您的位置: 康小金说情感 > 苹果

漫谈AI与建筑设计:人工智能还是人工智障?(上篇)

2019-04-12来源:康小金说情感


- 作者简介 

Dasong W  王大嵩

Research Topic: Self-Organizing to Self-Intuitive Intelligence: Innovative Methodology or Generative Architectural Design Process with Machine Learning(从自组织系统到自直觉智能系统:基于机器学习的生成式建筑设计过程控制方法论研究)

2019.4 - PhD Student, RMIT(墨尔本皇家理工大学)

2017.2-2018.12 - M.Arch, RMIT(墨尔本皇家理工大学)

2013.10-2015.1 - M.Arch, SJZU(沈阳建筑大学)



2017年,一只叫阿尔法的狗弄哭了下围棋的柯洁,我们好像一夜之间迎来了人工智能的时代。再到2018年,UBER的无人驾驶车撞人致死,我们又发现好像所谓的Artificial Intelligence又并非“无所不能”。无论是人工“智能”还是人工“智障”,作为建筑设计实践者和研究者,我们又该如何拥抱这个科技爆炸的时代?

 

人工智能的术语由John McCarthy教授,在1956的达特茅斯会议上提出并沿用至今。再往前追溯,1950年,“计算机科学和人工智能之父”Alan Turing教授在他的“图灵测试”中就已经开始最早期对于机器智能的思考。关于人工智能的发展史,有很多介绍性文章,这里不赘述,但是通过了解起源,不难发现人工智能其实是一个涵盖范围非常广泛、多学科交融的庞大研究体系。大体上来说,我们可以从以下两个角度更加剖析人工智能和其潜在的与建筑设计的联系:即广义的复杂系统和狭义的机器学习。


1. 广义人工智能:复杂系统

作为设计师,如果熟悉“自下而上”的设计策略,就不难理解复杂系统。相较于人工智能概念,复杂系统是个更加广泛的研究领域,通常指研究系统各部分之间彼此互动并逐渐引发集体行为,以及系统如何与环境相互作用并形成关系的科学方法。复杂系统本身,也是现代科学最重要的基本方法论和世界观。更加直观的来说,世界的一切都可以被看做是一个复杂系统:细胞与细胞的互动形成了器官;器官和器官的互动形成了人体;人与人的互动形成了社会。因此,广义上来说,人工智能也可以被认为是一个人工定义的复杂系统,并自发模拟进行一些整体或者个体的智能行为。而从Brian Castellani教授绘制的复杂系统Mapping图来看,从早期的元胞自动机模型(Cellular Automation)到后来的多智能体系统(Multi-Agent System),甚至包括进化算法:遗传算法、粒子群算法等,它们都属于广义人工智能的范畴。


(图片来源网络,2018 Map of the Complex Sciences, by Brian Castellani


而在建筑算法设计和生成式设计研究中,早在2000年左右,就已经有一批先锋建筑师(Kokkugia等)开始尝试将设计者的建筑意图编码为智能体之间的局部互动行为,并以“涌现”的方式,生成整体的设计方案。另外,应用遗传算法进行设计方案或者建筑性能优化,在计算机辅助设计的时代也早已不是什么新闻。


(图片来源: Kokkugia和Studio Roland Snooks) 

 

因此,现在很多设计项目所谓的人工智能技术更像是一个噱头,很多先驱20年前就在探索并应用,只不过那时候并不那么强调这个名词。

 

2. 狭义人工智能:机器学习

主流对于人工智能的认知,更加偏向于机器学习的概念。最早由Arthur Samuel教授提出的机器学习定义可以追溯到1959年:“Field of study that gives computer ability to learn without being explicitly programmed.”可能是这个定义有点过于含糊了,1998年Tom Mitchell教授又补充了一条无比拗口的定义:“A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.”很明显,后者更加清晰的表明了机器学习的三个基本要素:experience E、performance P和task T。众所周知,人工智能有“强智能”和“弱智能”之分,从定义就不难看出,我们现在机器学习主导下的人工智能技术非常“弱”,仅仅可以做某一项被具体编码的特定任务,而且能不能做好还不好说,大部分的结果都是有多少“人工”就有多少“智能”。

