چرخش محاسباتی در طراحی مبتنی بر شواهد مروری نظام مند بر یکپارچه سازی هوش مصنوعی در معماری در بازه ۲۰۲۲ تا ۲۰۲۶

طراحی مبتنی بر شواهد در دهه های اخیر به مثابه روشی گذشته نگر و دستی برای پیوند زدن ویژگی های محیط ساخته شده به پیامدهای انسانی شکل گرفت؛ اما ظهور هوش مصنوعی این روش را به پارادایمی بلادرنگ پیش بین و مولد دگرگون کرده است. این مقاله با مروری نظام مند بر شصت و یک منبع معتبر که چهل اثر آن در بازه ۲۰۲۲ تا ۲۰۲۶ منتشر شده اند چرخش محاسباتی طراحی مبتنی بر شواهد را در پنج ستون بنیادین صورت بندی می کند: ارزیابی پساسکونتی محاسباتی و کلان داده فضایی، یادگیری ماشین پیش بین برای سنجه های محیطی و شفابخش، هوش مصنوعی مواد، شواهد آگاه عصب، معماری و حلقه های بازخورد زیست سنجشی همه جانبه و شبیه سازی های مبتنی بر عامل اجتماعی فضایی. روش پژوهش بر پروتکل PRISMA استوار است و پیکره منابع از پایگاه های Scopus و Web of Science Xplore و PubMed گردآمده است. یافته ها نشان می دهد که دقت پیش بینی در قلمرو سنجه های محیطی سخت مانند نوردهی روز به ضریب تعیین بالاتر از نود و نه صدم رسیده است حال آن که اعتبار بیرونی در قلمرو سنجه های نرم شناختی هنوز شکننده است. تحلیل هم گرایی آشکار می سازد که داده نرم ادراکی و رفتاری به تدریج با پارامتر سخت بهینه سازی در هم می آمیزد و کیفیت های پیش تر ناکمی پذیر مانند آرامش و ترمیم را به قید محاسبه پذیر بدل می کند. مقاله نتیجه می گیرد که شکاف محوری چرخش محاسباتی نه در توان تولید بلکه در عدم توازن میان بلوغ پیش بینی، سخت شکنندگی اعتبارسنجی نرم و نابالغی چارچوب اخلاق داده نهفته است.

کلیدواژه ها:

طراحی مبتنی بر شواهد ، هوش مصنوعی مولد ، عصب ، معماری ، ارزیابی پساسکونتی محاسباتی ، شبیه سازی مبتنی بر عامل ، یادگیری ماشین