[AI] The Advent of Architectural AI

The Advent of Architectural AI

ref: https://towardsdatascience.com/the-advent-of-architectural-ai-706046960140

소개

건축의 실천, 방법, 전통 및 노하우는 오늘날 열정적 인 논쟁의 중심에 있습니다. 실무자들이 현재의 상태를 의심 할 때 외부인에 의해 도전 받고 새로운 관행이 도입되고 내부에서 의문이 제기되면서 건축은 진정으로 심오한 (r) 진화를 겪고 있습니다.

우리의 규율에 지속적인 영향을 미칠 요소들 중에서도 기술은 확실히 주요한 벡터 중 하나입니다. 가치 사슬의 모든 단계에서 기술 솔루션을 도입함으로써 이미 아키텍처가 크게 바뀌 었습니다. 건물의 개념은 실제로 이미 느린 변환을 시작했습니다 : 먼저 새로운 건설 기술을 활용 한 다음 적절한 소프트웨어를 개발하고 결과적으로 통계적 컴퓨팅 기능 (Data Science & AI를 포함하여)을 도입함으로써 오늘날입니다. 혼란보다는 오히려 오늘까지 계속되는 진화를 통해 건축을 이끌어 온 연속성을보고 싶습니다. 모듈화, 전산 설계, 매개 변수화 및 인공 지능은 느린 속도로 전환하는 네 가지 복잡한 단계입니다. 역사적 배경을 넘어선, 우리는이 진화가 건축 개념의 급진적 인 개선의 틀임을 가정합니다.

I. 4 기간 순서

모듈화, 전산 설계, 매개 변수화 그리고 마지막으로 인공 지능은 서로 독립적 인 단호한 단계가 아닙니다. 각 기간은 전례와 상호 침투하고 차용합니다. 역사를 뒤돌아 볼 때 두 가지 창조 수준, 즉 발명품과 혁신을 구별하는 것이 중요합니다. 발명은 학술 연구에서 유래하지만 혁신은 발명에 의해 유도됩니다. 아키텍처에서 혁신은 실제로 지속적으로 움직이는 실천을 형성합니다. 기간, 발명품 및 혁신 사이에서 앞뒤로 노는 연습. 거기에서 우리의 연대기는 아키텍처 AI의 시대를 도입하기 전에 전산 및 건축 분야의 깊숙이 섞여 진 진화를 보여주는 것을 목표로합니다. 우리 학문 분야의 최근 역사의 맥락과 하이라이트를 재구성하는 것이 우리 연구의 전제 조건이되는 이유입니다.

모듈러 시스템

모듈화는 체계적인 건축 설계의 출발점으로 설정 될 수 있습니다. 30 년대 초반에 시작된 모듈러 건축의 출현은 언어와 건축 문법 모두를 개념화 단계로 가져와 건축 설계를 단순화하고 합리화하는 데 기여했습니다.

월터 그로피우스 (Walter Gropius)의 바우 하우스 (Bauhaus) 이론에 따르면, 1920 년 초에 모듈 식 그리드는 기술적 단순성과 경제성에 대한 희망을 전했습니다. 다른 방향에서 왔을 때, 모듈성은 처음에는 학계와 실무자에 대한 조사 주제로 나타났습니다. Gropius는 처음에 엄격한 어셈블리 규칙을 통해 집계되는 전형적인 모듈 인 “Baukasten”에 대한 아이디어를 소개했습니다. 이 체계성은 1 년 후 르 코르뷔지에 (Le Corbusier)의 “모듈러 (Modulor)”(그림 1)와 함께 에코됩니다. 르 꼬르뷔지에 (Le Corbusier)는 모듈 방식의 엄격함을 인간의 척도에 적용함으로써 1946 년부터 모듈 원칙의 전체 론적 구현을 ​​제안했습니다.

구축 된 환경 차원은 인체에서 파생 된 주요 메트릭 및 비율에 맞춰 정렬됩니다. 그리고 실제로 “La Tourette”에서 마르세이유의 “Unité d’ habit”까지, 르 코르뷔지에는 “Modulor”의 처방에 맞춰 차원과 범위를 체계화했습니다. 그러나 Buckminster Fueller와 함께, Modularity는 Dymaxion House와 같은 모듈 내에 빌딩 시스템을 내장하는보다 통합 된 비전으로 급속하게 발전했습니다. 이 시도는 모듈 형 주택의 가능성을 극명하게 만들고, 역동적 인 선례를 세우고, 업계를위한 개념 증명을 추진했습니다.

