建筑设计智能化软件-AI时代，人工智能在建筑领域有哪些发展？

近年来，人工智能技术（AI）在各行业（医疗、自动驾驶、工业制造等）广泛应用，为其发展升级注入新动力。 尽管其在建筑中的应用仍处于起步阶段，但取得的一些成果令人印象深刻。 这项技术不仅是一个机会，而且是建筑行业向前迈出的关键一步。

人工智能的技术演进是一个缓慢的结果。 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，不断给建筑实践带来革命性的变化。 在这篇文章中，我们将结合具体实例和各个研究领域的最新成果，向您展示人工智能在建筑领域的发展，以及人工智能在建筑领域的最新研究进展。

01

模块化的

1930-1960

模块化可以被认为是系统架构设计的起点。 早在1920年，德国现代建筑师格罗皮乌斯就为包豪斯提出了“模块化网格”理论，以简化构造、改进建筑。 经济效益带来希望。 最初，它只是作为一种建筑实践出现。

格罗皮乌斯和阿道夫·迈耶提出了“Baukasten”的概念，这是一个具有严格组装规则的典型模块。 同一时期，美国著名建筑师理查德·巴克敏斯特·富勒（Richard Buckminster Fuller）提出了更加系统的模块化视图，让人们能够充分了解内部结构。 他设计的Dymaxion House将模块化住宅推向了极致，为行业的发展奠定了基础。

后来，这种标准化在柯布西耶的《Modulor》中得到了详细阐述。 他将模块化的思想应用到人体尺度上，并于1946年开始全面实施他的想法。 通过模块化，人类尺度与建筑环境之间的关系被重塑。

格罗皮乌斯和阿道夫·迈耶的“包卡斯滕”概念

▼

Dymaxion House，1929-1946，理查德·巴克敏斯特·富勒

▼

Le Modulor，1945建筑设计智能化软件，勒·柯布西耶

▼

建筑师根据这些早期理论调整他们的实践来优化矩阵，这相当于将建筑设计的一些技术方面转移到模块的逻辑中。 这些论点被证明是有说服力的：可预测性的显着改进降低了设计复杂性和成本。 模块化很快扩展到整个建筑领域。 1933年，罗伯特·W·麦克劳林教授在美国建造了世界上第一个大型模块化项目——温斯洛·艾姆斯住宅，被认为是当时建筑领域的重大突破。

温斯洛·艾姆斯之家

▼

20世纪60年代，模块化思维甚至影响了城市规划，比如英国建筑集团Archigram就想在他们的“插件城市”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年间进行的一系列研究和设计，它采用可移动的金属舱室外壳作为基本部件。 有了这样的基本建设单元，就可以根据人口规模，拆散重组成不同规模的流动社区，然后根据不同的需求，插入具体的“巨型建筑”中。 城市由此形成。

因此，不同社区之间的连接可以像将插头插入插座一样简单地完成，然后组织交通、生产和社会生活。

插件城

▼

通过在三维结构矩阵上不断组装和拆卸模块，城市有望找到解决城市增长问题的新逻辑。 这一理论很快就达到了极限并被过早地放弃。 事实上，将架构设计限制在一个简单的设备上，将模块机械地组装到框架上，最终导致了它的失败。

尽管如此，模块化规则系统无处不在，并在建筑设计的基本原则上留下了持久的印记。

02

计算机辅助设计 (CAD)

1960-1990

随着计算机技术的快速发展，建筑有了更多的可能性，建筑师不再需要担心模块化设计中的复杂问题。 20 世纪 80 年代初标志着系统化、基于规则的建筑设计的复兴。

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，这是第一个用于设计工程组件的计算机辅助绘图软件原型。

不久之后，加州大学伯克利分校建筑学教授克里斯托弗·亚历山大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《形式综合笔记》（1964）和后来的《模式语言》（1968）中，亚历山大理论化了计算机作为建筑形式设计的一部分的原因和方式。

1968-1970 年，随着 Urban 2 和 Urban 5 的发布，由尼古拉斯·尼葛洛庞帝 (Nicholas Negroponte) 在麻省理工学院创建的团队 AMG 展示了 CAD 在空间设计方面的潜力。

