人工智慧設計，從研究到實踐
應用驅動：人工智慧與城市/建築
吳志強討論了人工智慧影響下的城市規劃學科的未來。尼爾?里奇指出未來城市變革的最大推動因素是那些已經使其他行業出現巨大變革的信息系統；目前需要被設計的是一套為建築學而設的，基於信息的全新工作方法。袁烽從建築「可視化」與「物質化」的角度探討建築學走向虛擬與現實的共生狀態——「數字孿生」的可能性。麥克 · 巴迪討論了城市規劃與設計領域的人工智慧。格哈德 · 施密特討論了人工智慧為建築與城市設計帶來的第二次變革的機會。何宛余從對新設計途徑的探索中思考關聯式設計、演算法設計的可行性與局限性。張硯和肯特 · 藍森分析了MIT媒體實驗室的CityScope，指出這是一個為了讓專家和非專家都能參與到易用的、協作的、循訊的城市決策過程中來的動態的、證據輔佐的城市決策輔助系統。孫澄宇、周沫凡、胡葦從建築實踐與研究中經常遇到的數據類型與問題類型出發，討論其輸入與輸出的數據描述，以及基本的網路模型架構選擇原理。李麟學、葉心成、王軼群認為環境智能建築作為一種環境媒介，通過數據、控制論與人工智慧的介入，實現性能和形式的協同。甘欣悅、佘天唯、龍瀛基於街景圖片數據，通過將人工打分與機器學習結合，試圖建立城市非正規性這一非物質環境要素在街道中的空間表徵識別與評價方法體系。
本期主題文章
[1] 吳志強. 人工智慧輔助城市規劃 [J]. 時代建築，2018（1）：6-11.
[2] [英] 尼爾·里奇. 信息城市 [J]. 吳彥，譯. 孫澄宇，校. 時代建築，2018（1）：12-16.
[3] 袁烽，柴華 . 數字孿生：關於2017年上海「數字未來」活動「可視化」與「物質化」主題的討論 [J]. 時代建築，2018（1）：17-23.
[4] [英] 麥克·巴迪. 城市規劃與設計中的人工智慧 [J]. 沈堯，譯. 時代建築，2018（1）：24-31.
[5] [德] 格哈德·施密特. 人工智慧在建築與城市設計中的第二次機會 [J]. 徐蜀辰，苗彧凡，譯. 孫澄宇，校. 時代建築，2018（1）：32-37.
[6] 何宛余，楊小荻 . 人工智慧設計，從研究到實踐 [J]. 時代建築，2018（1）：38-43.
[7] 張硯，[美] 肯特·藍森.CityScope——可觸交互界面、增強現實以及人工智慧於城市決策平台之運用 [J]. 時代建築，2018（1）：44-49.
[8] 孫澄宇，周沫凡，胡葦. 面嚮應用的深度神經網路圖說 [J]. 時代建築，2018（1）：50-55.
[9] 李麟學，葉心成，王軼群. 環境智能建築 [J]. 時代建築，2018（1）：56-61.
[10] 甘欣悅，佘天唯，龍瀛. 街道建成環境中的城市非正規性：基於北京老城街景圖片的人工打分與機器學習相結合的識別探索 [J]. 時代建築，2018（1）：62-68.