그 후에이 초기 이론가들을 따라 건축가들은 그들의 설계 정신을 매트릭스의 필수 요소로, 그리고 동일한 토큰으로 건물 설계의 전문성의 일부를 모듈의 논리로 옮기도록 요청 받았다. 적은 번거 로움, 적은 비용, 더 많은 예측 가능성. 모듈성은 산업 전체로 신속하게 확대 될 것입니다 : 1933 년 Robert W. McLaughlin 교수가 만든 Winslow Ames House와 세계 최초의 대규모 모듈 프로젝트는 매우 획기적인 것입니다. 모쉐 사피 (Moshe Safdie)의 표현이 풍부한 서식지 67. Archigram의 “Plugin City”와 같은 프로젝트가 모듈러 도시의 가능성을 개발했을 때 도시 계획은 60 년대로 접어 들었습니다. 3 차원 구조 매트릭스에 맞춰진 모듈의 끊임없는 조립 및 해체를 통해 도시는 성장의 가능성과 항상 실현 가능성의 필수 요소 인 둘 다에 대처하는 새로운 논리를 발견 할 수있었습니다.

그러나 기계적 규칙을 통해 그리드, 모듈 및 어셈블리 시스템을 연결하면 LEGO와 유사한 개념의 건축 개념을 준가화할 수있었습니다. 그러나 연습은 기본적인 어셈블리 규칙과 프로세스를 모아 놓은 보드 게임이 될 수 없습니다. 결과적인 디자인의 단조 로움은이 이론을 급히 평범하게 만들었고 조립 시스템의 건설적인 약점은 마침내 건축가를 낙담시켰다. 그럼에도 불구하고, 규칙의 체계를 통해, 모듈성은 오늘날 연습을 통해 여전히 생생한 근본적인 건설 원칙으로 남아 있습니다.

전산 설계

80 년대에 들어서면서 모듈 식 시스템의 복잡성이 급증하면서 계산의 출현으로 인해 실현 가능성과 확장 성이 모듈 식 설계로 되돌아 왔습니다. 모듈의 부활 외에도 규칙 기반 디자인의 체계성은 어떻게 든 재건되었습니다.

서로 다른 방향에서 오는 계산 설계의 잠재력에 대한 높은 수준의 반성은 인접한 분야 인 공학 : 공학 (Engineering) 내에서 50 년대 중반부터 시작되었습니다. 1959 년, 패트릭 핸 라티 (Patrick Hanratty) 교수는 엔지니어링 부품 설계를 목표로 CAD (Computer Assisted Drawing) 소프트웨어의 최초 프로토 타입 인 PRONTO를 출시했습니다. 이러한 소프트웨어가 제공 할 수있는 가능성과 잠재적 인 연산 능력이 빠르게 변화하는 진화와 함께 건축 분야에서 논의가 시작되었습니다. 얼마 후, 미국 건축가이자 크리스토퍼 알렉산더 (Christopher Alexander) 교수가 있습니다. 버클리는 전산 설계의 핵심 원칙을 세우면서 토론을 시작했습니다. 알렉산더 (Alexander)는 “형식의 합성에 관한 주석”(1964)과 그 이후의 “a Pattern Language”(1968)에서 모양 디자인의 문제를 해결하기 위해 컴퓨터를 사용해야하는 이유와 방법을 이론화했다. 디자인에 대한 소프트웨어 잠재력에 대한 그의 초기 이해는 당시의 하드웨어 중심 초점과는 대조적이었습니다. 그가 책에서 정의한 창립 원칙은 오늘날 소프트웨어 프로그래밍의 기반이되었습니다. 재귀와 같은 개념, 객체 지향 프로그래밍 및 설계 응용이 급진적 인 발전을 이룩했습니다. 이러한 추세에 따라 전 세대의 컴퓨터 과학자 및 건축가는 새로운 전공 분야 인 전산 설계를 창출 할 것입니다. Nicholas Negroponte 교수가 이끄는 MIT의 AMG (Architecture Machine Group)가 아마도 가장 모범 사례 일 것입니다.

