猫头鹰日志（MalltoWin Log)

据预测，全球在人工智能系统支出方面，正以接近40%的复合增长率发展，同时目前约有70％的行业正在投资于AI解决方案。其重要的社会经济地位，正在悄然改变我们每一个人的生活与身处的行业。

2020-05-27

来源：建筑志

（ID：jianzhuzhi）

如火如荼召开的两会，似乎正在成为大型“新技术试验场”。

人民日报等媒体推出了一款特殊的5G+AR采访眼镜，可以快速“识别抓取”新闻人物……

中央广播电视总台记者使用了一款5G+8K的背包型“直播神器”，实时多路信号可通过人工智能计算，生成AI剪辑成片……

谈新华社此前还首次推出了5G全息异地同屏系列访谈，并联合搜狗公司推出的3D版AI合成主播“新小微”……

可以说，一场疫情已让人们充分认识到数字生活时代的来临，而这一时代中的王牌，必有一张属于——人工智能。

近年来，人工智能技术(AI)已经被广泛应用于各个行业（特别是医疗、自动驾驶、工业制造等），并为它们的发展升级注入了新的动力。

对于建筑领域，人工智能的应用仍还处于起步阶段，但所取得的一些成果却让人惊叹。

这项技术不仅仅是一个机会，更是建筑领域向前迈出的关键性一步。

人工智能的技术进化是一个缓慢的结果，是模块化，计算机辅助设计，参数化设计和人工智能（Ai）这四个阶段相互交织的发展过程，并不断为建筑实践带来革命性的改变。

今天我们就结合一些最新成果，看看人工智能在建筑领域的发展进程与研究进展。

模块化

1930-1960

模块化可以被认为是系统化建筑设计的一个起点，早在1920年，德国现代建筑大师格罗皮乌斯就为包豪斯提出了“模块化网格”的理论，为简化施工和提高建筑的经济效益带来了希望。在一开始，也仅仅只是作为一种建筑实践的方式出现。

格罗皮乌斯和阿道夫·迈耶提出了“Baukasten（积木）”的概念，这是一个具有严格组装规则的典型模块。

同一时期，美国著名的建筑大师理查德·巴克敏斯特·富勒（Richard Buckminster Fuller）提出了一个更加系统的模块视图，能够让人全面了解内部结构。

他所设计的Dymaxion House将模块化住宅推向了极致，为该行业的发展奠定了基础。

之后，这种标准化在柯布西耶的“Modulor（模度）”中进行了详细阐述，他将模块化的思想应用到了人的尺度上，并在1946就开始全面实施了他的这一想法。通过模块化，重塑人体尺度与建筑环境的关系。

格罗皮乌斯和阿道夫·迈耶提出的“Baukasten（积木）”概念

▼

Dymaxion House，1929-1946，理查德·巴克敏斯特·富勒

▼

Le Modulor，1945，勒·柯布西耶

▼

建筑师们根据这些早期的理论，调整他们的实践，以优化矩阵，这相当于把建筑设计的部分技术方面转移到模块的逻辑。

这些论证被证明是有说服力的：在可预见性方面的重大改进降低了设计的复杂性和成本。

模块化很快扩展到整个建筑领域，1933年Robert W. McLaughlin教授在美国建造了当时世界上第一个大型模块化项目——Winslow Ames House，被认为是当时建筑领域的一项重大突破。

Winslow Ames House

▼

20世纪60年代，模块化的思维甚至影响了城市规划，例如英国建筑师团体Archigram，他们希望在“插件城市（Plugin City）”这一项目中创建完全模块化的城市。

“插件城市”是库克在1962年至1964年间所进行的一系列研究和设计。它将可移动的金属舱住宅 作为基本的构件，有了这样的基本建造单元，就可以按照人口规模拆卸、重组成大小不同的移动社区，再按照不同的需要插接到混凝土的“巨型结构”中从而形成的城市。

所以，不同的社区之间的联接可以像插头插入插座那样简单完成，再以此组织交通、生产和社会生活。

插件城市（Plugin City）

▼

通过在三维结构矩阵上不断地组装和拆卸模块，城市有望找到一种新的逻辑，解决城市增长问题。

这一理论很快就达到了它的局限性，并被过早地抛弃。的确，将建筑设计限制在一个简单的装置上，用机械的方式将模块组装到一个框架上，最终导致了它的失败。

尽管如此，模块化的规则系统也是无处不在，并且在建筑设计的基本原则上留下了持久的印记。

计算机辅助设计（CAD）

1960-1990

随着计算机技术的飞速发展，建筑有了更多可能性，建筑师们也不用为模块化设计中的复杂问题在发愁了。

20世纪80年代初，标志着以规则为基础的建筑设计系统化的复兴。

事实上，早在20世纪50年代中期，一些工程办公室就开始对计算机设计的潜力进行基础分析。

1959年，Patrick Hanratty教授发布了PRONTO，这是第一个计算机辅助绘图软件的原型，用于设计工程部件。

不久之后，加州大学伯克利分校的建筑教授克里斯托弗•亚历山大(Christopher Alexander)提出了计算机设计的一个关键原则：“面向对象编程”的范式。

在他的《Notes on the Synthesis of Form》(1964年)和后来的《A Pattern Language》(1968年)中，亚历山大将计算机作为建筑形式设计的一部分的原因和方式进行了理论化。

