¿Cuáles son las posibilidades de que Python y el aprendizaje profundo se integren con el diseño arquitectónico?
Llevo casi una semana siguiendo este número y hasta el momento no me he encontrado con grandes sorpresas. Siento que la comunidad de diseño arquitectónico todavía necesita aprender algo. No hagas una gran noticia solo porque el aprendizaje profundo es tan popular y aplica estas cosas al diseño arquitectónico.
De hecho, ¿cómo se puede vincular el aprendizaje profundo con el diseño arquitectónico? Si solo me refiero al "aprendizaje profundo", entiendo que utiliza muchas capas de redes neuronales artificiales. ¿Qué papel puede desempeñar esta tecnología en el diseño arquitectónico? Realmente no he encontrado ningún ejemplo del uso directo de tecnología de aprendizaje profundo para ayudar en el diseño arquitectónico. Pero si el concepto de la pregunta se relaja un poco y se convierte en "cómo utilizar el aprendizaje automático y otros algoritmos para ayudar en el diseño arquitectónico", entonces creo que aún hay mejores ejemplos.
La tecnología de aprendizaje automático es una tecnología que se utiliza para mejorar lentamente el rendimiento de ejecución de un programa con la acumulación de volumen y tiempo de entrada. Por ejemplo, escribe un programa para predecir el precio de la vivienda de una villa. La función de este programa es predecir el precio de la vivienda en función de los datos de entrada [ciudad, calle, ubicación, área, tipo de unidad,...] y otros. parámetros Para mejorar la precisión de la predicción del programa, primero debe proporcionar al programa algunos datos que ya tienen resultados de valoración. Después de que el programa aprenda ciertos datos, puede predecir los precios de la vivienda por sí solo. Entonces, ¿cuál es la conexión entre la forma en que funciona este programa y nuestro flujo de trabajo en el diseño arquitectónico? Cuando diseñamos, también investigamos primero y nos referimos a una gran cantidad de casos de edificios similares. Sólo después de acumular una cierta cantidad podemos comenzar a diseñar nosotros mismos. Sabiendo esto, puede imaginar una idea de utilizar el aprendizaje automático para ayudar en el diseño arquitectónico: primero deje que el programa aprenda los planes de diseño arquitectónico anteriores y luego el programa podrá hacer el diseño por sí solo.
Se puede decir que este artículo de 2010 sobre diseños de edificios residenciales generados por computadora es un modelo de las ideas anteriores. El autor afirma haber "utilizado un enfoque basado en datos para diseñar una herramienta que puede crear automáticamente diseños arquitectónicos con muy buenos efectos visuales. Sin embargo, creo que la calidad del artículo supera con creces una descripción tan humilde, porque las ideas implementadas". En el artículo se tomaron prestados en gran medida de En realidad, los arquitectos llevan a cabo procesos de trabajo de diseño y utilizan la red bayesiana, un modelo matemático muy hermoso, para describir la distribución de un programa arquitectónico en el espacio. Todos los datos de entrenamiento de la red bayesiana provienen de. los diseños de arquitectos reales plan. Personalmente, creo que es más correcto utilizar ideas de aprendizaje automático para abordar problemas de diseño arquitectónico que el enfoque de modelado de procedimientos de Shape Grammar en los últimos diez años.
¿Cómo se desarrolla la tesis? En primer lugar, el autor resume el trabajo anterior y explica que los algoritmos anteriores basados en el agotamiento no son factibles. Resolver exhaustivamente un problema de asignación de espacio tan complejo en el espacio 3D es tan difícil como un mono escribiendo en el teclado para conseguir una obra de Shakespeare. Luego, el autor critica el esquema Shape Grammar desarrollado por Muller en la década de 1990, que no es bueno porque Shape Grammar es una gramática gráfica. Sabemos que los lenguajes de programación se generan en base a un conjunto limitado de reglas, y en el diseño arquitectónico dicha regla. Las cláusulas son difíciles de describir formalmente y tienden a hacer infinito el número de gramáticas. Por cierto, cuando hace décadas los informáticos estaban superando los problemas del reconocimiento de voz y la traducción automática, también creían que el lenguaje natural se generaba enteramente basándose en reglas limitadas. Sin embargo, más tarde descubrieron que esto no funcionaba, y no fue hasta entonces. Más tarde cambiaron a un método estadístico. Después de la investigación, hubo un gran avance. Otra razón por la que la gramática de formas no es adecuada para el diseño arquitectónico es que el diseño arquitectónico no es un juego de transformación gráfica. Cada espacio arquitectónico tiene consideraciones basadas en factores funcionales, psicológicos y de utilidad. Ha habido artículos anteriores que utilizaron gramática de formas para analizar las reglas gramaticales de la casa con chimenea de Wright, pero el alcance de la aplicación era demasiado limitado. Entonces este camino es imposible.
El autor del artículo cree que hacer planes debe basarse en la comodidad y las necesidades psicológicas, los hábitos, las relaciones sociales y otros factores de las personas. Sólo después de considerarlos de manera integral se puede lograr un resultado más razonable. Por ejemplo, es mejor que la forma de la habitación sea convexa en lugar de cóncava, porque en términos de iluminación, la ubicación de los muebles y una forma regular por encima de la línea de visión son mejores, cada función del edificio debe formar un gradiente de apertura y privacidad; porque Esto refleja la forma en que se utiliza el edificio.
