首先,我们可以使用Stable Diffusion或Midjourney之类的图像生成类模型来提升建筑设计方案的细节。我们输入信息量较低的初步设计,AI可以帮助我们在初步设计的框架控制下,生成信息量较高的进一步设计方案,以此来深化设计。 例如,下图展示了一种AI和SketchUp结合的场景,设计师可以在SketchUp中简单建立一个体块,然后驱动AI生成对应的建筑细节。在观察角度不同的情况下,AI生成的方案也会不同,因此提供更多的选择。 从SketchUp体块模型生成方案细节 同样的,在Rhino中,我们可以输入多个体块形成的简单建筑形态,然后嵌入AI程序来生成细节丰富的设计方案。同时我们可以控制AI的提示语,例如指定不同设计师的风格,然后对同一个体块模型生成多种风格的设计方案。 以下视频来源于 AIG建筑智能研究组 从Rhino体块模型生成不同风格的建筑 除了数字模型,实体模型也可以作为AI生成的目标。对于习惯手工搭模型来推敲方案的设计师,也可以使用体块模型的照片作为输入,指导AI生成方案细节。这种工作流程在后期可以开发为手机APP植入相机应用,方便设计师调用。 以下视频来源于 AIG建筑智能研究组 以下视频来源于 AIG建筑智能研究组 以下视频来源于 AIG建筑智能研究组 在第二种模式中,AI同样作为信息的生成者,但更像是“翻译”,将用户提供的与建筑无关的信息转化为建筑信息。这种流程常见于各类建筑研究中,例如对空间关联的探讨,或是对形态演变的研究。 在下面这个案例中,我们拿取了一些手边的物件,随意摆放在桌面上。虽然这些物件和建筑没有关系,摆放的位置也是随意的,但我们仍然可以用描述建筑的提示语来让AI生成对应的建筑场景。和手绘的情况相同,我们对物件摆放的越详细,AI生成的结果也就越相似。但即便是在摆放不完整的情况下,AI也可以生成完整的建筑场景。 以下视频来源于 AIG建筑智能研究组 从物件摆放生成建筑场景 以下视频来源于 AIG建筑智能研究组 以下视频来源于 AIG建筑智能研究组 第三种模式在技术上区别于前两种,它利用AI模型的隐空间(latent space)中参数的连续性,生成多种建筑方案,而且前后方案之间具有一定的联系。借此对隐空间的控制,设计师可以自由决定提示语的权重,进而选取合适的结果。 例如,我们可以将一张柯布西耶的建筑草图作为输入,将“传统建筑”和“未来建筑”作为提示语,生成柯布西耶版本的各种建筑草图。其中的隐空间参数决定“传统”与“未来”的提示语权重,而生成的建筑草图也具有符合权重变化的特征。 以下视频来源于 AIG建筑智能研究组 从单张草图生成多张草图 同理,我们可以在家具设计领域采用同样的方法,将设计师风格作为隐空间调控的变量,生成不同的椅子设计。这些生成的椅子具有相似性的同时,也在设计风格上产生渐变。 以下视频来源于 AIG建筑智能研究组 隐空间中的一百张椅子 因此,对于提示语的隐空间操作,可以给设计带来定量的变化,并生成一系列的方案。 在最后一种模式中,我们将从生成“二维图像”转变为“三维模型”。技术上,我们采用了Stable Diffusion中的核心部分——CLIP,作为一种评估生成结果和提示语之间相似度的工具。结合相应的生成式算法,CLIP可以帮助算法的走向朝着提示语的描述上倾斜,并优化得到符合提示语描述的最终结果。在生成式算法是三维的情况下,得到的结果也就是三维的模型。 这套逻辑特别适合和已有的生成式算法结合。例如在下面的案例中,我们将城市中的建筑作为基本元素进行城市填空。算法将建筑放入城市空地后,CLIP对结果和提示语的相似度进行评估,随后算法根据评估结果优化建筑的摆放位置。使用不同的提示语来描述城市,最后建筑摆放的位置也会和描述接近。 CLIP指导下的城市填空 另外,下面这个案例展示了CLIP和图解静力学的结合。作为一种结构设计算法,图解静力学以图形量化的形式进行非标准桁架结构的设计。对于生成的结构,CLIP一样可以参照用户输入的提示语,提供给算法优化的方向。 CLIP指导下的结构设计 因此,第四种模式将Stable Diffusion保留了CLIP的部分,而原有的二维图像生成被替换为了三维模型生成,提供了一种更贴合建筑设计需求的工具。 我们在这里提出的AI建筑学,通过以上几种模式和案例已经介绍完毕。本质上,AI建筑学和传统建筑学的区别在于,设计工具本身是否能产生创造性。从墨线到尺规再到CAD,传统的设计工具只能记录设计师的创造性。而AI这种新的设计工具使得创造性不再是人类的专长,因此建筑学将在AI的影响下发生转变。 建筑师的工作内容也在逐渐发生变化。从两千年前的工匠,经历文艺复兴的绘图者,到近现代的建筑师,一种职业发生的变迁可能是悄无声息的。而最近的一个世纪,我们正在经历着技术爆炸。在历史上看来很短的一个时期,一种职业或许也会发生剧烈的变化。很难想象,“建筑师”这个称谓,在AI影响下的未来十年、二十年,是否会快速演变成另一种职业。 或许我们会从内心里喊出:建筑学不存在了!但我相信,如果建筑师能跳出自己的舒适圈,让自己成为那个让建筑学不存在的“农场主”,那将会是革命性的维度提升,一场彻底的新生。 郑豪博士现任香港城市大学建筑学及土木工程学系助理教授。他博士毕业于宾夕法尼亚大学(University of Pennsylvania),专攻机器学习,城市大数据,数据驱动式设计,数字建造,混合现实技术。他于加州大学伯克利分校(UC Berkeley)获得建筑学硕士学位,于上海交通大学获得建筑学学士及文学学士学位。他曾工作于清华大学和加州大学伯克利分校,研究机械臂辅助施工,机器学习,仿生式3D打印。他的教学经验包括,同济大学工作营导师,宾夕法尼亚大学讲师,上海交通大学设计实践导师等等。同时,他还担任行业最高水平的国际会议ACADIA、CAADRIA、CDRF的协办人和审稿人,SCI/SSCI/AHCI期刊审稿人,中国知网特聘专家顾问等等。他总计发表包括国际顶级会议以及中科院一区SCI和AHCI收录文献在内的30余篇学术文章,受邀在国际大型会议上发言20余次,参与各大高校和学术组织的公开演讲10余次,涵盖清华大学,上海交通大学,同济大学,华南理工大学等国内知名学府。他拥有多年的建筑行业人工智能开发经验,担任多家建筑科技公司专家顾问与项目负责人,并拥有人工智能建筑设计领域上万粉丝的媒体平台,文章获得超百万次阅读和3万余次点赞。 |
|