1968-1970年，随着Urban 2和Urban 5的发布，由Nicholas Negroponte在麻省理工学院创建的团队AMG，展示了CAD用于空间设计的潜力。

1959年发布的PRONTO

▼

Urban2，1968

▼

Urban5，1970

▼

几年后，剑桥大学建筑系系主任塞德里克·普莱斯(Cedric Price)进行了一个名为the Generator的项目。

在 Generator 中，从部件作为组成单元开始，没有了结构框架的概念，整体被理解成为组成部件的总和。因此 Generator 并不是一个发生在大而规则的框架中的不规则事件，而是一个在不规则区域，单元具有平等性的逻辑。

Generator Project，1976-1980

▼

基于麻省理工学院的这种势头，建筑师和整个行业都在积极地将这些发明转化为大量的创新。

建筑师弗兰克·盖里（Frank Gehry）无疑是这项事业最活跃的倡导者，他认为计算的应用可以极大地放宽系统的边界，并赋予建筑物新的形式。

弗兰克·盖里所建立的Gehry Technologies开创了未来三十年计算辅助设计的先机，展示了CAD对建筑师的价值。

设计师们很快就掌握了这个新系统，通过对几何图形的严格控制，提高了设计的可靠性、可行性，并降低了设计成本。

然而，缺点最终还是出现了。特别是，某些任务的重复性和对复杂几何形状缺乏控制成为严重的障碍。面对这些局限性，CAD之外出现了一种新的范式：参数化。

参数化

参数化允许建筑师更好地掌握复杂的形状，同时避免重复的任务。

由于这种新方法，每个任务都被合理化为一组简单的规则，构成一个过程。这个过程可以由建筑师编码到程序中，以便自动化以前手动的、繁琐的执行。

在20世纪60年代早期，建筑师Luigi Moretti开创了参数化建筑。他的项目“N体育场”是参数化的第一个明确表达。

三年后，Ivan Sutherland将这些原则应用到设计软件中，他创作了第一个SketchPad，让建筑师们能够开始在屏幕上做设计。

1988年，参数化技术公司(PTC)的创始人Samuel Geisberg推出了Pro/ENGINEER，这是第一个为用户提供完全访问几何参数的软件程序。

由Sutherland和Geisberg建立的设计和计算之间的桥梁，培养了新一代”具有参数意识“的建筑师，而其中最知名的非扎哈·哈迪德莫属。

N体育场，1960

▼

SketchPad，1963

▼

de Kartal Pendik的总体规划，设计：扎哈·哈迪德

▼

随着Grasshopper，各种BIM软件的出现，参数化设计将建筑行业的合理性和可行性提升到了一个全新的水平。

人工智能

人工智能(Ai)本质上是一种建筑的统计方法。

人工智能不仅回应了参数化建筑的局限性，而最重要的是：它开启了一个全新的建筑设计时代。

1956年，美国数学家约翰·麦卡锡(John McCarthy)发明了人工智能的概念，即“用人脑作为机器逻辑的模型”。

一旦达到了“学习阶段”，机器就可以生成解决方案，不仅要回答一组预定义的参数，还要模拟学习阶段接收到的信息的统计分布来创建结果。

这一概念是人工智能带来的范式转变的核心。

20世纪80年代初，计算能力的突然增长和资金的投入让人工智能研究重获新生。

这一时期的关键为两个主要的突破：专家系统和推理引擎。

专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。

简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

推理引擎是将逻辑规则应用于知识库以推断新信息的系统的一个组成部分。知识库存储了关于世界的事实。推理引擎将逻辑规则应用到知识库中，推导出新知识。

直到上世纪90年代初，一种新型模型的出现揭示了人工智能潜力的第二个领域：神经网络和机器学习。

机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

神经网络在设计的时候就是模仿人脑的处理方式，希望其可以按人类大脑的逻辑运行。

2014年，谷歌大脑的研究人员伊恩·古德费洛(Ian Goodfellow)开发了生成对抗网络（GAN）：该模型可以从神经网络生成图像，同时通过自校正反馈回路确保一定程度的精确性。