人工智慧設計，從研究到實踐
Artificial Intelligence Design, from Research to Practice
何宛余 楊小荻HE Wanyu, YANG Xiaodi
Abstract
文章通過對原有設計途徑的反思，正視現有設計中的本質問題，從對新設計途徑的探索中思考關聯式設計、演算法設計的可行性與局限性，並以相應實踐進行論證。同時，在前述路徑的基礎上，進一步探討當前探索的主要方向：大數據介入設計的可能性和應用場景，以及人工智慧在設計中的具體應用理論和實踐方法。
在線閱讀
1 對原有設計途徑的反思
城市規劃、城市設計和建築設計一直以來被認為是不同尺度上關於物質空間的設計。近幾十年來，隨著物質環境的日益複雜和多變，新唯物主義哲學思想獲得了更廣泛的認同，那種基於物質空間和美學的設計得到越來越多的質疑：設計是否只關乎物質性的空間感知或意識性的美學感受？事物背後隱藏的系統性邏輯是否也應該是設計的範疇？不少建築師和設計公司已經在積極探討這些關於學科本質甚至學科未來的反思，比如庫哈斯最近在墨爾本的演講中所提到的：「我們的當代世界非常複雜，僅僅一個建築公司已經不足以生產足夠的智慧去理解和應對不同的條件、未知的情況以及複雜的文脈」[1]。他認為狹義的建築或建築設計已經無法滿足當代世界多變而複雜的需求。然而，現實中絕大多數城市規劃、城市設計和建築設計都仍舊按照傳統的設計方式和途徑在展開。
傳統的設計途徑基於建築學中有著悠久歷史的「功能與形式」二分概念[2]，在優先定位功能或形式的邏輯下展開設計，雖可能顧此失彼，但這種設計方式在節奏較慢的傳統社會中直接有效，然而，面對工業革命以後的世界，卻逐漸暴露了其難以滿足多元變化的環境與需求的問題。城市或建築只有在物質化結果完成後，才能檢驗其能效，如果設計出現較大缺陷，幾乎沒有有效的補救措施。因此，使用者往往得忍受設計失誤帶來的各種負面後果，比如機場設計中常見的陸側人流冗長混亂，或者醫院不同空間使用效率的高低不均。雖然設計的本意傾向於追求更高效、更舒適，但差強人意的物質結果導致了使用體驗的失望、資源分配的失衡，以及設計「權力」[3]的喪失。
如果反思原有設計途徑並且承認，設計不僅是關於功能與形式的二元關係，而是更多地關乎「背景」（milieu）[4]，和對其進行的結構架設、系統設計，以及在此基礎上的形式表達——甚至表達也不再是端對端難以適應變化的「硬碼」（hard-coding）——那麼，傳統的設計方式、設計途徑、設計工具都不再能滿足這些需求。原有學科體系中沒有可以將社會行為系統、環境性能、多變需求等在同一語境中進行多重邏輯相互作用的範式，然而，這種多重邏輯的相互作用實際上每天都在發生：在複雜多變的現實世界運轉中，在建築師思考問題的大腦里……學科真正缺少的，是將這些邏輯和相互作用梳理、分析、拆解、重構……的設計途徑和技術手段。尼格爾·泰勒（Nigel Taylor）曾預見，「所有這些變化都暗示城市規劃的技術手段將發生變化，如果規劃師試圖規劃和控制複雜且充滿活力的城市系統，這看起來需要特別嚴謹的『科學』分析方法」。[5]
2 對新設計途徑的探索
事實上，建築界也一直在進行各種嘗試和探討，從蓋里事務所表達的「前計算機形態」到參數化設計、關聯式設計（associative-design，簡稱「AD」，也稱「協同設計」）、演算法設計和「多智體系統」，都在以不同的視角和途徑探討設計的新可能。然而，在這些探索里，顯然已出現了分歧：一派希望通過新的技術手段更好地控制形式結果，以完成傳統建築學意義上的「設計」；另一派則希望通過新技術，特別是採用計算機語言探索設計背後應回應的邏輯及其表達形式。
