هوش مصنوعی معماری را مدل سازی و خلق می کند - آیا این کار را می کند؟
هوش مصنوعی معماری را مدل سازی و خلق می کند - آیا این کار را می کند؟
در میان بسیاری دیگر، زاها حدید (استودیو) نیز با استفاده از این فناوری، هوش مصنوعی را برای ارائه اشکالی نه چندان آزاد که از شباهت به الگوهای معابد باستانی که به عنوان مجموعه داده های تصویری برای تغذیهGAN عمل می کردند، استفاده می کردند، به کار گرفت (استودیو زاها حدید، ۲۰۲۳ ). در تحقیقات دکترا تحت نظارت پاتریک شوماخر از ZHA در سال ۲۰۱۷، دانیل بولوجان با استفاده از الگوریتم های یادگیری ماشین و سایر ابزارهای هوش مصنوعی بازی که در Unity 3D پیاده سازی شده بودند، مطالعه نشانه شناسی پارامتری را برای مدل سازی رفتار عوامل انسانی به منظور آزمایش طرح بندی یک فضای پیشنهادی ایجاد کرد (لیچ، ۲۰۲۲d ).
استانیسلاس چایلو ( 2022c )، شرکت انویدیا و دیگران برنامه های هوش مصنوعی را برای تولید نقشه های طبقات و طرح بندی آپارتمان ها ارائه می دهند. ArchiGAN از شبکه های مولد برای ایجاد طرح های ساختمانی دوبعدی و سه بعدی بر اساس پارامترهای ورودی مانند ابعاد و الزامات فضا استفاده می کند. مدل دیگر CityGAN است که پیش نویس هایی از بلوک ها و ساختمان های شهری تولید می کند. از نقطه نظر عملی و در مورد کارایی استقرار، نتایج هر دو برنامه - مانند سایر موارد مشابه - جای سوال دارد. گروه تحقیقاتی فیلیپ ایزولا ( 2023 ) بر اساس اصل ترجمه تصویر به تصویر با شبکه های رقابتی شرطی(CAN)، مجموعه ای از نماهای تولید شده توسط ماشین را با پیروی از «سبک» و شخصیت الگوی مستقر شده به عنوان «ورودی» ارائه می دهد(Chai و همکاران، 2023 ؛ چایلو، 2022c ). Pix2Pix ( 2023 ) ). که توسط همین تیم معرفی شده است، خلاصه ای از پیاده سازی یک ترجمه عمومی تصویر به تصویر با استفاده از CANها است. GAN Loci که در سال ۲۰۱۹ توسط کایل استاینفلد ( ۲۰۲۳a ) توسعه داده شد، تصاویر پرسپکتیو از صحنه های شهری را با ترکیب بافت های نمای ساختمان، مسیرها، مبلمان خیابانی، عابران پیاده، ماشین ها و غیره تولید می کند و با آموزش برای دستیابی به «حال و هوای» مورد نیاز - حومه شهر، پارک عمومی و غیره - به کار می گیرد (Chaillou, 2022e ; Steinfeld, 2023c ). Sketch2Pix با ترکیب نتایج تیم ایزولا و تحقیق و توسعه استاینفلد، یک برنامه تعاملی برای طراحی معماری ارائه می دهد که با ترجمه خودکار تصویر به تصویر تکمیل شده است (Steinfeld, 2023b ). متاسفانه، این برنامه ها - و سایر برنامه های بعدی - تنها محدودیت های الگوریتم های متمرکز بر خروجی را که تاکنون با هدف کمک به طرح های معماری ارائه شده اند، نشان می دهند.
