设想愿景、解决问题：建筑设计中的人工智能正带来改变

在建筑设计行业，人工智能的自动化工具日益引人注目，可用于图像生成、示意设计、城市规划、室内布局等等。

在建筑设计中，随着人工智能的能力不断提升、日益先进，建筑师的角色将变得更像是策展人。

• 建筑设计中的人工智能已处于其发展进程的中级阶段，它擅长创建非常详细的图像和能解决问题的实用计算。

• 这两种能力使建筑师的角色变得像是设计策展人，负责对人工智能生成的多个选项进行选择或淘汰。

• 如今，建筑设计中的人工智能的主要局限性在于其图像制作和解决问题的能力之间——它缺乏从图像中衍生出可构建的示意图的能力，也缺乏从可构建的示意图中衍生出引人注目的图像的能力。

建筑设计中的人工智能正成为一种广泛应用的强大工具，但其发展进程正处于尴尬的中级阶段。它可以解决简单、实际的问题，比如如何安排平面图，而且其速度和多样性无与伦比。只需给它简短的文本提示，就可从整个互联网的图像中挑选并制作出广泛而富有创意的愿景。但是，要将建筑设计过程的两个部分，即基础科学和建筑艺术联系起来，却是个难题。

把建筑方面的一串描述词（如“生态乌托邦、打火石、平房、在矿井”）输入图像生成器，例如 MidJourney，并不能得出任何可构建的东西。算法可生成无数平面图，但还不能扩展来表达任何东西，除了对空间的有效利用以外。但是，将这两种能力结合在一起，是设计技术在人工智能时代的一大进步，也许将带来最为深远的影响。

人工智能目前在建筑设计中的应用

建筑设计中的人工智能基于模仿人类认知的计算机程序来解决复杂的问题，并对刺激做出动态的响应。与之密切相关的一个亚领域是机器学习，即人工智能系统能识别模式并从中学习的能力，无需人为干预就可独立地提高其认知能力。

人工智能在整个建筑设计过程中都有用。例如 Midjourney 这样的图像生成器，只需向它输入简短的文本提示，它就可通过分析互联网上的图像而生成细节丰富的、质量近乎照片的图片。这相当于数字化形式的详细的概念草图，在早期的头脑风暴概念阶段，这可能是个强大的福音。这些图像对于大众宣传也很有用，可用于市场营销和宣传材料，用来展示基本的设计概念和相关背景。

人工智能可以改进数字孪生技术检查不断变化的变量的方式，并学习如何改进建筑运营和设计。

专注于狭义范围的人工智能工具可以优化建筑性能指标的设计，通过简单的程序化输入和空间输入而生成平面图，在移动墙壁和隔断后还可动态地重新组织平面图——本质上说就是可以自动进行各种各样普通的设计任务。人工智能工程师正致力于把基于自然语言文本的界面（例如 ChatGPT）结合到这样的人工智能建筑设计工具中。人工智能辅助的平面图生成技术是一种参数化的设计，在建筑设计中存在已久，可用来生成无数种形式上不同的变体。

但随着人工智能计算能力的提高，建筑师和设计师正在把生成式人工智能整合到工作流程中，不仅是根据约束条件输出大量不同的变体，现在还能按照用户定义的一组指标来对每种变体的质量进行排名。

许多建筑师习惯于通过数字化的流程，例如建筑信息模型（BIM），来调整设计，而人工智能让这些模型的功能有很大改变。从许多方面来看，BIM 的下一个演变技术是数字孪生，其中包含建筑物的所有正式描述信息和性能数据。人工智能可以让这些模型得以测试和推动，能够检查改变一个变量会如何影响建筑物的能源性能、太阳能热增益或在街道上的阴影，然后持续地、独立地学习如何改进运营和设计。这项新兴技术由联网的物联网传感器和设备提供数据，将数据直接输送到数字孪生体里。

在建筑设计中采用人工智能有何优势

建筑设计中的人工智能对于普通的重复性任务以及通过小增量来优化设计最为有用，可迅速完成，这通常称为狭义人工智能。这些类型的任务经常重叠，在此情况下人工智能是最有效的。人工智能可以迅速地按开发商指定的规格设计出住宅塔楼里的公寓形状，并可以将它们的材料和成本效率调整到各种不同程度。此外，图像生成器可以用于激发设计灵感的“情绪板”，可快速地从庞大的图像库中获取、合成图像，效果无与伦比。这些详细的图像可以为建筑师提供美学方面的目标，在设计结构和工程系统时以此为目标，有的放矢。

在这两种情况下，建筑师的工作更像是广义的策展人，而不像以前那样对每个设计决策进行精细控制。他们所做的是指定参数、选择和淘汰软件生成的选项，并为算法提供建议和指导。建筑设计的方式发生了根本性变化。分界线目前尚未明确：这个新工具是像 CAD 或 BIM 一样能节省劳动力，还是代表着创造性设计过程中的根本转变？