Para estudiar un método mejor, el autor fue a buscar arquitectos a una firma de arquitectura para consultarles sobre los métodos de trabajo de los arquitectos profesionales, y llegó a una conclusión particularmente útil: después de que los arquitectos consultaron con el cliente en la etapa inicial, Antes de los dibujos detallados, los diagramas de burbujas se utilizan generalmente para pensar en problemas, y los diagramas de burbujas reflejan información muy condensada sobre un plan arquitectónico, incluida la privacidad, la adyacencia de las habitaciones, la iluminación, las preferencias del propietario y las costumbres culturales.
A los ojos de los arquitectos, los diagramas de burbujas son el primer paso en el trabajo de diseño de programas, pero a los ojos de los informáticos, son una estructura de datos compleja: un gráfico. Dibujar un diagrama de burbujas del usuario o del documento de tarea es un reflejo de la capacidad profesional del arquitecto, ya sea que esta capacidad se base en una formación a largo plazo o en una idea temporal, conocemos la información contenida en esta imagen. grande. Entonces ahora la pregunta es: ¿cómo dejar que la computadora genere un mapa de burbujas de este tipo?
En este momento le toca aparecer al algoritmo de aprendizaje automático al principio de esta respuesta. El autor utiliza un modelo gráfico probabilístico, la red bayesiana, para describir el diagrama de burbujas elaborado por el arquitecto. En términos humanos, esto se usa para describir la distribución de probabilidad de cada parte del plano arquitectónico en el espacio. Parece que todavía no es fácil de entender, pero en definitiva, sabemos que este modelo puede hacerle saber a la computadora que, correspondiente a un plan arquitectónico exitoso, la probabilidad de que la sala de estar, el dormitorio, el pasillo, etc. aparezcan en ciertos lugares. La probabilidad es mayor que en otras ubicaciones y la posición con alta probabilidad es una posición razonable, por lo que es más fácil generar un buen plan.
Para el entrenamiento de la red bayesiana, el autor creó 120 planos de edificios residenciales como datos de entrenamiento para alimentar el programa. Ahora el programa finalmente conoce los métodos básicos de construcción de planos. El siguiente es el mapa de burbujas generado en base a la red bayesiana:
Después de obtener el mapa de burbujas, ¿cómo generar el plano de construcción a partir de esto? Después de muchos giros y vueltas, el autor finalmente utilizó el algoritmo Metropolis para resolver el problema. La descripción específica del proceso de generación está escrita en el artículo, por lo que no la escribiré en detalle (de hecho, no puedo entenderla). El siguiente paso es generar un modelo 3D, dice el autor con orgullo. que el algoritmo que desarrolló realmente realiza múltiples capas. La generación anterior de planos arquitectónicos solo puede generar un plano de un solo piso, lo que tiene un efecto limitado. Aquí hay algunos resultados: Después de terminar el mapa de burbujas, ¿cómo se genera un plano arquitectónico a partir de esto? Después de muchos giros y vueltas, el autor finalmente utilizó el algoritmo Metropolis para resolver el problema. La descripción específica del proceso de generación está escrita en el artículo, por lo que no la escribiré en detalle (de hecho, no puedo entenderla). El siguiente paso es generar un modelo 3D, dice el autor con orgullo. que el algoritmo que desarrolló realmente realiza múltiples capas. La generación anterior de planos arquitectónicos solo puede generar un plano de un solo piso, lo que tiene un efecto limitado. Los siguientes son algunos resultados:
Algunos de los 6 aviones fueron hechos por personas y el resto por máquinas. Puedes adivinar cuáles fueron hechos por máquinas. La respuesta está contenida en el documento. Algunos de los 6 aviones están hechos por personas y el resto por máquinas. Puedes adivinar cuáles fueron fabricados por máquinas. La respuesta está contenida en el documento.
El último es el modelo 3D generado, y los muebles están dispuestos a mano. ¡Sigue siendo bastante realista!
El autor finalmente mencionó que planea aplicar esto a más tipos de edificios, como edificios de oficinas. Si esto madura, los arquitectos ya no tendrán que preocuparse ni siquiera por quedarse sin trabajo.
Finalmente, déjame comentar sobre esto. En las últimas décadas, la automatización del trabajo del conocimiento se ha extendido a todas las industrias del mundo. Muchas personas están preocupadas por si se reemplazarán los puestos laborales de bajo nivel, como conducir automóviles, ser mensajeros, escribir comunicados de prensa, traducir, taquigrafía, etc. ¡Este tipo de preocupación realmente no es sin razón! Cuando un modelo matemático elegante y conciso se encuentra con una computadora, una máquina que puede realizar cálculos de fuerza bruta, la combinación crea una clase tras otra de máquinas inteligentes que pueden replicarse a gran escala. Da miedo pensar en ello. Pero no se preocupe demasiado, la gente en la industria del diseño arquitectónico todavía juega un papel importante. Muchas veces, cuando el Partido A busca a alguien para diseñar, valoran al propio diseñador, además de su capacidad profesional, su comunicación, su personalidad y sus antecedentes. y licencia El respaldo de otros también es muy importante, pero se desconoce si este modelo industrial que ha durado mucho tiempo en la industria de la construcción será subvertido en el futuro.
Además, el programa también necesita consumir una gran cantidad de datos de capacitación para mejorar sus habilidades de diseño. En la actualidad, todos los colegas en diseño arquitectónico ocultan los planos que recopilan como si fueran tesoros. Es difícil garantizar una cantidad grande y completa. datos, no lo sé. ¿La popularidad de BIM mejorará este aspecto en el futuro?