네그로폰테의 책 “건축 기계”(The Architecture Machine, 1970)는 기계가 어떻게 창조 과정을 향상시킬 수 있는지 조사하고, 구체적으로는 전체 건축 설계를 탐구하는 AMG의 사명의 본질을 요약합니다. 이 그룹은 URBAN II 및 그 이후의 URBAN V 프로젝트 (그림 2)의 출시와 함께 업계가 어떤 노력을 기울이기 전에도 우주 설계에 적용되는 CAD의 잠재력을 입증 할 것입니다.

이러한 결정적인 연구 결과에 따라 건축가와 산업계는 이러한 발명품을 혁신 상태로 적극적으로 밀어 냈습니다. 프랭크 게리 (Frank Gehry)가 가장 역동적 인 운동가였다. 그를 위해 계산을 적용하면 어셈블리 시스템의 경계를 크게 벗어나고 새로운 도형 및 건물 형상을 허용 할 수 있습니다. 80 년대 Gehry와 Jim Glymph가 창안 한 Gehry Technologies는 일반적으로 Dassault Systems의 CATIA와 같은 초기 CAD-CAM 소프트웨어를 사용하여 복잡한 기하학적 문제를 해결했습니다. Gehry Technology는 30 년간의 전산 설계의 선례를 여기에 설정하여 계산의 가치를 건축가에게 보여 주면서 직업의 산사태를 유발했습니다. 향후 15 년 동안, 계산 능력 및 데이터 저장 용량의 증가로 인해 점점 더 저렴하고 사용하기 쉬운 기계가 결합 됨으로써 3D 설계 소프트웨어의 채택이 크게 촉진되었습니다. 설계자는 지오 메트릭을 엄격하게 제어하고 설계의 신뢰성, 실현 가능성 및 비용을 높이고 (2) 디자이너 간의 공동 작업을 용이하게하고 용이하게하며, (3) 마침내 다음을 가능하게하는 명확한 이론적 근거를 바탕으로 새로운 시스템을 신속하게 승인했습니다. 전통적인 손으로 스케치하는 것보다 많은 설계 반복이 가능합니다. 더 나은 결과 디자인을위한 더 많은 테스트 및 더 많은 옵션.

그러나 설계자가 전산 설계에 참여하면서 결국 몇 가지 단점이 발생했습니다. 특히, 특정 작업의 반복성과 복잡한 기하학적 모양에 대한 제어가 부족한 것이 심각한 장애물이되었습니다. 그것들은 Computation Design : Parametricism 내에서 새롭게 등장한 새로운 운동으로 나아갔습니다.

매개 변수화

매개 변수의 세계에서 단순한 규칙 집합에 합리화가 가능할 때 반복적 인 작업과 복잡한 모양 모두를 다룰 수 있습니다. 규칙은 수동으로 구현하는 시간 소모적 인 프로세스를 자동화하기 위해 프로그램에 인코딩 될 수 있습니다. 이 패러다임은 파라 메트릭주의의 도래를 이끌었습니다. 즉, 태스크가 컴퓨터에 주어진 명령 세트로 설명 될 수 있다면 디자이너의 작업은 결과에 영향을 미치는 주요 매개 변수를 분리하면서 소프트웨어와 통신하는 것입니다. 일단 코드화되면 건축가는 매개 변수를 변경하고 여러 가지 가능한 시나리오를 생성 할 수 있습니다. 한 번에 여러 설계 출력을 생성하는 잠재적 인 모양입니다.