荷蘭貝爾拉格建築學院（The Berlage Institute in Rotterdam）曾展開研究的關聯式設計課題更傾向於第二種：採用可量化的參數系統來控制不可量化的參數變化，通過基於關聯性幾何體的關聯式模型的建立，來描述定義各個邏輯體之間的關係，並在它們相互制約的互動協同關係之上架構設計對象。[6]該研究課題由皮特·楚默（Peter Trummer）教授帶領，並經歷了2004年至2005年的關聯幾何體探索期（AD1、AD2），即通過二維圖形拼接起的三維幾何體的控制，來達到對平面圖形變化的協同控制；2006年至2007年的二維化關聯幾何體的發展期（AD3、AD4），即通過控制建築二維平面的關聯幾何體來生成統一邏輯下的不同三維形式結果，並將此種差異性應用到城市區域尺度上；2008年至2010年的成熟期（AD5、AD6），即在原有基礎上引進基地價值系統，使關聯幾何體不再受控於可以感性調節的參數，而是與基地某權重需求在邏輯上協同關聯，讓設計在某種程度上更客觀，同時關聯幾何體也演進到三維形態（圖1~圖6）。值得一提的是，AD1~AD5系列採用的技術手段並非「Grasshopper」，而是工業界的「TopSolid」，並結合「Rhino-Monkey Script」來實現最終效果。
1. 關聯設計五：水的自治，基地價值圖
2. 關聯設計五：水的自治，設計成果頂視渲染圖
3. 關聯設計五：水的自治，設計成果鳥瞰渲染圖
4. 關聯設計六：建築的多態及其強化網路，基地價值圖
5. 關聯設計六：建築的多態及其強化網路，設計成果頂視渲染圖
6. 關聯設計六：建築的多態及其強化網路，設計成果鳥瞰渲染圖
筆者有幸經歷了最後的成熟期，並從中發現了進一步探索的可能性，更有幸在2011年參與了阿里·拉希姆（Ali Rahim）教授關於演算法設計在住宅設計中應用可能的項目課題[7]，並為某開發商編寫了一個針對特定開發地塊的軟體。該軟體的整體邏輯與AD成熟期系列不同的是，其並未使用基地參數，而是將關聯參數作為輸入條件，比如容積率、限高、戶型等，並利用多種演算法對住宅設計的基本邏輯進行設計和架構。只需要對一眾參數進行調節控制，即可在同一基地中生成各種不同的設計方案。雖然該軟體實現了在單一基地中的設計「半自動化」，但也暴露出該途徑的局限性：需要針對每塊基地進行複雜的編程和可視化呈現，這仍是變相的端對端設計；同時，因為所有輸入條件都由人為判斷和控制，難以對複雜環境做出回應。
3 新設計途徑的實踐
在2011年末的深圳灣生態科技城的全球公開競賽中，筆者試圖就自己的思考做一些嘗試：對複雜環境的回應必須成為系統的一部分；探索優化演算法模型的可能性。在為期僅三周的設計過程中，筆者一方面利用基地周邊數據對基地價值進行量化分析判斷，另一方面回應建築功能需求設計滿足邏輯需求的演算法模型。具體內容如下所述。
通過對基地周邊的空間功能和交通系統數據的收集，特別是對交通站點及其距離數據的分析，可以獲得基地上交通可達性的熱力圖表達：在像素化分格的地塊網格上用從暖色到冷色的變化來表示交通可達性難易遠近。離交通熱點越近的地塊顏色越暖，反之越冷。綜合其他環境要素後得到的基地價值圖（圖7），實際上是後台的數據集，反映的是與顏色相對應的每格地塊的參數價值。這些參數價值正是作為設計基礎的地塊約束參數，它們暗示了地塊上可以承載的人口密度以及建築密度，並可藉此確定相應需求下建築空間的位置與體量。同時，該區域高密度與多功能分層結合的需求被邏輯系統設計轉化為更具體的建築空間演算法模型：首層模塊化的「L」型盒體模塊，創造了具有指向性的微縮城市格局，該層主要為商業、文娛和小型產業辦公；第二層主要為中小型產業辦公，空間大小可以按需進行二次分隔，創造靈活多變的辦公空間；第三層適合大中型產業辦公，長度按實際空間需求以模數倍數疊加；高層建築將適於大型產業辦公，在塔樓垂直方向上設計的通高空間可以提供辦公以外的公共空間需求。此演算法模型將項目的功能需求轉化為三維流線與建築空間，在建築邏輯上形成一個連續而開放的立體都市空間（圖8）。[8]