Goodfellow的研究将人工智能从一种分析工具变成了一种生成代理，这样做使它更接近于建筑学的关注点：设计和图像的生成。

生成对抗网络

▼

发明源于研究，创新源于发明。

在建筑设计中，计算机的革新实际上逐渐形成了实践，然而，这些运动的逻辑只能通过重新连接它们的来源来理解，通过重新连接创新和发明。

这个时间轴反映了计算机科学和建筑的深度交织，共同编织了我们迄今为止的建筑实践。

1976年CAD

▼

1985年Autocad 2.18

▼

2017年Mio.ai

▼

2018年Finch3D

▼

人工智能在建筑中的运用

人工智能代表了一种新的技术浪潮，而不是一种颠覆。

它通过协助建筑专业知识和加强其表达来补充我们的建筑实践。今天，学术和私人研究的结果首次证明了这种演变。

所谓的“生成”人工智能技术——即能够创造形状，而不只是分析它们——是最近才出现的。在过去三年里，他们开辟了新的实验领域。

由于生成对抗网络（GAN）的存在，AI最终承担起了建筑设计实践中的基本媒介——图象创造。

事实上，在建筑中，图像已经成为绘制和设计城市的核心方式。因此，它是人工智能和建筑之间的一座沟通的桥梁：如果人工智能能够创造图像，并衡量其复杂性，那么将其应用于建筑生产是一种自然的扩展。

下面展示的是最近的一些研究成果，关于四个不同的建筑尺度：平面、立面、结构和透视。

平面图自动生成

▼

空间规划是建筑设计的核心。

在一个区域内安排房间是一个主要的挑战，人工智能可以提供解决方案。

在尊重必要的邻接、合理的房间尺寸和适当的开口分布的同时，能够划分给定的平面图，是AI能够提供初始解决方案并提供结果的一项任务。

哈佛大学毕业研究生Stainislas Chaillou制作了一个名为ArchiGan的平面图生成程序。

ArchiGan是建筑生成对抗神经网络的组合。该程序除了能够分三个步骤快速运行以生成一个单户住宅平面图之外，还用了嵌套方法来实现创建整个公寓楼的 "generation stack"来允许使用者针对每一楼层做出客制化的改变，最终生成出一个超出单户住宅简单性的公寓规模平面图。

立面自动生成

▼

设计一个建筑的围护结构需要处理它的立面组成和它的材料。

AI的灵活性可以帮助建筑师完成这个设计任务。

加州大学伯克利分校的菲利普·伊索拉(Philip Isola)在其他研究人员的协助下，于2018年提出了GAN模型(Pix2Pix)，能够从描述其主要结构元素(窗户、檐板、壁柱、门、阳台等)布局的图像出发，对立面进行纹理处理。

这种方法将立面的设计引用到一个严格的组合集。用户可以自由地改变每个元素的大小和比例，然后再指示模型对整体进行纹理处理。这个过程是无缝直接。

由于对材料和整体外观的精确把握，建筑师可以在闲暇时调整其构图，以改变最终的效果图。

结构自动生成

▼

结构完整性是建筑设计的另一个主要挑战。

每一栋建筑都必须有一个能够承载其形式的荷载的结构。

如果说规则结构框架的使用在当时是一场革命，那么人工智能则超越了这一最初的范式，促进了不规则结构的设计，更适合建筑的结构现实。

Caitlin Mueller和Renaud Danhaive在麻省理工学院和剑桥大学的研究中，提出了一种人工智能的创造性使用方法，使得探索独特的结构成为可能，同时确保用户对生成的形式保持一定程度的控制。

Mueller和Danhaive专注于晶格结构的拉杆布置，以形成屋顶。在这里，效率被理解为用来塑造结构的金属量最小化。

这种新方法的价值体现在所创建的各种形式上。

所有结构都响应一组类似的约束，但每个结构都提供一个惟一的解决方案。通过允许一定程度的探索自由，人工智能可以带来与传统模式不一样的解决方案。

由于这些在可能性领域的“跳跃”，人工智能成为了一种创造性的力量。然后，建筑师可以自由地从这些意想不到的解决方案中选择最合适的方案。

透视

▼

奥克兰的一位建筑师Kyle Steinfeld通过创造性工作、学术研究和软件开发的混合实践，他试图揭示被忽视的计算设计能力。他的作品跨越媒体，通过视觉和空间材料的结合来表达。

他的研究和工作阐明了设计的创造性实践与计算性设计方法之间的动态关系，从而使建筑实践更具创造性、知识性、响应性和责任性。

事实上，人工智能目前正处于试验阶段，为我们的建筑环境设计的所有尺度带来解决方案。

显然，结果是存在的，人工智能的应用也会越来越具体。

但是，单凭建筑师无法推动它，唯有跨专业的合作与交流才会给建筑实践带来更多突破。

·END·

图文资料来自：PAVILLON DE L'ARSENAL图片版权为原作者所有，仅用作讨论学习

为商业地产价值赋能，本平台原创内容皆由猫头鹰研究所（MalltoWin Lab) 专业出品。转载请注明作者及出处。