星期六, 14 6 月, 2025
No Result
View All Result
AI TAIWAN 台灣人工智慧中心
  • Home
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • AI 智慧產業
  • 機器學習與應用
  • 自然語言處理
  • 神經連結和腦機接口
  • 機器人與自動化
  • 道德與法規
  • 安全
AI TAIWAN 台灣人工智慧中心
  • Home
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • AI 智慧產業
  • 機器學習與應用
  • 自然語言處理
  • 神經連結和腦機接口
  • 機器人與自動化
  • 道德與法規
  • 安全
No Result
View All Result
AI TAIWAN 台灣人工智慧中心
No Result
View All Result
Your Ad
Home AI 綜合新聞

利用人工智慧數位雙胞胎推進城市樹木監測 | 麻省理工學院新聞

2024-11-22
in AI 綜合新聞
0 0
0
利用人工智慧數位雙胞胎推進城市樹木監測 | 麻省理工學院新聞
Share on FacebookShare on Twitter
Your Ad



樹木與人工智慧的結合

愛爾蘭哲學家喬治·貝克利 (George Berkeley) 最著名的理論是「非物質主義」,他曾經提出一個有趣的問題:「如果一棵樹在森林裡倒下,而周圍沒有人聽見,它會發出聲音嗎?」那麼,人工智慧生成的樹木呢?雖然它們可能不會發出聲音,但對於適應城市植物面對氣候變化的應用來說,它們卻是非常重要的。

麻省理工學院計算機科學與人工智慧實驗室 (MIT CSAIL)、谷歌 (Google) 和普渡大學 (Purdue University) 的研究人員開發了一個名為「Tree-D Fusion」的新系統,將人工智慧和樹木生長模型與谷歌的自動樹木數據結合,創建出現有城市樹木的準確 3D 模型。這個項目產生了北美首個大型數據庫,包含 600,000 個環境友好、可模擬的樹木模型。

麻省理工學院電機工程與計算機科學助理教授薩拉·比瑞 (Sara Beery) 說:「我們正在將幾十年的林業科學與現代人工智慧技術結合起來。這讓我們不僅能夠識別城市中的樹木,還能預測它們如何隨著時間的推移生長並影響周圍環境。我們並沒有忽視過去 30 年來在構建這些 3D 合成模型方面的工作,而是利用人工智慧使這些現有知識在北美乃至全球的城市樹木中變得更有用。」

樹木的 3D 模型

Tree-D Fusion 建立在之前使用谷歌街景數據進行城市森林監測的基礎上,但它更進一步,能夠從單張圖片生成完整的 3D 模型。早期的樹木建模嘗試通常僅限於特定社區,或在大規模時面臨準確性問題,而 Tree-D Fusion 則能創建詳細的模型,包含通常隱藏的特徵,例如在街景照片中看不見的樹後面。

這項技術的實際應用遠不止於觀察。城市規劃者可以利用 Tree-D Fusion 預測未來,預測樹枝生長可能與電線纏繞的地方,或識別哪些社區可以通過戰略性種樹來最大化降溫效果和改善空氣質量。團隊表示,這些預測能力可以將城市森林管理從被動維護轉變為主動規劃。

樹木的成長

研究人員採用混合方法,使用深度學習創建每棵樹的 3D 形狀,然後使用傳統的程序模型模擬基於樹木屬的現實樹枝和葉子模式。這種組合幫助模型預測樹木在不同環境條件和氣候情景下的生長情況,例如不同的當地溫度和地下水的可獲得性。

隨著全球城市面臨氣溫上升的挑戰,這項研究為城市森林的未來提供了新的視角。在與麻省理工學院的可感知城市實驗室 (Senseable City Lab) 合作中,普渡大學和谷歌團隊正在展開一項全球研究,重新想像樹木作為活的氣候屏障。他們的數字建模系統捕捉了季節間陰影模式的變化,顯示出戰略性城市森林如何有望將炎熱的城市街區轉變為更自然涼爽的社區。

比瑞說:「每當街道映射車輛經過城市時,我們不僅僅是在拍攝快照——我們在實時觀察這些城市森林的演變。這種持續的監測創造了一個活的數字森林,反映了其物理對應物,為城市提供了一個強大的視角,以觀察環境壓力如何影響樹木的健康和生長模式。」

環境正義的夥伴

基於人工智慧的樹木建模已成為追求環境正義的盟友:通過前所未有的細節繪製城市樹冠,谷歌自然人工智慧團隊的一個姊妹項目幫助揭示了不同社會經濟區域之間綠地獲取的差異。比瑞表示:「我們不僅僅是在研究城市森林——我們在努力促進更多的公平。」團隊目前正與生態學家和樹木健康專家密切合作,完善這些模型,確保隨著城市擴大綠色樹冠,所有居民都能平等受益。

未來的挑戰

雖然 Tree-D Fusion 在這個領域標誌著一些重大的「成長」,但樹木對於計算機視覺系統來說是獨特的挑戰。與當前 3D 建模技術能夠很好處理的建築物或車輛的剛性結構不同,樹木是自然的變形者——在風中搖曳,與鄰近的樹木交錯,並隨著生長不斷改變形狀。Tree-D Fusion 模型是「模擬準備」的,因為它們可以根據環境條件估計未來樹木的形狀。

比瑞說:「這項工作的興奮之處在於,它促使我們重新思考計算機視覺中的基本假設。雖然像攝影測量或神經輻射場 (NeRF) 這樣的 3D 場景理解技術在捕捉靜態物體方面表現出色,但樹木需要新的方法來考慮它們的動態特性,即使是輕微的微風也能瞬間改變它們的結構。」