1960 년대 초 루이지 모레티 (Luigi Moretti) 교수가 매개 변수화 된 아키텍처의 출현을 발표했습니다. 그의 프로젝트 “스타디움 N”은 처음에는 이론적이지만 파라 메트릭주의의 첫 번째 명확한 표현입니다. 관람자의 시야와 트리뷴 (tribunes)의 일광 노출과 같은 19 가지 주행 매개 변수를 정의함으로써 Moretti는 이러한 매개 변수의 변화로부터 경기장의 모양을 직접 유도했습니다. 결과 모양은 놀랍고 유기적이지만, 새로운 파라 메트릭 미학의 첫 번째 예를 제공합니다. 유기적 인 측면에서, 개념적 프로세스로서 엄격하게 합리적입니다. 그러한 원리를 계산의 세계로 가져 오는 것은 3 년 후에 Ivan Sutherland의 공헌이 될 것입니다. Sutherland는 최초의 진정한 사용자 친화적 인 CAD 소프트웨어 인 SketchPad의 창안자입니다. 소프트웨어 핵심부에 내장 된 “Atomic Constraint”의 개념은 Sutherland가 모레티의 매개 변수 개념을 번역 한 것입니다. 일반적인 SketchPad 도면에서 각 지오메트리는 실제로 기계 측에서 일련의 원자 구속 조건 (매개 변수)으로 변환되었습니다. 이 개념은 컴퓨터 측면에서 파라 메트릭 디자인의 첫 번째 공식입니다. Parametric Technology Corporation (PTC)의 설립자 인 Samuel Geisberg는 1988 년 나중에 사용자에게 기하학적 매개 변수에 대한 완전한 액세스 권한을 부여하는 Pro / ENGINEER를 출시했습니다. 소프트웨어가 출시됨에 따라 Geisberg는 완벽한 파라 메트릭 이상을 완벽하게 요약했습니다.

“목표는 엔지니어가 다양한 디자인을 쉽게 고려하도록 장려 할 수있는 유연성을 갖춘 시스템을 만드는 것입니다. 설계 변경 비용은 가능한 한 제로에 가깝습니다. “

Sutherland와 Geisberg 덕분에 설계와 계산 사이의 다리가 만들어 졌으므로 차세대 “매개 변수에 민감한”건축가가 성공할 수있었습니다. 건축가가 매개 변수의 매개 변수를 사용하여 점점 더 디자인을 조작 할 수있게됨에 따라, 규율은 P. Schumacher에 의해 설명 된 것처럼 파라 메트릭에 “천천히 수렴”되었습니다. 그의 저서 “Parametricism, Architecture & Urban Design을위한 새로운 글로벌 스타일”Schumacher는 Parametricism이 건축 분야에서 매개 변수의 개념에 대한 인식이 어떻게 증가했는지를 명시 적으로 보여주었습니다.

매개 변수 창안에서 업계 전반에 걸친 혁신으로의 전환에 이르기까지 Parametricism의 출현을 결정 짓는 소수의 핵심 인물을 봅니다. 이 아키텍처의 매개 변수화는 Zaha Hadid Architects의 작업에 의해 가장 잘 예시됩니다. 영국에서 훈련받은 이라크 건축가 인 하디드 (Hadid) 여사는 수학적 배경을 가지고 파라 메트릭 디자인의 매개체를 통해 수학과 건축과 결혼하려는 의도로 자신의 실습을 발견하게되었습니다. 그녀의 디자인은 일반적으로 프로그램에서 인코딩 된 규칙의 결과로 건물의 형상에 대한 전례없는 수준의 제어가 가능합니다. 각 건축물 이동은 매개 변수의 조정으로 변환되어 특정 건물 형태가됩니다. Hadid의 설계는 오늘날 건축 설계의 가능한 계량화, 매개 변수 배열의 완벽한 예입니다. 그러나 그녀의 작업은 2000 년 David Rutten이 개발 한 Grasshopper 없이는 불가능했을 것입니다. Grasshopper는 시각적 프로그래밍 인터페이스로 설계되어 건축가가 디자인의 운전 매개 변수를 쉽게 분리하고 반복적으로 튜닝 할 수 있도록합니다. 내장 된 기능의 인텔리전스와 결합 된 인터페이스의 단순성 (그림 3)은 오늘날에도 전 세계적으로 대부분의 건물의 디자인에 영향을 주며 전체 “파라 메트릭”디자이너에게 영감을 불어 넣었습니다.

마지막으로, 건물 설계를위한 Grasshopper의 단기적인 이점 외에도 매개 변수화에 힘 입어 2000 년대 초에 시작된보다 심오한 혁명이 오늘도 계속 진행 중입니다. BIM (Building Information Modeling). 오토 데스크 부사장 인 필립 번스타인 (Philip Bernstein)이 주도하여 BIM의 탄생과 정교함은 합리성과 실현 가능성을 건설 업계의 새로운 차원으로 끌어 올렸습니다. BIM의 기본 아이디어는 빌딩 3D 모델의 모든 요소가 각 객체의 모양을 구동하고 문서화하는 매개 변수 ( “속성”)의 함수라는 것입니다. 현재 Autodesk BIM 소프트웨어 인 Autodesk Revit에서 Sutherland의 SketchPad에 이르기까지 설계의 원동력으로서 매개 변수를 명시 적으로 활용하는 공통점이 있습니다.

