisés pour générer des modèles d’arbres complexes avec plusieurs gigaoctets de géométrie détaillée en sortie.
Publié dans deux articles dans Transactions ACM sur les graphiques l’Association pour les machines informatiques et Transactions IEEE sur les visualisations et l’infographie, Benes et ses co-auteurs décrivent comment ils ont construit leurs modèles d’IA de simulation d’arbres. “Les modèles d’IA apprennent à partir de grands ensembles de données pour imiter le comportement intrinsèque découvert”, a déclaré Benes.
Les modèles d’arbres numériques non basés sur l’IA sont assez complexes et impliquent des algorithmes de simulation qui prennent en compte de nombreux facteurs non linéaires en interaction. De tels modèles sont nécessaires dans des projets tels que l’architecture et l’urbanisme, ainsi que dans les industries du jeu et du divertissement, afin de rendre les conceptions plus réalistes pour leurs clients potentiels et leurs publics cibles.
Après avoir travaillé avec des modèles d’IA pendant près de dix ans, Benes espérait pouvoir améliorer considérablement les méthodes existantes pour les jumeaux numériques d’arbres. Ce qui surprend en revanche, c’est la taille des modèles. “C’est un comportement complexe, mais il a été compressé en une quantité plutôt petite de données”, a-t-il déclaré.
Co-auteurs du Transactions ACM sur les graphiques Jae Joong Lee et Bosheng Li, étudiants diplômés en informatique de Purdue, ont prononcé la conférence. Co-auteurs du Transactions IEEE sur la visualisation et l’infographie La conférence a été donnée par Li et Xiaochen Zhou, également diplômés en informatique de Purdue ; Songlin Fei, doyen de la Chaire de télédétection et directeur de l’Institut de foresterie numérique ; et Sören Pirk de l’Université de Kiel, Allemagne.
Les chercheurs ont utilisé l’apprentissage profond, une branche de l’apprentissage automatique au sein de l’IA, pour créer des modèles de croissance pour l’érable, le chêne, le pin, le noyer et d’autres espèces d’arbres, avec ou sans feuilles. L’apprentissage profond implique le développement de logiciels qui entraînent des modèles d’IA à effectuer des tâches spécifiques via des réseaux neuronaux interconnectés qui tentent d’imiter des fonctions spécifiques du cerveau humain.
“Bien que l’IA soit apparemment devenue omniprésente, elle s’est jusqu’à présent avérée extrêmement efficace, en particulier dans la modélisation de géométries 3D qui n’ont rien à voir avec la nature”, a déclaré Benes. Cela inclut les efforts liés à la conception assistée par ordinateur et à l’amélioration des algorithmes pour la fabrication numérique.
“La création d’un modèle de végétation géométrique 3D est un problème ouvert en infographie depuis des décennies”, ont expliqué Benes et ses co-auteurs dans leur article ACM Transactions. Bien que certaines approches de simulation du comportement biologique s’améliorent, ils ont noté que “les méthodes simples qui produiraient rapidement de nombreux modèles 3D d’arbres réels ne sont pas facilement disponibles”.
Les experts possédant une expertise en biologie ont traditionnellement développé des simulations de croissance des arbres. Ils comprennent comment les arbres interagissent avec les conditions environnementales. La compréhension de ces interactions complexes dépend des propriétés conférées à l’arbre par son ADN. Il s’agit notamment d’angles de ramification qui sont nettement plus grands chez les pins que chez les chênes, par exemple. L’environnement détermine d’autres caractéristiques qui peuvent donner au même type d’arbre cultivé dans deux conditions différentes des formes complètement différentes.
“Dissocier les propriétés intrinsèques de l’arbre et sa réponse environnementale est extrêmement compliqué”, a déclaré Benes. “Nous avons regardé des milliers d’arbres et pensé : ‘Hé, laisse l’IA l’apprendre.’ Et peut-être pourrons-nous alors utiliser l’IA pour découvrir l’essence de la forme de l’arbre.
Les scientifiques créent généralement des modèles basés sur des hypothèses et des observations de la nature. En tant que modèles créés par les humains, ils ont des arguments. Les modèles des chercheurs généralisent le comportement à partir des données d’entrée de plusieurs milliers d’arbres codés dans l’IA. Les chercheurs valident ensuite que les modèles se comportent de la même manière que les données d’entrée.
La faiblesse des modèles d’arbres IA est qu’ils manquent de données d’entraînement décrivant la géométrie réelle des arbres 3D. « Avec nos méthodes, nous devions générer les données. Nos modèles d’IA ne simulent donc pas la nature. Ils simulent des algorithmes de développement d’arbres », a déclaré Benes. Son objectif est de reconstruire des données géométriques 3D à partir d’arbres réels sur ordinateur.
« Vous prenez votre téléphone portable, prenez une photo d’un arbre et obtenez une géométrie 3D dans l’ordinateur. Il pourrait être tourné. Agrandir. Réduire les effectifs », a-t-il déclaré. «C’est la prochaine étape. Et cela correspond parfaitement à la mission de la foresterie numérique.