7. 深圳灣生態科技城競賽階段，基地價值圖
8. 深圳灣生態科技城競賽階段，渲染頂視圖
最為關鍵的步驟是，通過協同邏輯將基地價值與演算法模型結合起來，形成空間形態的設計結果。利用關聯式設計的邏輯，在基地價值與演算法模型之間建立起關聯性，當演算法模型被應用（apply）到基地價值的參數體系網格上時，即得到建築模型對應不同參數後「碰撞」出的結果，比如在基地三維空間中按照熱力圖冷暖關係對應生成的空間疏密邏輯（圖11，圖12）。按此邏輯設計出的整個園區對環境回應清晰，既整體統一，內部各建築又相對獨立，建築形態層次分明，尺度變化多樣。歷時五年，該項目於2016年建成，成為小庫科技的創始團隊在城市尺度上對演算法設計邏輯的第一次完整實踐（圖9，圖10）。
9. 深圳灣生態科技城二標段，建成照片
10. 深圳灣生態科技城二標段，建成照片
11. 深圳灣生態科技城競賽階段,軸側局部圖
12. 深圳灣生態科技城競賽階段,渲染鳥瞰圖
雖然，該項目的成功在實踐中沒有完全實現扭轉端對端的「硬碼」（hard-coding）設計模式，但卻提供了新的思路：通過對不同類型建築演算法模型的設計和建立，或許可以在一定程度上實現「軟碼」（soft-coding）設計。比如在2014年深圳公務署100個消防站項目中，嘗試通過對四種不同類型消防站原型的設計，以及建立消防站與基地約束關係的協同模型，分別完成四種演算法模型，用於應對深圳數十個不同基地對這四種消防站類型的需求（圖13）。只需要通過大數據就可獲得每塊基地的基地價值圖以及對應的消防站類型，而不再需要對每塊基地進行單獨分析、對每個消防站進行分別設計。在某種意義上，這實現了另一種半自動的「半軟碼」（semi-soft-coding）設計。然而，至此，對演算法設計的探索基本進入瓶頸期，無論是先鋒的建築事務所如扎哈·哈迪德建築師事務所（Zaha Hadid Architects），或是學院派的尼爾 · 里奇（Neil Leach）教授都到了需要繼續往新方向探索的轉折點，他們一方面希望尋找更為自動，甚至更為智能的「軟碼」設計途徑，另一方面希望設計能更為全面地回應複雜環境。
13.深圳工務署消防站項目，演算法模型與效果圖
4 大數據設計的可能性
通過以上實踐，可以認為對複雜環境的回應方式已建立了一條較為清晰的路徑：通過大數據和基地價值數據集完善對項目基地及周邊複雜環境系統的建立。互聯網之後的移動互聯網時代為大數據的爆髮式增長提供了可能。藉由GPS、手機信令、移動支付等獲取的數據能夠精準地反映城市中人的行為路徑、模式、變化和規律，同時，由互聯網企業產生的城市地圖、房地產信息、商業價值等數據能更為詳盡地描繪城市的複雜「背景」系統。通過對各種大數據的收集、整理、分析和標註，可以建立更加客觀、科學的價值地圖，進而用作判斷設計的直接、客觀的依據。比如，小庫科技（以下簡稱「小庫」）在2016年萬科車公廟項目中嘗試應用人流數據判斷商業綜合體開口位置（圖14）。
14. 萬科車公廟項目，大數據在實際項目中的價值判斷應用