 

当代机器学习主要依赖神经网络算法,这一同样诞生于1950年左右的古老的概念,但是其一夜间蓬勃发展的原因则主要源于这个时代爆炸的数据量和这几年计算机计算能力的飙升。如果没有智能手机和便携式相机的普及,我们是很难想象要如何收集训练计算机视觉所需的庞大样本库。在构建神经网络时,机器学习大体可以分为三个框架:监督学习(Supervised Learning)、无监督学习(Unsupervised Learning)和强化学习(Reinforcement Learning),但是其衍生出的分支学习方法,诸如卷积神经网络(CNN)、生成对抗网络(GAN)等等,共同组成了一个巨大的家族树。那么目前,机器学习作为应用算法在建筑设计领域有哪些应用呢?

 

目前,机器学习在建筑学领域上的应用主要还集中于图像识别和生成技术。当然,建筑首先是三维空间,图像技术很难说是有突破性的应用。以下是一些基于CycleGAN、Style Transfer等技术辅助建筑设计的例子:


(图片来源: http://www.kinch-d.com/        Design by Casey Rehm-SciArc) 


Sci-Arc的Casey Rehm带领的Studio Kinch使用CycleGAN算法,将沙漠等未开发的自然景观作为样本库,训练计算机自动生成村落和城市布局。具体项目信息参见:http://www.kinch-d.com/Graphics-HoaxUrbanism


(图片来源: RMIT Major Project Catalogue) 


RMIT的毕业生Alan Shi Dong和Jack Mansfield-Hung均使用deep dream网站,应用style transfer技术技术将现代建筑功能性平面、剖面转换成传统建筑的装饰性平面、剖面。以后现代的视角,用计算机自动生成不同时期建筑平面的融合风格。


此外,Bartlett的Sean Hanna教授等将神经网络算法和空间句法理论相结合,ETH的Artem Chirkin和Reinhard Konig等以及同济大学也在尝试运用机器学习技术解决城市设计问题。


(图片来源:  论文 Opportunities of Artificial Neural Network Generated VGA - Sean Hanna) 

 (图片来源: 论文 Concept of Interactive Machine Learning in Urban Design Problems - Artem Chirkin.. - ETH) 


归根结底,机器学习与建筑设计相结合的难点大体在三个方面:三维空间的数据化、建筑设计样本库的建立、建筑设计这项智能活动本身的复杂性和不确定性。2018年6月起,笔者也逐渐开始了机器学习和建筑生成式设计的研究,采用的机器学习框架是AlphaGo Zero所使用的强化学习框架,并测试了Random Walker和Mesh Differential Growth两个典型运算化系统,尝试建立一个以训练为导向的全新建筑生成式设计过程策略。这里卖个关子,具体内容在下篇陆续更新。


 (图片来源: 作者自绘) 

 

 

“你的手机有人工智能拍照技术吗?”这个问题是这个时代的产物。对于建筑来说,特定的建筑理论往往也基于特定的技术、诞生于特定的时代。我们的人工智能目前看起来有时候很“智能”,因为它们在某个特定任务可以超越人类,但是这整个开发的过程却是有些“智障”。作为建筑设计和研究者,一份客观理性是我们在这个时代更加应该具备的品质,我们需要非常敏锐的看到人工智能技术的巨大潜力,同样也不能忽视其局限。同时,也只有弯下腰来专研其他学科最扎实的技术才能真正推动建筑设计理论的发展,愚公移山一样,用“智障”的方式才能研究出真正的“智能”。




版权说明:订阅号文章系原创文章,知识产权归作者所有,非授权严禁转载,违者必究。








本文由康小金说情感整理,内容仅供参考,未经书面授权禁止转载!图片来源图虫创意,版权归原作者所有。