Искусственный интеллект и вычислительное проектирование в моделировании архитектурных объектов

Эмиль АКШОВ, аспирант кафедры Информационные технологии в архитектуре», Московский архитектурный институт

Методы вычислительного проектирования архитектурных объектов развива­ются быстрыми темпами - и существенно изменяют характер работы архитек­торов Используя современные технологии, проектировщики могут создавать цифровые модели зданий и сооружений, проводить компьютерное моделиро­вание и анализ конструкций, а также получать данные об энерго- и экономи­ческой эффективности проектируемого объекта.

Корректное использование таких методов позволяет при ускорении процесса проекти­рования повышать его качество и точность создаваемых моделей будущих архитектур­ных объектов, улучшать характеристики и комфортность строящихся зданий. Вычисли­тельное проектирование предоставляет архитекторам возможность увеличить широту охвата данных и сформировать более точные и детальные модели, на основании которых на следующих стадиях проектирования происхо­дит выпуск рабочих чертежей. Ис­пользуя методы вычислительного проекти­рования, архитекторы могут быстро и каче­ственно реагировать на запросы заказчиков или конкурсные предложения, что приводит к увеличению конкурентоспособности архитек­турных мастерских.

Виды вычислительного проектирования

Вычислительное проектирование - это со­вокупность методов создания архитектурных объектов, которые включают в себя различные инструменты и технологии, используемые для создания проектов в цифровой среде. С пере­ходом на компьютерные программы весь про­цесс проектирования уже может быть назван вычислительным.

Существует несколько видов вычислитель­ного проектирования, каждый из них имеет свои особенности и применяется в различных сферах архитектурной практики.

Генеративное (созидательное) моделирова­ние, зародившееся в 2000-х годах как один из видов вычислительного проектирования, раз­вивается в трех направлениях: алгоритмиче­ское моделирование (написание кода), нодовое параметрическое моделирование, моделиро­вание с помощью нейросетей. В целом гене­ративное моделирование представляет собой метод, основанный на использовании алгорит­мов и правил для создания цифровых моделей, способных изменяться и развиваться согласно заданному алгоритму или параметрам, опреде­ленным пользователем. Этот метод позволяет создавать модели, которые могут быть оптимизированы для определенных целей. В этом случае результат работы будет предсказуем, но если добавить степени свободы для значений параметров, то архитектурная модель может развиваться «самостоятельно», подчиняясь сформированным правилам.

Центр Гейдара Алиева в г. Баку был спро­ектирован архитектурной фирмой Zaha Hadid Architects и завершен в 2012 году. Плавная, органичная форма здания была создана с ис­пользованием передовых технологий генера­тивного проектирования, которые учитывают уникальные условия участка, функциональные требования и критерии производительности. На основе программного обеспечения (Rhino/Grasshopper, Autodesk Maya, Autodesk Revit) архитекторы проектировали сложные кривые формы и управляли параметрами здания, та­кими как высота, ширина и длина различных архитектурных элементов (стены, окна, про­емы, перекрытия, элементы отделки и т. д.). В сооружении расположено множество объ­ектов. включая конференц-центр, музей и би­блиотеку. Проект получил множество наград за инновационный подход и поразительный визуальный образ. Центр считается достопри­мечательностью современной архитектуры города Баку и ярким примером использования генеративного дизайна для создания сложных и инновационных форм, отвечающих конкрет­ным контекстуальным и функциональным тре­бованиям.

Архитектурная компания 3XN использовала генеративный дизайн в нескольких своих не­давних проектах. Например, в проектировании Олимпийского дома (главный офис Междуна­родного олимпийского комитета) в г. Лозанна (Швейцария). Для генерации и оптимизации фасада здания специалисты 3XN прибегли к помощи искусственного интеллекта (artificial intelligence, или Al, - это технология создания интеллектуальных машин, согласно определе­нию Джона Маккарти, которого многие счита­ют одним из первопроходцев в этой области), что привело к созданию уникального и экологичного дизайна. Olympic House создан на базе принципов устойчивости и эффективного потребления ресурсов. Здание имеет множество уникальных архитектурных элементов, таких как крыша с солнечными батареями, фасад с многократно повторяющимся олимпийским символом, а также стеклянный прозрачный элеватор, поднимающийся по центру объекта.

Архитекторы также использовали AI при проектировании других объектов, в частности широко известного высокой степенью эко¬логической устойчивости небоскреба Quay Quarter Tower в г. Сиднее (Австралия), - для оптимизации производительности и энерго¬эффективности здания. Уникальная фасадная система регулирует освещение и теплообмен внутри сооружения. Система состоит из сте¬клянных панелей, которые могут поворачи¬ваться вокруг своей оси, чтобы контролиро¬вать количество света и тепла, проходящего через фасадную поверхность. Объект осна¬щен и другими элементами экосистемы, таких как сбор дождевой воды, солнечные батареи и ветроэнергетические установки.

Метод генеративного моделирования позволяет создать более точную и подробную модель объекта, что может быть полезно для архитекторов и инженеров, работающих над проектированием и строительством различных сооружений. А помимо этого - быстро вносить изменения в модель, чтобы отразить изменения в проекте или удовлетворить новые требования заказчика. Данные, которые можно включить в модель, работают на основе геометрии объекта (форма, размеры и пропорции). Допускается включение информации о конструкциях, материалах, данных о планировке и расположении помещений, о системах инженерных коммуникаций, освещении, вентиляции и т. д. Вся перечисленная информация может быть использована для создания более точных и полных моделей объектов, чтобы п мочь архитекторам и инженерам в работе HI проектом.