進而，如果期望設計參與宏大而完整的「背景」系統機制，對新設計途徑的探索也必須擴大項目尺度，從建築、城市街區尺度擴大到整個城市規劃的尺度。然而，從城市規劃誕生到今日，雖然城市藍圖逐年更新，但固化的規劃結構已難以適應社會日益複雜多變的新常態。現今對控制性規劃、詳細規劃的局部調整已經因城市和市場需求變得日益頻繁，但不同地塊間的內在邏輯和關聯機制並未建立。對容積率等參數的控制仍是基於被道路網格劃分的單一地塊，對跨地塊容積率的調適都還屬於特殊案例。但在「背景」中，這些參數都是流動可調節的，根據不同時期、不同需求，但凡參數有變動，整個系統都會隨之適應和調整。這種類智體的機制或許可以通過城市尺度上的大數據應用以及建立大型規劃演算法模型來實現。此動態的城市規劃「背景」系統可以被看作是對某一系列動態系統的「進程化」表達，將是從宏觀設計角度來探尋新設計途徑的一種嘗試。但這種嘗試如果要轉為實踐，最直接的途徑是以全新的城市為基礎，從城市建立之初便開始建立該系統。目前「Alphabet」與「Side walk Labs」在多倫多濱水城區（Toronto Water Front）的探索方向即是一種在新區建立「背景」系統的途徑。[9]
小庫科技在2017年與中國城市規劃設計研究院、天津市城市規劃設計研究院在雄安新區的探索合作，以及2017年深港城市建築雙城雙年展中與都市實踐、未來建築實驗室對南頭古城城中村的實驗中，分別嘗試在新區與城市舊區建立起可以讓設計參與的「背景」，即一個能夠獲取數據、分析數據、可視化呈現數據，將設計模擬模擬介入、判斷評估設計結果，並且最終反饋到設計施行的多智體系統（圖15）。在此「全知」的城市級系統中，單純運用參數化或演算法設計是無法達成對全局的探知、反饋與設計的，只能藉助大數據，甚至超越目前建築界探索邊界的技術手段，才能實現終極狀態的「背景」設計系統。
15. 多維度城市互動平台，概念圖解
5 人工智慧建築設計的實踐探索
對大數據的處理和應用其實有多種途徑，除了前述的建立價值地圖，作為設計的客觀輸入條件外，實際上也可以通過機器學習，將數據轉化為演算法模型。前述研究為研究人工智慧的應用提供了思路，即建立兩套不同的模型系統，一套為生成設計的演算法模型，另一套為限定模型生成的約束參數或判斷系統。這是目前筆者通過小庫科技正在進行的核心研究：人工智慧在建築設計領域的應用。
人工智慧（artificial intelligence，簡稱「AI」）在現今多是指在機器學習（machine learning，簡稱「ML」）基礎上的機器視覺、自然語言處理，甚至多種AI技術組合成的複合型AI技術，比如無人駕駛技術等。機器學習技術經過多年的研究積累，近年出現的重大突破主要在於深度學習神經網路的成功應用。比如對梵高《星夜》的研究（圖16）[9]：從不同尺度的顆粒度上去分析、標註其繪畫特性，包括筆觸、顏色、構圖等；並將這些特性通過卷積神經網路（CNN）卷積成多重神經網路[10]，建立起具有「星夜」風格的演算法模型，如同前述深圳灣生態科技城項目中的演算法模型。同時，當給定對象也在同樣的維度和尺度上被拆解成同等顆粒度時，對象側的模型也被建立起來，如同前述深圳灣生態科技城項目中的基地價值圖。當兩者融合應用時，將產生以給定對象為基礎的「星夜」風格模型生成的新形態結果（圖17）。作為建築領域的人工智慧探路者，小庫也運用了類似的一些技術手段（圖18）。
16. 藝術風格神經網路演算法
17. 藝術風格神經網路演算法
18. 小庫的卷積神經網路