人工智能可以通过小增量优化房间布局和其他设计，快速地完成普通的重复性任务，从而让设计师腾出时间从事更具创造性的任务。

建筑设计项目中人工智能的七种应用

在设计人员开始创建迭代之前，先用自动化的工具来组织现场数据和背景数据可以消除不确定性，从而有望消除风险。这些工具让非编码人员（如设计人员或开发人员）更容易从事技术性的、需大量编程的工作。以下示例从研究项目到商业产品，展示了建筑设计中的人工智能可如何创造机会来改进设计过程，从而使人类的创造力成为主要核心。

1

人工智能用于示意规划

Finch 是一种具有多种设计功能的参数化规划工具。只需输入几个约束条件即可生成平面图，并且这些平面图设计可以即时自动调整。你可以选择一面墙，移动它，然后就可看到周围的房间自动地改变比例、位置和组织方式。此平台结合了当地的规划法规，让用户可以优化结构效率、单元数量或其他变量。它也可以快速地把平面图置放在指定的场地边界内；把不规则的有机形状划分成亚单元；动态地把楼梯连接到不同的楼层高度；并在复杂的地形中找出最优的道路路线。

2

人工智能用于城市发展

在 Forma 程序中进行风力分析。

新的人工智能工具可以将生成性和迭代性的能力应用于像城市那么大规模的场地，超越了单个建筑的要求。欧特克的 Forma 就是这个概念的例证，它可提供基于云的、人工智能驱动的洞察和自动化功能，可把探索设计概念的工作变得简单，减少重复性的工作量，并帮助评估建筑工地周围的环境质量。

Forma 应用于规划和设计的早期阶段，对关键的密度和环境质量（如日照时数、日照潜力、风能、运营能源和小气候）进行实时分析，用户无需具备深厚的技术专长就可进行。这些由机器学习和人工智能驱动的环境分析从设计过程的第一天起就可以使用，帮助实现业务目标和可持续发展目标。例如，Forma 的风力建模揭示了建筑物如何引导风向，用计算流体动力学来完善设计，以提高人的舒适度。

3

人工智能用于改进投标中的出价

ConXtech 是一家位于湾区的模块化建筑公司，用人工智能来控制建筑施工行业中最不可预测的步骤之一：招标过程。

与许多建筑公司一样，ConXtech 在项目开发阶段参与业主和开发商的招标。此时，项目的可行性尚未得到证实，多种选择仍在桌面悬而未决。因此像 ConXtech 这样的许多公司不得不为某个项目进行多次迭代设计，然而该设计可能永远不会实际建成。花费数百万美元，最终结果可能是项目并不成功或者投标失败。而同时，业主和开发商又希望迅速得出可行的且成本效益高的解决方案。

为了缩短投标周期并降低投标成本，ConXtech 与欧特克研究院合作开发了一个原型投标平台，使用人工智能根据材料采购、制造和施工的成本得出成本效益最高的结构钢设计。这些成本受项目所选择的供应商和分包商的影响，并因项目所在位置而有变化。

4

人工智能用于体积设计和规划

大林组公司（Obayashi）和欧特克开发了一个人工智能平台，可通过输入建筑参数来估算体积并对室内布局进行程序化的规划。

日本建筑、工程和房地产开发公司大林组还与欧特克研究院合作设计一个人工智能解决方案，可让建筑师插入建筑物的基本参数，并提供少量的指示，就可估算出体积并对室内布局进行程序化的规划。此应用程序的人工智能主要用于办公空间，是通过大林组的包含 2,800 多个欧特克 Revit 文件的子集资料来进行训练的。

此人工智能工具能理解程序与建筑物体积中表示的所需的连接、大小和比例之间的抽象关系。为了生成室内程序化布局，设计师和客户通过一系列词汇参数来工作：即用一些简单的句子来指定建筑元素及其位置，以及它们之间的关系。比如，“会议室应该靠近窗户”，或者“为了安全起见，午餐室应该远离实验室”等等。

5

人工智能用于合规指导和照片美化

与大林组类似，加拿大的 Maket 公司擅长协助建筑师进行早期示意设计，通过插入房间尺寸、类型和邻接约束条件来生成平面图，并将此功能与自然语言文本界面集成起来。Maket 还提供合规助理功能，它可阅读上传来的分区监管文件并详细回答有关问题。设计师还可以上传建筑照片，并输入基本的文本提示来应用各种美学处理，为照片添加室内设计和家具的元素。