تام مین از مورفوزیس از هوش مصنوعی برای توسعه استراتژی های عملیاتی جهت تولید خروجی هایی که هرگز قابل پیش بینی نبودند، استفاده کرد. این استودیو «مطالعات طراحی ترکیبی: تعریفی از یک مطالعه رسمی که توسط فناوری GAN شرح داده شده است » را توسعه داد که طیف وسیعی از گزینه های ترکیبی بیشتر را ارائه می دهد (لیچ، 2022e ) . فاستر و شرکا ( 2022 )، یکی دیگر از استودیوهای معماری ستاره جهانی، نمی تواند کنار بماند؛ در تیم تحقیق و توسعه کاربردی آن، معماران و مهندسان به همراه برنامه نویسان متخصص، بهترین شهود انسانی و دقت محاسباتی را با فناوری های جدید مانند واقعیت افزوده، یادگیری ماشین و شبیه سازی بلادرنگ ترکیب می کنند .
از نظر کاربرد عملی، شبیه سازی های پیش بینی، اتالون را ارائه می دهند. به عنوان مثال، ComfortGAN چالش های پیش بینی آسایش حرارتی داخلی یک ساختمان را بررسی می کند Quintana و همکاران، 2020 همچنین طراحی سازه در جستجوی هوش مصنوعی است. به عنوان مثال، با استفاده از Autoencoders Variational، توسعه تحقیقات در MIT بررسی می کند که چگونه هوش مصنوعی می تواند سازه های متنوعی را تولید کند و در عین حال استانداردهای عملکرد را تضمین کند) Chaillou، 2022f). این حال، به دلیل مسئولیت اساسی مواد در طراحی سازه، مشکلات هنوز حل نشده جعبه سیاه الگوریتم که اجازه نمی دهد به محدودیت ماشین تکیه شود، تاکنون استقرار هوش مصنوعی در طراحی سازه را به تئوری و پیش نویس مفهومی محدود کرده است.
در مقیاس شهری، تلاش هایی برای کمک به ایجاد الگوها و شبکه های جاده ای و گردشی «به سبک معمول» با استفاده از - در میان موارد دیگر - گرافیک های لاک پشتی عصبی
(Chaillou, 2022g ; del Campo & Manninger, 2019 ) در حال انجام است. در طول دهه گذشته، استقرار پلتفرم های آنلاین، زیرساخت مناسبی را برای کاربران نهایی فراهم کرده است (Tian, 2022 )،
همچنین استقرار Generative AI: Spacemaker (Kyle, 2022 ; Spacemaker, 2022 )، Cove.tool ( 2022 )، Giraffe ( 2022 ) یا Creo: Design ( 2022 ) نمونه هایی از این اکوسیستم رو به رشد هستند که دسترسی ساده به مدل های پیش بینی مبتنی بر هوش مصنوعی، طراحی مولد، واقعیت افزوده، شبیه سازی بلادرنگ، تولید افزایشی و اینترنت اشیا را برای تکرار سریع تر، کاهش هزینه ها و بهبود محصول ارائه می دهند (Chaillou, 2022h ).
نه تنها استارت آپ ها، دانشگاه ها و شرکت های تابعه استودیوهای معماری جهانی به سراغ هوش مصنوعی می روند: غول جهانی CAD، اتودسک، آزمایشگاه هوش مصنوعی هوش مصنوعی ماشینی را اداره می کند - و بسیاری از نرم افزارهای اتودسک، از جمله فیوژن ۳۶۰، امروزه مجهز به هوش مصنوعی هستند و از طراحی مولد استفاده می کنند (لیچ، ۲۰۱۸ ( و البته خرید اسپیس میکر (تک کرانچ، ۲۰۲۲ ( با این وجود، هر چقدر هم که این فهرست گسترده به نظر برسد، توسعه هوش مصنوعی برای AECO هنوز در مراحل ابتدایی خود است و در رقابت با LLMها (مدل های زبانی بزرگ)، پردازش متن به تصویر، به کارگیری هوش مصنوعی در جستجوی اینترنتی، جایگذاری محتوا و تبلیغات، و همچنین در مراقبت های بهداشتی، داروسازی، بیمه یا عدالت مربوط به حضانت و وثیقه، شکست خورده است (کریستین، ۲۰۲۰)