그러나 설계의 매개 변수화는 지난 10 년 동안 기술적으로나 개념적으로 모두 고원에 도달 한 것으로 입증되었습니다. 파라 메트릭 모델링은 (1) 한 번에 여러 변수의 합성 효과, (2) 엄격한 효율에 대한 공간 구성 및 스타일의 필요성, (3) 시나리오의 가변성, 그리고 마지막으로 (4) 시뮬레이션의 계산 비용 . 기술적 인 단점과는 별도로, 파라 메트릭 디자인은 이론적 인 전제로 인해 결함이 있습니다. 아키텍처는 고정 된 수의 매개 변수의 결과 일 수 있으며 건축가는 컨텍스트, 환경 및 역사에서 벗어난 추상화로 간단히 인코딩 할 수 있습니다. 사실, 파라 메트릭은 ‘책에 의해’적용될 때, 무수한 매개 변수들과 심오한 문화적 및 사회적 요인들이 실제로 도시 균형에 참여하는 우주 계획의 엄청난 복잡성을 무시한 것으로 판명되었습니다. 우리의 직업이 인공 지능을 만날 때, 체계적인 방식으로 인접한 분야를 결합하는이 깊은 현실은 오늘날 마침내 해결 될 수 있습니다.

인공 지능

인공 지능은 근본적으로 아키텍처에 대한 통계적 접근 방식입니다. 통계 원리와 계산을 혼합 한 AI의 전제는 파라 메트릭 아키텍처의 단점을 개선 할 수있는 새로운 접근 방식입니다.

기계에 의해 이해되는 “학습”은 복잡 한 문제에 직면했을 때 문제의 문제를 해결하기위한 “직감”을 구축하기 위해 그에게 보여준 옵션의 복잡성을 먼저 파악하는 컴퓨터의 능력에 해당합니다. 사실, AI의 개념을 재정의 할 때 John McCarthy는 1956 년에 그것을 “인간의 두뇌를 기계 논리의 모델로 사용”한다고 정의했습니다. 설정된 수의 변수와 규칙을 위해 만들어진 결정 론적 모델을 설계하는 대신 AI는 컴퓨터가 데이터에서 수집하거나 사용자가 전송 한 정보를 기반으로 매개 변수를 생성합니다. 일단 “학습 단계”가 달성되면 기계는 사전 정의 된 매개 변수 집합에 단순히 응답하는 것이 아니라 학습 단계에서 보여준 정보의 통계적 분포를 모방 한 결과를 생성하여 솔루션을 생성 할 수 있습니다. 이 개념은 AI가 가져온 패러다임 전환의 핵심입니다. 일련의 예제의 복잡성을 소화하는 능력과 함께 문제에 대한 자체 이해를 구축하기위한 기계의 부분적 독립성은 매개 변수화의 전제를 거꾸로 뒤집습니다. 모든 규칙 및 매개 변수가 사용자가 명시 적으로 선행 선언 한 것이 아니기 때문에 예기치 않게 기본 현상을 밝힐 수 있고 심지어는 에뮬레이션하려고 시도 할 수도 있습니다. 휴리스틱 (규칙 기반 의사 결정)의 세계에서 통계 세계 (확률 기반 의사 결정)에 이르는 양자 도약입니다.