團隊創建粗略結構包絡以近似每棵樹的形狀的方法已被證明非常有效,但某些問題仍未解決。或許最棘手的問題是「交纏樹問題」;當鄰近的樹木互相生長時,它們交錯的樹枝創造了一個當前任何 AI 系統都無法完全解開的謎題。

科學家們將他們的數據集視為未來計算機視覺創新的跳板,並已經在探索超越街景圖像的應用,計劃將他們的方法擴展到 iNaturalist 和野生動物攝像機等平台。

普渡大學博士生李在榮 (Jae Joong Lee) 說:「這僅僅是 Tree-D Fusion 的開始。與我的合作者一起,我想像著將這個平台的能力擴展到行星規模。我們的目標是利用人工智慧驅動的見解來服務自然生態系統——支持生物多樣性,促進全球可持續性,最終造福我們整個星球的健康。」

比瑞和李的合著者包括喬納森·黃 (Jonathan Huang),前谷歌人工智慧負責人;以及普渡大學的四位其他成員:博士生李在榮和李博生 (Bosheng Li),遙感教授兼院長席位的費松林 (Songlin Fei),助理教授葉瑞明 (Raymond Yeh),以及計算機科學副主任貝德里奇·本尼斯 (Bedrich Benes)。他們的工作基於美國農業部 (USDA) 自然資源保護服務的支持,並直接得到美國農業部國家食品與農業研究所的支持。研究人員本月在歐洲計算機視覺會議上展示了他們的發現。



新聞來源

本文由 AI 台灣 運用 AI 技術編撰,內容僅供參考,請自行核實相關資訊。
歡迎加入我們的 AI TAIWAN 台灣人工智慧中心 FB 社團,
隨時掌握最新 AI 動態與實用資訊!

Tags: Diffusion modelsdigital twinsGoogle street viewlandscape designMIT CSAILMIT Sensible City LabSara Beerytree growth modelsTree-D Fusionurban flora利用人工智慧數位雙胞胎推進城市樹木監測麻省理工學院新聞
Previous Post

Meta終於對豬肉屠宰事件發聲

Next Post

麻省理工學院研究人員開發出一種高效的方法來訓練更可靠的人工智慧代理 | 麻省理工學院新聞

Related Posts

中國教育改革人工智慧助力創新人才培育
AI 綜合新聞

中國教育改革人工智慧助力創新人才培育

2025-06-11
AI 助力中風患者康復Devon 的 SAMueL-2 計畫創新突破
AI 綜合新聞

AI 助力中風患者康復Devon 的 SAMueL-2 計畫創新突破

2025-04-24
2027 年 AI 預測人類水平 AI 的全新里程碑
AI 綜合新聞

2027 年 AI 預測人類水平 AI 的全新里程碑

2025-04-21
全球AI教育市場蓬勃發展智慧學習工具引領新趨勢
AI 綜合新聞

全球AI教育市場蓬勃發展智慧學習工具引領新趨勢

2025-04-21
AI 技術對人類智能的影響我們在失去什麼?
AI 綜合新聞

AI 技術對人類智能的影響我們在失去什麼?

2025-04-20
MIT 研發新技術提升 AI 生成代碼準確性助力非專業人士掌握 SQL 語言
AI 綜合新聞

MIT 研發新技術提升 AI 生成代碼準確性助力非專業人士掌握 SQL 語言

2025-04-18
Next Post
麻省理工學院研究人員開發出一種高效的方法來訓練更可靠的人工智慧代理 | 麻省理工學院新聞

麻省理工學院研究人員開發出一種高效的方法來訓練更可靠的人工智慧代理 | 麻省理工學院新聞

什麼是離散化? – Analytics Vidhya

什麼是離散化? - Analytics Vidhya

發佈留言 取消回覆

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

Archives

  • 2025 年 6 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月
  • 2024 年 10 月
  • 2024 年 9 月
  • 2024 年 8 月
  • 2024 年 7 月
  • 2024 年 6 月
  • 2024 年 5 月
  • 2024 年 4 月
  • 2024 年 3 月
  • 2024 年 2 月
  • 2023 年 10 月
  • 2023 年 9 月
  • 2023 年 8 月
  • 2023 年 7 月
  • 2023 年 5 月
  • 2023 年 3 月
  • 2023 年 1 月
  • 2022 年 12 月
  • 2022 年 11 月
  • 2022 年 5 月
  • 2022 年 4 月
  • 2022 年 1 月
  • 2021 年 11 月
  • 2021 年 8 月
  • 2021 年 5 月
  • 2021 年 3 月
  • 2021 年 1 月
  • 2020 年 12 月
  • 2020 年 10 月
  • 2020 年 9 月
  • 2019 年 7 月
  • 2018 年 11 月

Categories

  • AI 智慧產業
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • 安全
  • 機器人與自動化
  • 機器學習與應用
  • 神經連結和腦機接口
  • 自然語言處理
  • 道德與法規
Your Ad
  • 關於我們
  • 廣告合作
  • 免責聲明
  • 隱私權政策
  • DMCA
  • Cookie 隱私權政策
  • 條款與條件
  • 聯絡我們
AI TAIWAN

版權 © 2024 AI TAIWAN.
AI TAIWAN 對外部網站的內容不負任何責任。

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
No Result
View All Result
  • Home
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • AI 智慧產業
  • 機器學習與應用
  • 自然語言處理
  • 神經連結和腦機接口
  • 機器人與自動化
  • 道德與法規
  • 安全

版權 © 2024 AI TAIWAN.
AI TAIWAN 對外部網站的內容不負任何責任。