Алгоритмическое моделирование основывается на написании компьютерного кода, а также создании процедур и алгоритмов, которые затем могут быть применены для автоматического генерирования архитектура форм из программного кода. Это процесс создания сложных архитектурных форм и конструкций с использованием математических алгоритмов и компьютерного программирования.  

Нодовое параметрическое моделирование (parametric modeling) - метод создания цифровых моделей, использующий параметры и правила, которые определяют форму, размер и другие характеристики объекта. Основывается на создании модели, которая зависит от параметров, определяющих ее форму и характеристики. Метод позволяет архитекторам быстро изменять параметры модели для получения различных вариантов проекта, что может быть особенно полезно в случае работы над крупными сооружениями.

Нейронные сети и проектирование архитектурных объектов

Проектирование архитектурных объектов с помощью нейронных сетей - относительно новая технология в области архитектуры и строительства. Языковая модель искусственной нейронной сети (ANNs) - это тип модели машинного обучения, созданный по аналогии с работой нейронной структуры человеческого мозга. ANNs способны учиться сложным нелинейным отношениям между входными и выходными данными и могут быть обучены с использованием различных алгоритмов, таких как обратное распространение ошибки. ANNs широко используются в таких приложениях, как распознавание изображений и речи, обработка естественного языка и задачи прогнозирования.

Для создания моделей архитектурных объектов нейросеть обучается на основе многочисленных образцов, после чего может создавать новые объекты исходя из полученных знаний. Этот метод позволяет создавать объекты с высокой степенью детализации и реалистичности, но требует больших вычислительных ресурсов и времени на обучение.

Очевидно, что AI имеет потенциал изменить способ создания ЗD-моделей в будущем. Один из подходов, который уже исследуется, это ра­бота с генеративно-состязательными сетями (GANs) для создания облаков точек, которые затем можно применить для генерации ЗD-мо­делей. Еще один подход - использование ал­горитмов обучения с подкреплением, которые могут научить нейросеть генерировать ЗD-модели методом проб и ошибок, основываясь на обратной связи с окружающей средой. Кро­ме того, разрабатываются АI-инструменты, которые могут автоматически генерировать 3D-модели из 2D-изображений или видео с использованием таких технологий, как фото­грамметрия и компьютерное зрение.

Подведем итоги

Создание концепций архитектурных объек­тов на основе алгоритмического, параметри­ческого и нейросетевого моделирования име­ет огромный потенциал в проектной сфере. Новые методы позволяют архитекторам соз­давать более сложные и инновационные ар­хитектурные формы, которые ранее были бы невозможны. Сформировался полноценный новый инструмент, который не только обра­щается к огромной базе данных, но и выдает на ее основе возможные решения.

На данном этапе развития актуально ис­пользовать в проектной и исследовательской практике процесс синергии трех путей разви­тия моделирования с помощью кодов, пара­метров и нейросетей. Нейросети выполняют функцию консультанта с возможностью стать в будущем инструментом, проверяющим и частично исполняющим работу архитектора. Их использование позволяет одновременно творчески и логически решать поставленные задачи в разных сферах деятельности, в том числе и архитектуре, создавая любую цифро­вую графику. Нейросетевое моделирование позволяет использовать искусственный ин­теллект для анализа больших объемов данных и выявления скрытых зависимостей и законо­мерностей. Архитектор в этом случае может лучше понимать потребности клиентов и соз­давать более эффективные и функциональные здания.

Но несмотря на то, что искусственный ин­теллект может помочь в оптимизации про­цессов, ускорении и улучшении качества при­нимаемых решений, необходимо помнить и о потенциальных опасностях и ограничениях в использовании AI. По мнению исследователей, использование искусственного интеллекта может быть полезным в различных областях, но необходимо помнить о его ограничениях и потенциальных опасностях. Обсуждаются и проблемы делегирования части работы ар­хитектора нейросетям. При этом существует опасность замены человеческого творческого потенциала и интуиции на AI, что может при­вести к потере инноваций и оригинальности.

AI может помочь архитекторам работать бо­лее эффективно, но роль человеческого твор­чества и интуиции всегда будет иметь опреде­ляющее значение в процессе проектирования.

Использование естественного языка запро­сов платформами искусственного интеллекта открывает новые возможности для творче­ства. Зачастую именно в этом направлении процесс генерации начинает развиваться по собственному сценарию, выбранному нейро­сетью. Архитектор может получить решения, которые он не предвидел изначально. Такой подход отличается от традиционного поиска, при котором происходит авторское личное переосмысление разных аналогов для исполь­зования их в проектном решении.

Анализируя миллионы архитектурных про­ектов и документов, платформы на базе ис­кусственного интеллекта могут предоставлять информацию и рекомендации, которые помо­гают архитекторам генерировать новые идеи и принимать более обоснованные решения.

Важно понимать, что творческий процесс идет в этом случае по-другому. Проектиров­щикам необходимо применять свои креатив­ные способности на уровне создания тексто­вых схем, структур, запросов. Чем точнее и яснее архитектор будет выражать свои мысли и идеи, тем лучше будет результат работы с AI. Концепция проекта в любом случае исходит от специалиста, а программное обеспечение помогает быстро находить ответы на постав­ленные вопросы и проводить сравнение мно­гих вариантов решений.

Соединение уникальных свойств человече­ского интеллекта с возможностями программ­ного обеспечения - вот наиболее выигрыш­ный путь создания архитектуры будущего.

Вестник НОПРИЗ №4, 2023, 56-60.

Дата публикации: 10/01/2024 18:27

Дата последнего обновления: 10/01/2024 18:27