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合作者sören Pirk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。在受DNA启发的工作中，计算机科学教授Bedrich Benes和他的同事开发了新的人工智能模型，将编码树形所需的信息压缩成兆字节大小的神经模型
经过训练后，人工智能模型对树木的局部发展进行编码，可用于生成数GB详细几何形状的复杂树木模型作为输出
Benes和他的合著者在两篇论文中描述了他们是如何创建树模拟人工智能模型的，一篇发表在ACM Transactions on Graphics上，另一篇发表于IEEE Transactions on Visualization and Computer Graphics上
Benes说：“人工智能模型从大数据集中学习，以模仿内在发现的行为。”
基于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模拟算法。建筑和城市规划以及游戏和娱乐行业都需要这样的模型，以使设计更现实地吸引潜在客户和观众
在与人工智能模型合作近10年后，Benes希望它们能够显著改进现有的数字树双胞胎方法。然而，这些模型的尺寸令人惊讶。他说：“这是一种复杂的行为，但它已被压缩为相当少量的数据。”
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汇刊》论文的合著者是李和周晓晨，他们也是普渡大学计算机科学研究生；遥感学院院长、数字林业研究所所长费松林；以及德国基尔大学的Sören Pirk研究人员使用深度学习，这是人工智能中机器学习的一个分支，来生成枫树、橡树、松树、核桃和其他树种的生长模型，包括有叶和无叶。深度学习涉及开发软件，通过链接的神经网络训练人工智能模型执行特定任务，这些网络试图模仿人脑的某些功能
Benes说：“尽管人工智能似乎已经变得无处不在，但到目前为止，它在建模与自然无关的3D几何结构方面大多非常成功。”。其中包括与计算机辅助设计和改进数字制造算法相关的努力
Benes和他的合著者在ACM Transactions的论文中表示：“几十年来，获得3D几何植被模型一直是计算机图形学中的一个悬而未决的问题。”。尽管模拟生物行为的一些方法正在改进，但他们指出，“快速提供许多真实树木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树的DNA赋予它的特征。其中包括分支角，例如松树的分支角比橡树的分支角大得多。与此同时，环境决定了其他特征，这些特征可能导致同一类型的树在两种不同的条件下生长，呈现出完全不同的形状
Benes说：“将树木的内在特性与其环境反应解耦是极其复杂的。”。“我们观察了数千棵树，我们想，‘嘿，让人工智能来学习吧。’也许我们可以用人工智能学习树形的本质。”
科学家通常基于对自然的假设和观察建立模型。作为人类创造的模型，它们背后有推理。研究人员的模型从人工智能中编码的数千棵树的输入数据中概括出行为。然后，研究人员验证了模型的行为方式与输入数据的行为方式相同
人工智能树模型的弱点在于缺乏描述真实世界3D树几何结构的训练数据
Benes说：“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不是在模拟自然。它们是在模拟树木发育算法。”。他渴望在计算机内从真实的树木中重建3D几何数据
他说：“你拿着手机，拍一张树的照片，然后在电脑里得到一个3D几何图形。它可以旋转。放大。缩小。”。“这是下一步。这与数字林业的使命完全一致。”
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
