Могут ли компьютеры проектировать города?

Можно ли научить компьютеры дизайну? Как происходит процесс обучения компьютеров дизайну? Могут ли компьютеры проектировать города?

Мы запустили стартап Vivacity, который хочет дать ответы на эти вопросы выше. В последние несколько лет эти вопросы о творчестве, обучении и воображении поднимали такие компании, как DeepMind и OpenAI. Поражение DeepMind от AlphaGo Ли Седола в игре Го и успехи OpenAI на машинах, обучающихся играть в видеоигры доказали, что область машинного воображения все еще находится в зачаточном состоянии и созрела для исследования. В Vivacity мы заинтересованы в изучении проблем, связанных с машинным воображением. Наше внимание сосредоточено не на воображении и играх, а на том, как формируется воображение в области дизайна и искусственной среды и как его можно применить к практическим задачам.

Но зачем сосредотачиваться на застроенной среде?

По прогнозам, к 2020 году более 50% населения Земли будет жить в городских условиях, и мы считаем, что любой прогресс в области машинного воображения для городского планирования улучшит качество жизни всех горожан.

В Vivacity мы решили сосредоточиться на проблемах, связанных с городским планированием, и изучить бесконечные возможности, которые существуют в области архитектуры, городского дизайна и развития недвижимости. Мы считаем, что этот фокус позволяет нам решать вопросы, связанные с улучшением жилищных условий, выяснением того, как лучше построить доступное жилье, и предоставлять отзывы об эргономичном дизайне городов. Для нашей команды предоставление дизайнерских решений для 21 века связано с чувством восторга от новых технологий и ответственности за формирование благоприятного исхода для городов будущего.

Прямо сейчас Vivacity помогает решить одну из самых больших проблем, с которыми урбанисты столкнутся в ближайшие десятилетия по мере перехода к более взаимосвязанному миру: превращение городов в умные города. Мы определили, что юридический текст о зонировании города будет играть решающую роль в этом переходе.

Сегодня текст зонирования многих городов архаичен, громоздок и запутан; и неспособность интерпретировать и понять этот текст замедлила работу правительств, остановила разработчиков, бросила вызов архитекторам и поставила под угрозу способность городов удовлетворять потребности горожан. По мере перехода городов к «умному» или обогащению данными им необходимо будет решать проблемы, связанные со старыми текстами о зонировании.

Почему это так? Разве город не может просто отказаться от юридического текста и начать с нуля? Что ж, ответ - нет.

Основная причина в том, что текст о зонировании любого города будет актуален, наверное, еще лет 50. Текст зонирования города служит связующим звеном и посредником между различными заинтересованными сторонами, которые формируют любой данный город. Члены городского совета, застройщики, градостроители, архитекторы, общественные активисты — все используют текст о зонировании в качестве юридического текста для обсуждения, обсуждения и решения проблем, связанных с жильем, транспортом и экономической деятельностью. Но, учитывая быстрые темпы изменений и рост экономической активности, это обсуждение невозможно вести с помощью громоздких инструментов 20-го века. Часто возникают разногласия по поводу толкования текста о зонировании; или, что еще хуже, не совсем понятно прямое экономическое воздействие, которое дает застройка, допускаемая зонированием. Все эти дискуссии происходят с использованием архаичных инструментов интерпретации зонирования. Это необходимо изменить, если мы хотим гарантировать лучший уровень жизни.

Инструменты для умных городов

В Vivacity мы создаем новые инструменты для умных городов 21 века. Для нас умный город — это не просто город интернета вещей или город, построенный из интернета вверх; умный город — это город, в котором есть инструменты, которые напрямую влияют на обсуждение того, как города будут представляться, планироваться и строиться в будущем.

Создание двойника SimCity

Города построены с различными перекрывающимися уровнями, от физической инфраструктуры, такой как метро, канализационные системы и небоскребы, которые возвышаются над ними, до информационных систем, включающих географическую информацию, политические разграничения и статистические профили. Любой современный город существует поверх всех этих слоев. Все эти слои часто мешают местному или крупному застройщику строить на данном участке земли.

В настоящее время мы создаем два уровня, которые помогут городам стать умными городами. Мы строим:

а) Уровни машинного обучения для понимания того, как политики (в данном случае зонирование) влияют на застроенную среду.

b) Уровень машинного обучения, способный создать цифровой трехмерный двойник города на основе возможностей As-Of-Right, разрешенных текстом зонирования.

Мы считаем, что эти два уровня имеют решающее значение для решения проблем, связанных с предоставлением жилья. особенно на трендовых рынках недвижимости со сложной нормативно-правовой базой и системой взаимодействия с населением. В таких городах, как Нью-Йорк, Лос-Анджелес, Бостон, Чикаго и Район залива, мы уже видим, как эти сложные и взаимосвязанные проблемы могут задержать доставку жилья в растущее население. Это привело к росту стоимости владения или аренды дома в мегаполисах, таких как Нью-Йорк или район залива.

