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木的形状和环境响应。在受 DNA 启发的工作中， 计算机科学教授贝德里奇·贝内斯 (Bedrich Benes ) 和他的同事开发了新颖的人工智能模型，将编码树形所需的信息压缩为兆字节大小的神经模型。

训练后，人工智能模型会对树木的本地发展进行编码，可用于生成具有数 GB 详细几何形状的复杂树木模型作为输出。

在 ACM Transactions on Graphics of the Association for Computer Machinery 和 IEEE Transactions on Visualizations and Computer Graphics上发表的两篇论文中， Benes 和他的合著者描述了他们如何创建树模拟 AI 模型。“人工智能模型从大数据集中学习，以模仿内在发现的行为，”贝内斯说。

非基于人工智能的数字树模型相当复杂，涉及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等领域都需要此类模型，以使设计更真实地吸引潜在客户和受众。

在与人工智能模型合作近 10 年之后，Benes 期望他们能够显着改进数字树双胞胎的现有方法。然而，模型的大小令人惊讶。“这是复杂的行为，但它已被压缩为相当少量的数据，”他说。

ACM Transactions on Graphics论文的共同作者 是 普渡大学计算机科学研究生Jae Joong Lee 和 Bosheng Li 。IEEE Transactions on Visualization and Computer Graphics论文的共同作者 是 Li 和 Zhouiaochen Zhou，他们也是普渡大学计算机科学专业的研究生; 费松林遥感学院院长、数字林业研究所所长;和 德国基尔大学 的 Sören Pirk。

研究人员使用深度学习(人工智能中机器学习的一个分支)来生成枫树、橡树、松树、胡桃树和其他有叶和无叶树种的生长模型。深度学习涉及开发软件，训练人工智能模型通过连接的神经网络执行指定的任务，试图模仿人脑的某些功能。

Benes 说：“虽然人工智能似乎已经变得普遍，但到目前为止，它在与自然无关的 3D 几何建模方面大多被证明非常成功。” 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。

“几十年来，获取 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，”Benes 和他的合著者在他们的 ACM Transactions 论文中说道。他们指出，虽然一些模拟生物行为的方法正在改进，但“能够快速提供许多真实树木 3D 模型的简单方法目前还不是很容易获得。”

传统上，具有生物学专业知识的专家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木的 DNA 赋予的特征。其中包括分支角度，例如，松树的分支角度比橡树的分支角度大得多。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。

“将树木的内在特性与其环境响应分开是极其复杂的，”贝内斯说。“我们观察了数千棵树，然后想，&luo;嘿，让人工智能来学习吧。&ruo;” 也许我们可以通过人工智能了解树形的本质。”

科学家通常根据假设和对自然的观察来建立模型。作为人类创建的模型，它们背后有推理。研究人员的模型概括了数千棵树的输入数据的行为，这些数据在人工智能中进行了编码。然后研究人员验证模型的行为是否与输入数据的行为相同。