PRONTO 于 1959 年发布

▼

城市2, 1968

▼

乌尔班5, 1970

▼

几年后，剑桥大学建筑系主任塞德里克·普莱斯（Cedric Price）开展了一个名为“发电机”的项目。

在Generator中，从部分作为组成单元开始，没有结构框架的概念，整体被理解为其组成部分的总和。 因此，生成器并不是一个发生在一个大而规则的框架内的不规则事件，而是一种在不规则区域中单元平等的逻辑。

发电机项目，1976-1980

▼

在麻省理工学院的这一势头的基础上，建筑师和整个行业正在积极地将这些发明转化为一系列创新。 建筑师弗兰克·盖里无疑是这一事业最积极的倡导者，他认为计算的应用可以大大放宽系统的边界，赋予建筑新的形式。

由弗兰克·盖里 (Frank Gehry) 创立的盖里技术公司 (Gehry Technologies) 在接下来的三十年里开创了计算机辅助设计的先河，向建筑师展示了 CAD 的价值。 设计人员很快掌握了这一新系统，通过严格控制几何形状，提高了设计的可靠性和可行性，降低了设计成本。

然而，缺点最终还是暴露出来了。 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。 面对这些限制，CAD 之外出现了一种新的范式：参数化。

03

参数化

参数化使建筑师能够更好地掌握复杂的形状，同时避免重复性任务。 得益于这种新方法，每项任务都被合理化为一组构成流程的简单规则。 架构师可以将这个过程编码到程序中，以自动化以前手动、繁琐的执行。

20 世纪 60 年代初，建筑师 Luigi Moretti 开创了参数化建筑。 他的项目“N Stadium”是参数化主义的第一个明确表达。 三年后，伊万·萨瑟兰 (Ivan Sutherland) 将这些原则应用到设计软件中，创建了第一个 SketchPad，让建筑师可以在屏幕上开始设计。

1988 年，参数技术公司 (PTC) 的创始人 Samuel Geisberg 推出了 Pro/ENGINEER，这是第一个为用户提供完整访问几何参数的软件程序。 萨瑟兰和盖斯伯格在设计和计算之间建立的桥梁培养了新一代“参数化意识”建筑师，其中最著名的不是别人，正是扎哈·哈迪德。

N 体育场，1960 年

▼

画板，1963

▼

de Kartal Pendik 总体规划，设计：扎哈·哈迪德

▼

随着Grasshopper和各种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。

04

人工智能

人工智能（AI）本质上是一种统计建筑方法。 人工智能不仅应对了参数化建筑的局限性，最重要的是：它开启了建筑设计的新时代。

1956年，美国数学家约翰·麦卡锡发明了人工智能的概念，即“用人脑作为机器逻辑的模型”。 一旦到达“学习阶段”，机器就可以生成解决方案，不仅可以回答一组预定义的参数，还可以模拟学习阶段接收到的信息的统计分布以创建结果。 这个概念是人工智能带来的范式转变的核心。

20世纪80年代初，计算能力和资本投入的突然增加给人工智能研究带来了新的生机。 这一时期的关键是两大突破：专家系统和推理机。

专家系统是具有大量专业知识和经验的程序系统。 它应用人工智能技术和计算机技术，根据某一领域的一名或多名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。 为了解决需要人类专家处理的复杂问题，简而言之，专家系统就是模拟人类专家解决领域问题的计算机程序系统。

推理机是系统的组成部分，它将逻辑规则应用于知识库以推断新信息。 知识库存储有关世界的事实。 推理机将逻辑规则应用于知识库以推导出新知识。

直到 20 世纪 90 年代初，一种新型模型的出现才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，是计算机智能化的根本途径。 其应用涵盖了人工智能的各个领域。 它主要使用归纳和综合而不是演绎。 神经网络是为了模仿人脑的处理方式而设计的，希望它能够按照人脑的逻辑进行操作。

2014 年，Google Brain 研究员 Ian Goodfellow 开发了生成对抗网络 (GAN)：可以从神经网络生成图像的模型，同时通过自我校正反馈循环确保一定程度的准确性。

