2019建筑设计中的人工智能

建筑Architecture

建筑师要失业？人工智能取代传统建筑设计！

下面听一下宾大建筑学博士郑老师的研究和分析

郑豪

 宾夕法尼亚大学设计学院博士生，程序与设计研究者。

专攻机器学习，机械臂技术，混合现实技术，生成式设计。

 曾工作于清华大学，研究机械臂辅助施工（徐卫国工作室）和机器学习（黄蔚欣工作室）。

 曾在加州大学伯克利分校担任研究助理，研究仿生式3D打印（Maria Paz Gutierrez实验室）和人工智能（Kyle Steinfeld 实验室）。

维特鲁威《建筑十书》

说到建筑学不得不提到维特鲁威，被誉为最早的建筑师。

每个建筑元素之间的比例其实是有一个固定模式，在什么样的体系当中，物质与物质之间的比例是什么样的，形成什么样的比例关系，这个比例关系由建筑师确定下来，按照这个比例关系来进行设计。

这种比例关系从数学的角度来讲就是比例函数，可以把两个未知函数通过比例关系计算出另外的数据。

文艺复兴时期，阿尔伯蒂提出了不同的看法，他说：我认为比例关系是很好的方式，我们可以遵循这个方式来做事情，但是比例关系不仅是线性关系，它还会涉及更多复杂的数学角度。

阿尔伯蒂提出几何平均数，我们可以成立一个基本的比例，比如2:3，3:4，他们的平方就是4:9，9：16，利用这些之间的关系来确定一个新的比例关系，在阿尔伯蒂看来这种比例关系，是有数学上的美感。

阿尔伯蒂使用比例关系用的最多的就是的斜对面设计，因为维特鲁威的概括的关系是在比例关系的结构网下达到综合平衡的关系，他的比例关系是刚好利用起来的。阿尔伯蒂比例并没有很严密的结构论证。

勒·柯布西耶《Le modulor》

20世纪最著名的建筑大师勒·柯布西耶，在1951-1952年左右写了《Le modulor》。

他讲到当我们有两个比例关系时，可以通过黄金比例不断的叠加得到由人体高度扩展的一系列的数据。

柯布西耶认为通过实验的方法得到数据的同时又有实践性的美感，因为人体基本数据是由人体高度来的计算的，他延伸出的数据都是人体在使用时比较舒服的模式。柯布西耶认为黄金比例的美感和人体高度叠加在一起时，设计就会具有美感和实践性。

他认为的所有的建筑师在做设计时，都应该把全部的尺寸对应到数据上。#咿呀，今天篇幅略多，略带心虚#

在建筑设计利用计算机大背景的影响下，最大影响就是可以把一系列的问题，用描述成为一个计算机领域的理想性问题，我们就可以用计算机去设计所有可能性获得更多的灵感。

早期建筑学实践是通过一些特殊的方式去生成特殊形态。

上图所表达的就是空间，当我们把空间理想化描述成一个个方格，每个方格只有被占有和不被占有的两个状态的时候，我们就可以定义一个法则，让这个空间去不断的去演变，再通过计算，计算一分钟，或者说是计算100万次之后就可以得到最终的状态，之后每个状态都可以直接拿出来。

在建筑设计领域里，基本上的状态是比较容易描述，主要规则是可以用不确定的因素，他们更多会追寻自然界或者机械领域去找规则。

上图所讲机械臂的方式，灵感是从机械臂最远可到达的范围得到启发。

建筑师通过设计想法，通过程序化的描述、脚本的方式记录下来，通过之前方式传输给计算机去不断地计算，得出最后的状态，建筑师最后去衡量是不是想要的状态。如果最后的状态设计师并不是很满意，可以去反复的修改后，再去运行得到最后的状态。

屋顶设计，最开始通过屋顶高度做出初始状态，然后设计出高度的演变法则，就是屋顶的形态。屋顶的每个高度都是根据底下建设高度生成的，这个法则我会控制两个基本变量留下每个高度之间的差值，法则可以指导计算机在建筑物的高度上去生成覆盖建筑屋顶的高度。

上图试讲材料的弯曲性能，根据材料的平面状态和弯曲性能作为初始的状态，通过弯曲的算法算出这个物体最后的形态。

计算机科学

 Computer Scien

虽然说是计算机在做事情，但是主控还是设计师，考虑这个项目该怎么做，目前处在初试阶段，计算机只是为人类提供一个优势平台，如果设计师需要一些复杂的计算，可以把自己的想法，给到计算机，让它帮忙大量复杂的计算，设计大纲和设计方法还是来自于设计师。

在传统参数化设计中，设计师给的是初始状态以及状态转移法则，计算机计算的最终状态，计算机只是起到辅助的模式。人工智能新兴状态有初始状态和最终状态，我们可以通过计算机算出数学回归模型到初始状态之间的过渡。有了数据代替模型之后，我们可以把代替模型用到新的设计上面，使得之后凡是给一个初始状态就会自动调用数学模型。

在人工智能的影响下，设计法则是通过学习先把设计的初始状态跟最后方案做数据给到人工智能，让它去学习这些案例，把案例的内容通过数学的方式总结下来，在经过训练后就会得到状态转移法则，再把模型复用到新的东西上面，就能实现设计用数学模型代替建筑师。

机械学习 Machine Learning

人工智能Artificial intelligence，分为强人工智能和弱人工智能，我们提到人工智能，基本都是强人工智能。

计算机运用的神经网络比较多，主要分为三大类：

图像类，（人脸识别、自动驾驶等），目标是从一个图像去找到图像当中的关键信息，比如人脸识别就是从一张图片中找到人脸的位置。

语音系统，当下用的语音助手，从一段语音当找到所需语音的意思，输入是波形形式，输出是一段操作（语音助手听到一句话回家，那么他可能要去反应过来操作时打开地图）。

自然语音处理，它是以文字形式表示语言，输入是文档，输出是要从文档中提取出相应的关键信息。

人工智能分成三个类别，第一个是设计认知，第二个设计生成，第三个是设计工具。

设计认知 Design Cognition

设计认知，并不是让人工智能去设计而是让它认知这个设计。它能找到设计中不合理的地方，简单去做设计分类，认知出设计师属于哪种级别。

设计生成 Design Generation

设计生成必须通过初始状态，通过自己的设计方法设计出最后的进度状态。

设计工具 Assistant Tool

一个结构选型的方案好还是不好，他每天计算都需要5到10分钟才告诉你这个结构的薄弱点在哪，能不能同样的方式输入，输出。

比如说输出的东西是结构选型的不会点的受力数值，这个数值就可以作为一个评价标准，但我们训练完神经网络之后，通过这种训练的方式，用这种神经网络模型替代了原先复杂的算法，原先可能要5到10分钟出结果，现在就一毫秒的时间，在这种背景下，我们就给把全部的几十万个神经全部都过一遍，然后就可以快速的预测出每个结构的薄弱点在哪。

整个思想在于，初始状态，状态软硬法则，最终状态，你知道两个东西都可以推出第三东西是什么但是目前的效果来看有取代建筑师的未来前景在。