Одна из основных причин, по которой процесс получения городских разрешений на застройку занимает так много времени, заключается в том, что не существует масштабируемого решения для интерпретации текста зонирования и преобразования его в проект здания.

Интерпретация юридического текста с целью сделать вывод о том, что возможно, — непростая задача.

Юристы становятся экспертами в толковании текста зонирования, выполняя одну и ту же повторяющуюся задачу в течение многих лет для своих клиентов. Следовательно, для каждого нового свойства, которое юристу предлагается интерпретировать, он обращается к своей натренированной памяти (также известной как его нейронная сеть) за многие годы, чтобы дать разработчику удовлетворительный ответ, основанный на многолетней интерпретации.

Если его интерпретация как юридического текста совпадает с интерпретацией текста городом, текст становится нормативной базой того, что может быть построено в 3D.

Эта проблема усугубляется трудностью определения того, можно ли построить здание с точки зрения рынка.

Подобно юристу, после многолетнего опыта строительства архитекторы и застройщики принимают юридическую интерпретацию текста зонирования и проектируют здания, которые соответствуют как нормативно-правовой базе города в 3D, так и финансовым ограничениям. Здание становится пригодным для строительства только тогда, когда интерпретация текста зонирования соответствует дизайну, ориентированному на рынок.

Другой подход к зонированию

Решение по обработке естественного языка для текста зонирования принесет пользу как бюро планирования, так и частным застройщикам. Офис планирования, стремящийся масштабировать интерпретацию текста зонирования, может использовать подход НЛП для обучения своих сотрудников «азбуке» только что выпущенного текста зонирования.

Частный застройщик, будь то физическое лицо или фонд недвижимости, также может использовать подход NLP, чтобы быстро минимизировать риск, связанный с неверным толкованием юридического текста, и застраховать риск от возможности потери прав на застройку слишком поздно в процессе застройки.

Ключом к подходу НЛП к зонированию текста является обобщение зонирующего текста без потери предполагаемого значения. Это преобразование без потерь в прошлом оказывалось трудным, но достижения в области НЛП, такие как SLING от Google и spaCY, открывают дверь для того, чтобы текстовое резюме зонирования без потерь стало реальностью.

Основанный на правилах подход к тому, как интерпретируемый текст становится пригодным для построения, также принес бы огромную пользу как бюро планирования, так и частным разработчикам. Вместо создания вручную 3D-двойника для каждой партии по мере поступления запроса этот процесс можно автоматизировать с помощью программного обеспечения для параметрического проектирования. CityEngine, SketchUp, Autodesk BIM и Rhinoceros3D имеют возможности для проектирования на основе правил.

Ключом к выбору правильного программного обеспечения является масштаб. Одно дело сделать это для одного участка или городского квартала, и совсем другое — сделать это для целого района, такого как Мидтаун Манхэттена или Тендерлойн в Сан-Франциско. К счастью, такие программы, как CityEngine с его CGA-кодом и Rhinoceros с Grasshopper, способны сделать именно это.

Пример процедурного моделирования CityEngine с кодом CGA ниже:

**
 * File:    building_01.cga
 * Created: 02 Jun 2017 10:47:50 GMT
 * Author:  andi
 */
 
version "2017.0"

attr minheight = 10
attr maxheight = 30
attr floorheight = 3
attr windowwidth = 2

Lot --> extrude(rand(minheight,maxheight)) 
        Components

Components --> comp(f){top : Roof. | 
                       side : Facade}

Facade --> split(y){~floorheight : Floor}*

Floor --> split(x){~windowwidth : Window}*

Window --> i("modern_window.obj")

С помощью таких инструментов, как упомянутый выше, процесс навигации по будущим вариантам для сообществ и городов может стать более упорядоченным и может помочь уменьшить трения, связанные с предоставлением жилья, и устранить трения, связанные с устойчивым и ориентированным на сообщества городским развитием.

Некоторые города, такие как Бостон и Боулдер, Колорадо, начали делать этот шаг в сторону цифровизации. Их отношение очень многообещающе и показывает, что область новых технологий в сфере недвижимости и городского планирования только начинает осваиваться.

Вы можете сказать себе, что это очень похоже на SimCity. И вы правы!

Мы бы солгали, если бы не сказали, что в конечном счете мы хотим создать версию SimCity для всех городов мира.

Если вам понравился этот пост, обязательно подпишитесь на наш блог! Ежемесячно мы будем публиковать наши мысли по этому и многим другим темам. Также не забудьте посетить наш сайт.

Первоначально опубликовано на www.vivacity.city.

Могут ли компьютеры проектировать города?