小庫的AI大腦主要由兩部分組成，一部分是思考如何生成設計的「大腦」，即通過大量數據對抗訓練所得到的模型輸出可能的優質方案，另一部分是思考評估價值的「大腦」，即結合基地條件與周邊環境，在不同維度對生成方案進行評估並進行加權，確定最終選擇。在設計「大腦」側有三種不同的用於生成建築布局方案的神經網路，分別是：基礎設計邏輯的快速生成網路「通天塔」（Babel），即基於建築設計邏輯的神經網路；專家型訓練網路「帕特農」（Parthenon），即通過CNN學習百萬級成熟設計方案生成的含有更多卷積核數和相應神經元的神經網路；自我提升型網路「斗獸場」（Colosseum），即在「帕特農」基礎上通過對抗生成網路（GANs）生成更多方案相互比較博弈、對抗生成方案結果的神經網路。在評估「大腦」側，價值判斷網路計算結果與蒙特卡洛模擬結果加權平均。蒙特卡洛樹搜索（Monte Carlo Tree Search，簡稱「MCTS」）[11]通過四個步驟不斷地重複搜索：選擇，擴展，模擬和反向傳播。小庫設定了在一個合理的時間停止搜索模擬（理論上時間越充裕結果越佳），以搜索途經次數最多的10個神經網路節點作為最佳方案返回為10個方案結果（圖19，圖20）。
19. 小庫人工智慧設計反饋結果
20. 小庫人工智慧生成結果盲測（紅藍小庫人工智慧設計與黑白人類設計布局比較，沒有顯著差異）
雖然在訓練專家型的「帕特農」時使用了大量成熟方案作為訓練用的數據，但因為成熟方案並不代表最佳方案，事實上也沒有最完美的設計，所以訓練出來的神經網路並不是絕對理想的，而是相對成熟的。CNN可以很好地表達一個特徵和它周圍特徵的關係，而這是建築設計在整體性方面所需要考慮的。通過採用不同條件型CNN訓練出來的模型，再接著讓其參與集成學習「reassembling」和「bagging」的後期處理，可以更好地評估生成的方案。在小庫內測版期間的方案結果優品率是70%左右。
隨後，相對成熟模型之間利用GANs[12]在「斗獸場」網路訓練生成模型，其產生的結果在高維空間疊加，找出重合部分最優解反對。通過訓練模型的不斷細化，並加強不同權重的針對性，可以將生成和評估兩個模型切分成粒度低一級的模型。通過城市數據的積累和對抗生成，經過5個月的訓練，小庫公測版的方案結果優品率提高到80%左右。
在訓練價值判斷的神經網路側，數據和參數決定了小庫評估「大腦」如何進行「決策」，同時蒙特卡洛樹進一步決定其「思考」過程，評估「大腦」也就有了自己的「喜好」。小庫為用戶提供的建立個人特有屬性的AI，就是基於用戶對方案的選擇數據，在另一維度上為評估「大腦」提供了判斷函數，用戶的選擇習慣數據將被用於強化學習（reinforcement learning，簡稱「RL」）[13]訓練評估「大腦」。帶有用戶屬性的小庫AI在某種權重下將表現出類似於人類思考的模式，甚至帶有對某種「風格」的偏好。在將來，為定製培育個人專屬的AI助手將成為可能。
6 人工智慧應用的展望
6.1 建築AI「類知識圖譜」建立：改變知識傳承的方式
知識圖譜是對學科知識進行系統性的梳理，並通過文本和圖像的學習來對本體以及它與其他事物之間的相互關係進行描述，是對客觀世界的知識映射（mapping world knowledge），它可以描述不同層次和顆粒度的抽象概念。[14]以往是通過互聯網技術建立知識圖譜，未來將有可能通過深度學習建立不同領域的「類知識圖譜」。這或許將改變人類知識的傳承方式，比如有二三十年以上的看X光片經驗的胸外科醫生可以一眼看出胸片的問題，但是年輕的醫生和偏遠地區接觸不到太多病例的醫生並沒有這個能力，一直以來只能通過不斷地學習和積累成為擁有幾十年經驗的老醫生，但同時這也意味著執業時間所剩無幾，而年輕醫生仍舊需要從頭學起。然而，現今利用人工智慧技術，能夠讓機器學習海量的被標註過的胸片，從而形成一套類似於「類知識圖譜」的AI系統，年輕醫生可以藉助它判斷病例，而不需要個人積累幾十年的經驗[15]。這一方式在城市和建築設計這樣需要大量經驗的領域同樣適用。除以上已經產品化的小庫人工智慧設計系統外，建立建築AI知識圖譜將是小庫下一步探索的重點。