건축 분야에서 인공 지능의 보급은 초기 이론가들에 의해 이미 예측되었는데, 우리 앞에는 인공 지능이 건축 설계의 가능성을 보았습니다. 지능형 알고리즘 제작과는 거리가 먼이 선구자들은 그러한 시스템의 잠재력을 설계하고 추측합니다. Negroponte와 그의 그룹에 의해 URBAN II가 발표됨에 따라 “기계 조수 (machine assistant)”에 대한 아이디어가 이미 잘 진행되고있었습니다. 이후 버전 인 URBAN V는 사용자가 모듈 형 그리드를 그릴 때 인접성과 조명 조건을 최적화하기 위해 블록으로 정의 된 레이아웃을 적용하여 설계자를 지원합니다. 사실, URBAN V는 암시 적 및 명시 적이라는 두 가지 정보 계층을 구분했습니다. 암시 적 차원은 시스템에서 처리하고 추론 한 차원이며 명시 적 차원은 사용자가 설정 한 차원입니다. URBAN V에서의 이러한 이중성은 네그로폰테가 바라는 기계 - 인간 상보성의 직접적인 번역이다. 그리고 그것은 “지능”, 즉 기계 내부에 구축 된 인공 지능이 그 표현을 발견하게된다는 암시 적 매개 변수 집합 내에 있습니다. 암시 적 매개 변수를 조정하여 컴퓨터에서 제안한 수정 사항이 제안 사항으로 사용자에게 표시됩니다. 잘못 배치 된 방에 URBAN V는 사용자에게 “TED, 많은 충돌이 발생했습니다”라고 알립니다. 몇 년 후 Cedric Price는 Cambridge University의 건축학과 교수로 GENERATOR (1976, Figure 4)를 발명했습니다.

Negroponte의 작업을 인정하면서 Price는 인공 지능에 대한 AMG의 작업을 사용하고 사용자의 행동에 “지능적으로”반응하고 적응할 수있는 자율적으로 변화하는 건물에 대한 아이디어를 조사하여이를 더욱 추진했습니다. Price의 경우, “지능형”이라는 용어 아래에는 GENERATOR가 따르는 행동을 인코딩하는 아이디어가 있습니다. 그러나 벨로우 네그로폰테의 작업이나 Price의 프로토 타입은 해결되지 않은 문제, 즉 알고리즘의 실제 지능을 거짓말했습니다. 인터페이스와 프로토콜이 마련되었지만 단순한 휴리스틱 관계를 기반으로 한 핵심 알고리즘의 실제 절차상의 복잡성은 여전히 ​​미약했습니다.

인공 지능이라고도하는 지능형 알고리즘의 설계는 실제로 80 년대 초반에 새로운 관심을 불러 일으켰습니다. 계산 능력의 급격한 증가와 자금 지원의 급격한 증가는 인공 지능 조사의 중심에있는 정보의 문제를 되 살리게했다. 이 기간의 핵심은 전문가 시스템과 추론 엔진의 두 가지 주요 혁명입니다. 전자는 조건문을 사용하여 일련의 규칙을 기반으로 추론 할 수있는 기계에 해당합니다. 당시의 실제 돌파구. 나중에 더글라스 레나 트 (Douglas Lenat)가 개발 한 사이클 프로젝트 (Cyc Project)가 가장 잘 예시 한 것은 추론 추론을위한 기계를 사용하는 것이 었습니다. 지식 기반 (일련의 진실성 진술)을 사용하면 유추 기계는 지식 기반에 비해 새로운 진술의 진실성을 추론 할 수 있습니다. 90 년대 초반까지만이 아니라 인공 지능의 수학으로 인해이 분야가 정말로 유망한 결과를 가져올 것입니다. 새로운 유형의 모델의 출현은 인공 지능의 잠재력을 분명히 드러 낼 것입니다 : 네트워크와 기계 학습. 네트워크라고도하는 계층화 된 파이프 라인을 사용하여 이제 시스템은 이전에 개발 된 모델보다 높은 복잡성을 파악할 수 있습니다. 이러한 모델은 특정 작업을 위해 “훈련”되거나 다른 말로 조정할 수 있습니다. 더욱 흥미로운 것은 그러한 모델의 한 특정 유형, 즉 Generic Adversarial Neural Networks (GAN)에 착수 한 아이디어입니다. 2014 년 Google Brain의 연구원 인 Ian Goodfellow가 처음 이론화 한이 모델은 네트워크를 사용하여 이미지를 생성하면서 자체 수정 피드백 루프 (그림 5)를 통해 정확성을 보장합니다.

Goodfellow의 연구는 분석 도구에서 생성 에이전트에 이르기까지 인공 지능의 정의를 거꾸로 뒤집습니다. 같은 맥락에서, 그는 AI와 건축상의 문제, 즉 그림 및 이미지 제작을 한 발 더 가까이 가게합니다. 대체로 단순한 네트워크에서부터 GAN에 이르기까지 점점 더 저렴하고 액세스 가능한 연산 능력과 결합 된 새로운 세대의 도구가 AI를 합리적인 가격의 강력한 매체로 자리 매김하고 있습니다. 네그로폰테 또는 프라이스의 작업이 실제 머신 인텔리전스가 거의 없다면 요즘 건축 소프트웨어가 마침내 이러한 가능성을 활용할 수 있습니다.