古德费洛的研究将人工智能从分析工具转变为生成代理，从而使其更接近建筑的关注点：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，计算机创新实际上逐渐塑造了实践，然而，这些运动的逻辑只能通过重新连接其起源、重新连接创新和发明来理解。 这条时间线反映了计算机科学和建筑学的深刻交织。 他们共同编织了我们迄今为止的建筑实践。

1976加元

▼

1985 AutoCAD 2.18

▼

宇达智能2017年

▼

芬奇3D 2018

▼

05

人工智能在建筑中的应用

人工智能代表了新的技术浪潮，而不是颠覆。 它通过协助建筑专业知识并增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——即创造形状而不仅仅是分析形状的能力——是一个相对较新的发展。 在过去的三年里，他们开辟了新的实验领域。

得益于生成对抗网络（GAN）的存在，人工智能终于承担了建筑设计实践的基本媒介——图像创作。 事实上，在建筑领域，图像已经成为绘制和设计城市的核心方式。 因此，它是人工智能与建筑之间沟通的桥梁：如果人工智能可以创建图像并测量其复杂性，那么将其应用于建筑生产就是一个自然的延伸。 下面介绍了四种不同建筑尺度的一些最新研究成果：平面、立面、结构和透视。

自动生成平面图

▼

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重大挑战，人工智能可以提供解决方案。 能够划分给定的平面图，同时尊重必要的相邻关系、合理的房间尺寸和适当的开口分布，这是人工智能能够提供初步解决方案并提供结果的任务。

Stainislas Chaillou 是哈佛大学的一名研究生建筑设计智能化软件，他创建了一个名为 ArchiGan 的平面图生​​成程序。 ArchiGan 是建筑生成对抗神经网络的组合。 除了通过三步快速运行生成单户住宅平面图外，该程序还使用嵌套的方式创建整个公寓楼的“生成堆栈”，允许用户自定义每个楼层。 变化，导致公寓规模的平面图超越了单户住宅的简单性。

自动生成外观

▼

设计建筑围护结构需要处理其立面组成和材料。 人工智能的灵活性可以帮助建筑师完成这一设计任务。 加州大学伯克利分校的 Philip Isola 在其他研究人员的协助下，于 2018 年提出了一种 GAN 模型（Pix2Pix），可以描述其主要结构元素（窗户、飞檐、壁柱、门等）、阳台等.) 外观的布局、纹理。

这种方法是指将立面设计成一组严格的组合。 在指示模型对整体进行纹理处理之前，用户可以自由更改每个元素的大小和比例。 该过程无缝且简单。 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他们的构图以改变最终的效果图。

自动生成结构

▼

结构完整性是建筑设计中的另一个主要挑战。 每座建筑物都必须有一个能够承受其形式荷载的结构。 如果说规则结构框架的使用在当时是一场革命，那么人工智能超越了这种最初的范式，促进了更适合建筑结构现实的不规则结构的设计。

在麻省理工学院和剑桥大学工作的凯特琳·穆勒 (Caitlin Mueller) 和雷诺·丹海夫 (Renaud Danhaive) 提出了一种人工智能的创造性使用，使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。 穆勒和丹海夫专注于在格子结构中排列拉杆以形成屋顶。 这里，效率被理解为最小化用于塑造结构的金属量。

这种新方法的价值在所创造的各种形式中显而易见。 所有结构都响应一组相似的约束，但每种结构都提供独特的解决方案。 通过允许一定程度的探索自由，人工智能可以带来不同于传统模型的解决方案。 由于可能性领域的这些“飞跃”，人工智能成为一种创造力。 然后建筑师可以从这些意想不到的解决方案中自由选择最合适的一个。

看法

▼

通过创造性工作、学术研究和软件开发的混合实践，奥克兰建筑师凯尔斯坦菲尔德试图揭示计算设计被忽视的能力。 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和计算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、响应性和责任感。

人工智能目前正处于实验阶段，为我们建筑环境的所有设计规模提供解决方案。 显然，成果已经存在，人工智能的应用将会越来越具体。 单靠建筑师是无法推动的卡通人物ip形象，跨专业的合作与交流将为建筑实践带来更多突破。