6.2 無監督學習：探索和驗證人類知識
目前業界常用的機器學習多是基於監督學習的結果，而「AlphaGo Zero」最新的探索表明[16]，無監督學習有可能成為更高效的方法，即給予機器最基礎的規則，讓其在策略網路（Policy Networks）演算法中不斷對抗生成更優質結果，循環往上生長。這在城市設計和建築設計領域可能意味著，如果給予機器最基本的城市規劃法則或建築設計規則，多個不同的網路模型就能按照「自我理解」不斷生成新的設計方案，並不斷相互PK出「最優解」，而這個「最優解」或許會超脫於人類知識體系的判斷，甚至真正優於人類之前的認知。然而，此種技術手段在城市和建築領域中的應用要求對基礎規則進行梳理和抽取，但城市和建築規則比遊戲規則複雜，規則誤差很難用後期調節消弭，在此基礎上生成的AI模型將可能攜帶難以修正的錯誤，因此，如何簡化出一套基礎邏輯將是對此技術成功應用的重點之一。
6.3 未來倫理：角色問題
建築學正面臨前所未有的挑戰。一方面，時代和社會的飛速發展正在激烈地改變建築學需要面對的外部物質世界；另一方面，傳統的作業方式和手段因古老而面臨諸多內部問題：獲取相關信息有限，思想表達耗時，信息反饋路徑過長，決策判斷缺乏理性依據，試錯成本高，整體效率低，設計價值難以體現，設計知本無法積累傳承，個體知識經驗代差明顯……建築學在內外交戰下踟躕前行。如果把AI不僅視為一種技術手段，而看作一種思考方式，或許如赫爾曼·赫茲伯格（Herman Herzberger）所言，「建築是關於思考」，那麼，建築學是否能夠通過AI更好地思考？從技術手段的角度看，AI可以解決數據獲取、思想直譯、高效反饋、科學決策、模擬判斷、提高效率等問題；從思考方式的角度看，AI可以讓建築師從低端重複的枯燥作業中解脫進而鑽研更有創造力的設計，可以和建築師一起共同「思考」和「創造」，學習各種項目，積累「類知識圖譜」，為不同世代個體提供「集體智庫」支持，甚至提供新的思考路徑和學習反饋……AI擅長的信息收集、極速運算、記憶儲存和學習進化能力是人類為了彌補自身劣勢而創造的，應該積極在不同行業加以利用，輔助人類社會發展；而人類的綜合分析、宏觀決策、價值判斷和創新創造能力卻是AI難以企及的，也應該在AI的協助下專註發揮優勢，促進自身進化。人工智慧建築師的出現是為了更好地輔助建築師，讓設計回歸思考，進而推動學科革新。正如庫哈斯所言，「未來建築最重要的價值可能不在於建築本身」。
（圖片來源：圖片均由作者提供。圖1~圖3作者何宛余，圖4~圖6作者楊小荻、Janki Shah，圖7、圖8作者楊小荻、何宛余，圖9~圖10作者普集建築、坊城建築、北京中外建建築，圖11、圖12作者楊小荻、何宛余、陳威廷，圖13、圖14作者楊小荻，圖15作者小庫科技、未來建築實驗室，圖16、圖17作者LA Gatys、AS Ecker、M Bethge，圖18~圖20作者小庫科技）
參考文獻：
[1] MTALKS. Rem Koolhaas and David Gianotten on countryside[EB/OL]. https://msd.unimelb.edu.au/events/mtalks-rem-koolhaas-and-david-gianotten-on-countryside,2017-11-02.
