Filsuf Irlandia George Berkely, yang terkenal karena teorinya tentang imaterialisme, pernah merenung, “Jika sebuah pohon tumbang di hutan dan tidak ada seorang pun di sekitar yang mendengarnya, apakah ia mengeluarkan suara?”
Bagaimana dengan pohon yang dihasilkan oleh AI? Mungkin hal ini tidak akan berpengaruh, namun hal ini tetap penting untuk penerapan seperti adaptasi flora perkotaan terhadap perubahan iklim. Untuk itu, novel “Penggabungan Pohon-D” sistem yang dikembangkan oleh para peneliti di MIT Computer Science and Artificial Intelligence Laboratory (CSAIL), Google, dan Purdue University menggabungkan AI dan model pertumbuhan pohon dengan data Auto Arborist Google untuk membuat model 3D yang akurat dari pepohonan perkotaan yang ada. Proyek ini telah menghasilkan database skala besar pertama yang berisi 600.000 model pohon yang sadar lingkungan dan siap simulasi di seluruh Amerika Utara.
“Kami menjembatani ilmu kehutanan selama puluhan tahun dengan kemampuan AI modern,” kata Sara Beery, asisten profesor teknik elektro dan ilmu komputer (EECS) MIT, peneliti utama MIT CSAIL, dan rekan penulis makalah baru makalah tentang Tree-D Fusion. “Hal ini memungkinkan kami untuk tidak hanya mengidentifikasi pohon-pohon di perkotaan, namun juga memprediksi bagaimana pohon-pohon tersebut akan tumbuh dan berdampak pada lingkungannya dari waktu ke waktu. Kami tidak mengabaikan upaya selama 30 tahun terakhir dalam memahami cara membuat model sintetis 3D ini; sebaliknya, kami menggunakan AI untuk menjadikan pengetahuan yang ada ini lebih berguna di berbagai pohon di kota-kota di Amerika Utara, dan pada akhirnya di seluruh dunia.”
Tree-D Fusion dibangun berdasarkan upaya pemantauan hutan kota sebelumnya yang menggunakan data Google Street View, namun mengembangkannya dengan menghasilkan model 3D lengkap dari satu gambar. Meskipun upaya sebelumnya dalam pemodelan pohon terbatas pada lingkungan tertentu, atau kesulitan dengan akurasi dalam skala besar, Tree-D Fusion dapat membuat model detail yang mencakup fitur yang biasanya tersembunyi, seperti bagian belakang pepohonan yang tidak terlihat dalam foto tampilan jalan. .
Penerapan praktis teknologi ini melampaui sekadar observasi. Para perencana kota dapat menggunakan Tree-D Fusion untuk melihat masa depan, mengantisipasi kemungkinan cabang-cabang yang tumbuh tersangkut kabel listrik, atau mengidentifikasi lingkungan di mana penempatan pohon yang strategis dapat memaksimalkan efek pendinginan dan peningkatan kualitas udara. Kemampuan prediktif ini, kata tim, dapat mengubah pengelolaan hutan kota dari pemeliharaan reaktif menjadi perencanaan proaktif.
Sebuah pohon tumbuh di Brooklyn (dan banyak tempat lainnya)
Para peneliti menggunakan pendekatan hibrida pada metode mereka, menggunakan pembelajaran mendalam untuk membuat amplop 3D dari setiap bentuk pohon, kemudian menggunakan model prosedural tradisional untuk mensimulasikan pola cabang dan daun yang realistis berdasarkan genus pohon. Kombinasi ini membantu model memprediksi bagaimana pohon akan tumbuh dalam kondisi lingkungan dan skenario iklim yang berbeda, seperti kemungkinan suhu lokal yang berbeda dan akses terhadap air tanah yang berbeda-beda.
Kini, ketika kota-kota di seluruh dunia sedang bergulat dengan hal tersebut kenaikan suhupenelitian ini menawarkan jendela baru mengenai masa depan hutan kota. Bekerja sama dengan Lab Kota Masuk Akal MITUniversitas Purdue dan tim Google memulai studi global yang membayangkan kembali pepohonan sebagai pelindung iklim yang hidup. Sistem pemodelan digital mereka menangkap pola naungan yang rumit sepanjang musim, mengungkapkan bagaimana kehutanan kota yang strategis diharapkan dapat mengubah kawasan kota yang panas terik menjadi lingkungan yang lebih sejuk secara alami.
