跳动城乡网草木茂盛的桉树林曾覆盖澳大利亚东南部数百万平方公里，但如今仅剩不到5%。大树的消失对许多依赖它们作为栖息地的鸟类和其他动物来说是一场危机。
更换这种栖息地并不容易。没有快速的方法可以培育出百年老树。
我们可以做的一件事是制造人工结构，模仿树木无法生长或太年轻、太小的退化环境中大树的特征。我们一直与澳大利亚首都领地公园和保护服务处合作，在堪培拉的莫朗格洛地区进行这项工作。
为了建造这些人工结构，我们需要从动物的角度了解什么是好的栖息地。为了找到答案，我们开发了使用人工智能和机器学习的方法，将非人类利益相关者(这里指的是鸟类和树木)纳入设计过程。实际上，我们聘请了高大的古树作为主设计师，并让鸟类作为其作品的评判者。
树木、鸟类和电线杆
莫朗格洛曾经拥有繁荣的生态系统，但现在却支离破碎，遭到破坏。高大的古树越来越少见。
这些树木有的树龄超过500年，树冠结构复杂，是鸟类筑巢、觅食和栖息所必需的。随着城市发展扩大和老树亡，填补这些巨树留下的空白是一项挑战。
此前，该地区曾引入了经过改造的电线杆和重新安置的枯树(或树桩)作为替代栖息地。这些结构可以提供重要的栖息地特征，例如种植的树苗所没有的高架栖木、筑巢箱和树皮。然而，很难确切了解一棵大树的哪些特征对鸟类很重要——这限制了人工结构的价值。
仔细分析图像和其他数据可以帮助我们辨别这些特征。例如，我们和我们的合作者发现鸟类更喜欢在小水平树枝上栖息和筑巢。
通过研究鸟类，我们可以了解它们对树木已经设计好的某些特征的偏好。我们的下一个挑战是利用这些信息来设计更好的栖息地结构。
我们的流程使用激光扫描和人工智能来识别树枝，评估鸟类如何使用它们，然后生成潜在的人工结构并评估鸟类如何使用它们。图片来源：StanislavRoudavski/AlexHolland
向树木学习
我们采用了涉及数据捕获、预测建模和迭代设计的流程。人工智能和机器学习对于解释复杂的空间数据不可或缺。
首先，我们通过从树木表面每平方厘米反射数百万束激光来绘制每棵树的地图，以点云的形式捕捉树冠。然后我们使用算法来识别和测量重要属性，例如树枝的方向、大小和连接。更好地了解鸟类对这些属性的偏好可以为人工替代品的设计提供参考。
接下来，我们开发了统计模型来预测鸟类的行为。这些模型基于澳大利亚国立大学的菲利普·吉本斯(PhilipGibbons)领导的对鸟类互动的长期观察。通过模拟鸟类如何使用人造树枝，我们可以改进我们的设计以更好地满足它们的需求。
重新构想人工栖息地
为了制作各种人造树冠，我们开发了进一步的算法。我们不再根据它们在人眼中的相似程度来判断最终的设计，而是使用鸟类行为模型来弄清楚这些结构如何为鸟类栖息者服务。
我们的另一个目标是创建易于安装、重新配置和拆卸的轻型结构。我们的模拟表明，与电线杆和障碍物相比，这些结构可以显著提高栖息地的适宜性。
重返赛场
我们目前正在根据我们的设计建造原型，但这个过程的最后一步将是实地测试，以了解鸟类的想法。鸟类可以通过与人工结构互动来反馈人工结构的特点。这种测试将有助于使设计更加完善。
设计过程，即使是鸟类和树木等非人类利益相关者，目前也由人类的观点和专业知识主导。我们的研究结果表明，扩大创造性贡献和判断的范围可以改善设计过程。这种设计过程的结果可以采取“持续服务”的形式，可持续地提供庇护所或其他资源。
一种人造树使用轻质电缆和杆结构连接到现有电线杆上(右)。适用性可视化显示不方便倾斜的树枝为蓝色，近水平的树枝为。厚度表示暴露程度，因此表示易于接近。亮度是指距离地面的距离。图片来源：StanislavRoudavski/AlexHolland
虽然我们希望建造更好的人工建筑，但必须记住，没有什么可以真正替代高大的古树。我们还必须保护现有的树木，并为未来种植更多树木。
对设计的更广泛影响
我们在堪培拉使用的超越人类的设计原则也有更广泛的应用。世界各地的许多环境都面临着类似的挑战。通过重新思考当前的设计和规划方法，我们可以为许多不同的生命形式创造更具包容性和弹性的环境。
根本的改变是将其他物种视为设计中的创新者和专家参与者。这种方法扩展了与鲸鱼、蝙蝠和蜜蜂进行交流的现有努力，利用人工智能整合非人类生命形式的输入，以产生新的、更好的设计。
我们的案例研究表明，包括非人类在内的参与式方法可以解决人类的偏见。因此，我们解锁了更广泛的可能设计。
展会设计
世界面临许多紧迫的环境危机。我们需要创新、包容的设计方法来应对这一挑战。树木已经是优秀的设计师，就像鸟类是其作品的优秀评判者一样——如果我们采纳它们的意见，我们就能创造出更好的“超越人类”的设计。
我们相信，利用人工智能为非人类利益相关者发声可以带来更好的解决方案，让许多物种能够共存。我们在堪培拉的工作就是一个例子，说明参与式设计如何为所有生物创造更加公平和可持续的未来。