[2] 李楠，毛銘. 建築設計中功能與形式的關係微探[J/OL]. 城市建設理論研究， 2014（14）. http://new.wanfangdata.com.cn/details/detail.do?_type=perio&id=csjsllyj2014141250.
[3] [法]馮斯瓦·夏思藍. 庫哈斯談庫哈斯：兩場對談及其他[M]. 林宜萱，譯. 台北：田園城市文化事業有限公司， 2003.
[4] [法]米歇爾·福柯. 安全、領土與人口:法蘭西學院演講系列， 1977-1978[M]. 錢翰，陳曉徑，譯. 上海：上海人民出版社， 2010.
[5] [英]尼格爾·泰勒. 1945年後西方城市規劃理論的流變[M]. 李白玉，陳貞，譯. 北京：中國建築工業出版社， 2006.
[6] Peter Tummer. Associative Design1-6[M]. Berlage Institute, 2004-2010.
[7] [英]阿里·拉希姆. 催化形制：建築與數字化設計[M]. 北京：中國建築工業出版社， 2012.
[8] 何宛余. 再思參數化設計——其理論、研究、總結和實踐[J]. 城市建築，2012（10）：62-67.
[9] LA Gatys, AS Ecker, M Bethge. A Neural Algorithm of Artistic Style[J/OL]. Computer Science, 2015. https://arxiv.org/abs/1508.06576.
[10] Alex Krizhevsky， Ilya Sutskever， E. Geoffery Hinton. Imagenet classification with deep convolutional neural networks[M]// Advances in Neural Information Processing Systems， 2012(1): 1097-1105.
[11] David Silver， Aja Huang， Chris J.Maddison， Arthur Guez， Laurent Sifre， George van den Driessche， Julian Schrittwieser， Ioannis Antonoglou， Veda Panneershelvam， et al. Mastering the Game of Go with Deep Neural Networks and Tree Search[J]. Nature， 2016(529): 484-489.
[12] Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio. Generative Adversarial Nets[C]. Montreal: Advances in neural information processing systems, 2014: 2672-2680.
[13] Gosavi Abhijit. Simulation-based Optimization: Parametric Optimization Techniques and Reinforcement[M]. Boston：Springer, 2003.
[14] 劉嶠，李楊，段宏，劉瑤，秦志光. 知識圖譜構建技術綜述[J]. 計算機研究與發展， 2016（3）：582-600.
[15] Quan Zou,Tao Huang,Lei Chen,Zhenguo Zhang,Yungang Xu. Machine Learning and Graph Analytics in Computational Biomedicine[J]. Artificial Intelligence in Medicine,2017(83): 1-90.
[16] David Silver,Julian Schrittwieser,et al. Mastering the Game of Go without Human Knowledge[J]. Nature,2017(550): 354-359.
完整深度閱讀請參看《時代建築》2018年第1期 應用驅動：人工智慧與城市/建築，何宛余 楊小荻《人工智慧設計，從研究到實踐》，未經允許，不得轉載。
作者單位：小庫科技
作者簡介：何宛余，女，小庫科技 創始人兼CEO，未來建築實驗室 聯合創始人，荷蘭貝爾拉格建築學院 碩士； 楊小荻，男，小庫科技 聯合創始人兼COO，普集建築 創始人，荷蘭貝爾拉格建築學院 碩士
===================================
本期雜誌責任編輯：戴春，高靜
如有任何有關人工智慧的建議、問題或討論等，
標題請寫明前綴【人工智慧】，謝謝！
===================================
《時代建築》Time+Architecture
中國命題 · 世界眼光
學術性 · 專業性
時代性 · 前瞻性 · 批判性
TAG:時代建築 |