6

人工智能用于房地产开发商

Parafin 公司基于云的衍生式设计平台面向房地产开发商，在早期规划期间使用人工智能来确定项目的商业可行性。Parafin 供图。

Parafin 使用参数化迭代人工智能来在项目、成本和商业可行性之间取得平衡。此程序由芝加哥和迈阿密的建筑师 Brian Ahmes 和开发商 Adam Hengels 共同开发，他们也是欧特克技术中心“Outsight 网络”的成员。此程序可对目标盈利能力和性能生成无数的推导结果。

Parafin 是一个基于云的衍生式设计平台，目前用于酒店开发。它主要面向房地产开发商，有助于在早期规划阶段快速地评估潜在的建筑场所在财务方面的可行性。它只需要几个参数（房间数量、停车场、场地、高度和酒店经营者的品牌指南），就可以生成数百万次满足这些指南的迭代结果——所有这些都可以通过财务业绩、成本等进行搜索。它通过网络浏览器中基于地图和菜单的界面来工作，为每个设计生成非常详细的楼层平面图、三维视图和 Revit 文件。

7

人工智能用于性能优化

Cove.tool 是个自动化的建筑性能设计应用程序，由身为建筑科学家和建筑师的 Sandeep Ahuja 与他人共同创立。它用机器学习并通过改变一些变量（如建筑物的方向和材料性）以及测量结果来分析建筑设计可如何改善其对能源和碳的消耗、采光水平、成本结构等。它可按各种标准进行成本优化，并根据不同的质量标准对结果进行排名，从代码最低到自愿评级系统的好评等等。在它的粒度细节级别上，Cove.tool 本质上是一个施工前的数字孪生软件，与机器学习算法集成在一起，可以逐步改善建筑物的性能。

虽然计算机的能力带来更多的机会以在人类和机器智能之间找到平衡点，但仍然是人类更擅长于开放式的创造性的解决方案——从目前来看。

人工智能会取代建筑师吗？

鉴于人工智能在建筑领域还是个新事物，很难说它将如何影响建筑设计工作。不过，把技术性的细节和计划组合起来这类任务，过去通常由入门级的设计师来进行，而人工智能擅长于此类任务，必然会减少对入门级设计师的需求。此外，人工智能确实具有把建筑师从繁杂琐事中解放出来的潜力，而雇主倾向于采用这种能节省劳动力的工具来提高生产速度也是势在必行的事。

现在还有许多建筑设计领域是人工智能尚未渗透的。人工智能还不能定义建筑项目的限制条件，例如程序、大小、受众、材料或地理环境。这些参数来自与客户的交互，这些交互工作也不能外包给人工智能。它对人们如何在空间中移动并与物体互动也知之甚少，它还不能通过文本提示生成像它创建的 2D 图像那么丰富和详细的 3D 图像。

此外，MidJourney 和 DALL-E 梦寐以求的奇幻愿景不能产生支持性的施工文件。在整个建筑、工程和施工（AEC）行业中，人工智能在与建筑工地或建筑物直接交互的机器人应用中使用得最少——但随着现实捕捉机器人的出现，这种情况正在改变，这种机器人具有一定程度的独立性，但仍需要人类的指导。

建筑设计中的人工智能还受到基本经济和选择偏差动态的限制，这些动态会影响这些应用程序所利用的数据的质量。人工智能算法受限于它们有多少数据来学习，而在建筑设计行业，这些数据可能为某公司专有，不太愿意与也在开发人工智能程序的潜在竞争对手分享。此外，创建图像的人工智能只能重新合成它已经见过的东西，所以如果互联网的图像库存在文化或地区上偏倚（例如，来自富裕西方国家的建筑图像过多），得出的结果也同样会存在偏倚。

人工智能是自动化的进一步演变，自动化的流程已经成为设计中不可或缺的一部分；它们只是被贴上了不同的标签。“如果我在Revit中设计某种东西，它自动生成协调的文档来构建这个东西，我对此并不担心。”The Living 建筑工作室的 Jim Stoddart 说，“这就是自动化，所有这些事情过去我亲自动手做，而现在实际上是用自动化来做。”

计算能力的进步提供了更多机会，以在人类和机器智能之间找到平衡点，让两者都去做自己最擅长的事。“计算机不擅长开放式的创造性解决方案，擅长这事的仍是人类。”Nvidia 深度学习研究所的认证讲师和课程设计师 Mike Mendelson 说，“但是通过自动化，我们能省下做重复性工作的时间，用来做设计工作。”

本文最初发布于2021年4月，现已更新。

作者：Zach Mortice - CN

Zach Mortice 是一名建筑专业的记者，基地在芝加哥。您可在推特（Twitter ）和照片墙（Instagram）上添加@zachmortice，即可跟随。

点击“阅读原文”，查看更多精彩内容。

（欧特克Autodesk）

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@blueai.net.cn。