“Setiap kali kendaraan pemetaan jalan melewati sebuah kota, kami tidak hanya mengambil fotonya — kami menyaksikan hutan kota ini berkembang secara real-time,” kata Beery. “Pemantauan berkelanjutan ini menciptakan hutan digital hidup yang mencerminkan hutan fisik, memberikan kota-kota lensa yang kuat untuk mengamati bagaimana tekanan lingkungan membentuk kesehatan pohon dan pola pertumbuhan di seluruh lanskap perkotaan mereka.”
Pemodelan pohon berbasis AI telah muncul sebagai upaya untuk mewujudkan keadilan lingkungan: Dengan memetakan kanopi pohon perkotaan dengan detail yang belum pernah terjadi sebelumnya, proyek serupa dari Tim Google AI untuk Alam telah membantu mengungkap kesenjangan akses ruang hijau di berbagai wilayah sosial ekonomi. “Kami tidak hanya mempelajari hutan kota – kami mencoba untuk meningkatkan keadilan,” kata Beery. Tim ini kini bekerja sama dengan para ahli ekologi dan kesehatan pohon untuk menyempurnakan model-model ini, memastikan bahwa ketika kota-kota memperluas kanopi hijaunya, manfaatnya akan dirasakan oleh semua penduduk secara merata.
Sangat mudah
Meskipun fusi Tree-D menandai beberapa “pertumbuhan” besar di lapangan, pepohonan dapat menjadi tantangan unik bagi sistem visi komputer. Berbeda dengan struktur kaku bangunan atau kendaraan yang dapat ditangani dengan baik oleh teknik pemodelan 3D saat ini, pepohonan adalah pengubah bentuk alam — bergoyang tertiup angin, menjalin cabang dengan tetangganya, dan terus berubah bentuk seiring pertumbuhannya. Model fusi Tree-D “siap untuk simulasi” karena dapat memperkirakan bentuk pohon di masa depan, bergantung pada kondisi lingkungan.
“Hal yang membuat pekerjaan ini menarik adalah bagaimana hal ini mendorong kita untuk memikirkan kembali asumsi mendasar dalam visi komputer,” kata Beery. “Sedangkan teknik pemahaman pemandangan 3D seperti fotogrametri atau NeRF [neural radiance fields] unggul dalam menangkap objek statis, pepohonan memerlukan pendekatan baru yang dapat menjelaskan sifat dinamisnya, bahkan angin sepoi-sepoi pun dapat mengubah strukturnya secara dramatis dari waktu ke waktu.”
Pendekatan tim dalam menciptakan selubung struktural kasar yang mendekati bentuk setiap pohon telah terbukti sangat efektif, namun ada beberapa permasalahan yang masih belum terpecahkan. Mungkin yang paling menjengkelkan adalah “masalah pohon yang terjerat;” ketika pohon-pohon yang berdekatan tumbuh menjadi satu sama lain, cabang-cabangnya yang saling terkait menciptakan teka-teki yang tidak dapat diurai sepenuhnya oleh sistem AI saat ini.
Para ilmuwan melihat kumpulan data mereka sebagai batu loncatan untuk inovasi masa depan dalam visi komputer, dan mereka sudah mengeksplorasi aplikasi di luar citra tampilan jalan, dan berupaya memperluas pendekatan mereka ke platform seperti iNaturalist dan kamera jebakan satwa liar.
“Ini menandai permulaan Tree-D Fusion,” kata Jae Joong Lee, mahasiswa PhD Universitas Purdue yang mengembangkan, mengimplementasikan, dan menerapkan algoritma Tree-D-Fusion. “Bersama dengan kolaborator saya, saya membayangkan memperluas kemampuan platform ini ke skala global. Tujuan kami adalah menggunakan wawasan berbasis AI untuk mendukung ekosistem alami — mendukung keanekaragaman hayati, mendorong keberlanjutan global, dan pada akhirnya, memberikan manfaat bagi kesehatan seluruh planet kita.”
Rekan penulis Beery dan Lee adalah Jonathan Huang, kepala AI Scaled Foundations (sebelumnya Google); dan empat orang lainnya dari Universitas Purdue: mahasiswa PhD Jae Joong Lee dan Bosheng Li, Profesor dan Ketua Dekan Penginderaan Jarak Jauh Songlin Fei, Asisten Profesor Raymond Yeh, dan Profesor dan Kepala Madya Ilmu Komputer Bedrich Benes. Pekerjaan mereka didasarkan pada upaya yang didukung oleh Layanan Konservasi Sumber Daya Alam Departemen Pertanian Amerika Serikat (USDA) dan didukung langsung oleh Institut Pangan dan Pertanian Nasional USDA. Para peneliti mempresentasikan temuan mereka di Konferensi Eropa tentang Computer Vision bulan ini.
Informasi ini pertama kali tayang di MIT.edu klik disini untuk melihat berita lainnya.