인공 지능이 아키텍처에 대한 잠재력을 나타낼지라도 꽤 유망하지만 설계자가 의도를 기계에 전달할 수있는 능력에 여전히 좌우됩니다. 그리고 기계는 신뢰할 수있는 “보조자”가되기 위해 교육을 받아야하기 때문에 건축가는 다음과 같은 두 가지 주요 문제에 직면합니다. (1) 적절한 분류법, 즉 기계의 정량화 가능한 메트릭으로 변환 할 수있는 적절한 형용사 집합을 선택해야합니다 (2) 그들은 AI의 광대 한 분야에서 적절한 도구를 선택하고 훈련해야합니다. 이 두 전제 조건은 결국 AI 지원 아키텍처의 성공 또는 실패를 결정합니다.

II. 지속적인 발전

모듈화, 전산 설계, 매개 변수화 및 인공 지능 :이 4 개 기간 시퀀스는 단계적으로 단계별로 아키텍처의 방법 및 방법을 구체화하고 개선 한 진행의 연대표를 반영합니다. 우리는 그러한 모멘텀에서 일련의 무관 한 붕괴보다는 업계에서 경험 한 것과 같은 “지속적인 진보”의 형태를보고 싶습니다. 거기에서 적절한 행렬 집합이이 동적 매핑에 도움이되었습니다.

첫째, 우리의 주장을 뒷받침하기 위해, 우리는 건축이 두 차원을 통해 기술 할 수있는 디자인을 생성하는 과정으로 이해할 수 있다고 가정합니다. 한쪽 측면에서 산출물의 다양성 또는 “다양성”을, 다른 측면에서는 디자인 또는 “관련성”.

“다양성”은 두 가지 기본 척도 즉, 생성 된 옵션의 양을 크기 조정하는 “디자인의 양”과 각각의 불일치를 측정하는 “디자인의 특이성”에 달려 있습니다. ‘관련성’은 최적의 프로그램 구성, 공간 레이아웃 및 문맥 적 적합성을 비롯한 디자인의 작업 가능성 및 ‘건축 품질’과 같은 ‘건설적인 실현 가능성’을 합성합니다.

궁극적으로 Variety (Quantity X Singularity)와 Relevance (Constructive Feasibility X Architectural Quality)의 조합은 (1) 4 가지 기간 - 모듈성, 전산 설계, 매개 변수화 및 인공 지능의 각각의 위치를 ​​파악하고 대조하는 프레임 워크를 만듭니다. (2) AI가 우리 학문 분야에서 대표하는 발전의 절정 지점을 분명히 보여줍니다.

이 디스플레이는 방향성과 질적 인면에서 비록 우리 논문의 핵심에 놓여있는 개념을 표현하기위한 강력한 격자입니다. 요약하자면,이 지속적인 발전의 동력은 새로운 시점의 경쟁에 의해 악화되는 특정 시점에서 각 운동의 한계에 의해 촉발되었습니다.

폐회 비고

오늘날 AI는 건축 디자인의 세계에 AI를 가져 오는 환상적인 도전에 직면 해 있습니다. AI가 절대로 건축가의 직관과 감수성을 자동화 할 수 없다는 것은 의심의 여지가 없습니다. 인간은 기계를 도구로 사용합니다. 끝나지 않았어요. 그러나 지능형 조력자로부터 이익을 얻는 것은 우리가 도달 할 수있는 범위에 있으므로주의 깊게 연구하고 테스트하고 경험해야합니다.

또한 AI는 갑작스러운 혼란의 단순한 결과가 아닙니다. 70 년의 발명품 및 혁신의 최고점입니다. AI는 효율성과 유기성의 균형을 유지하면서 엄청난 양의 관련 디자인 옵션을 제공 할 수 있으므로 풍부한 결과를 얻을 수있는 가능성을 보았습니다. 이는 우리의 실천을 보완하고 우리 분야의 사각 지대를 해결할 것입니다. 인공 지능을 건축학의 새로운 교리로 생각하는 것에서부터 우리는이 분야를 잠재력과 약속으로 가득 찬 새로운 도전으로 생각합니다.