人工智能因其强大的学习能力和高效的剖析决策能力在许多行业起到了提高效率的浸染，在建筑行业也已经有一定的渗透，如智能建造，建筑能耗预测等。现阶段基于统计机器学习的人工智能在建筑行业中更多的充当的是赞助的角色，在依赖创造性的建筑设计领域，是否也能帮上忙呢？答案是肯定的。本文将重点先容我们能期待人工智能在建筑设计的大大小小的环节中发挥什么样的浸染，同时从中国与欧美的差异的角度看中国建筑设计人工智能运用所面临的局限和发展趋势。为了将涉及人工智能的建筑设计和以往的自动化赞助设计区分开来，我们将首先回顾一下建筑设计与打算机技能结合的不同阶段。
作者 | 言青佳、陆少游
一 建筑设计市场规模及现状早在二十世纪五十年代，打算机赞助设计(CAD，Computer Assisted Drawing)软件的第一代原型PRONTO就已面世，开启了建筑设计领域打算设计（Computational Design）在学界谈论和业界运用的大潮。CAD在八九十年代逐渐成为一门正式学科及事情范式并发展涌如今行业标配的三维立体设计软件。CAD对几何形状的严格把控使得设计变得可靠和可行，同时许可更多的迭代并降落本钱。但一些任务的重复繁琐的操作及对繁芜形状的无能为力成为了其发展的阻碍，参数化设计软件应运而生。1988年首款几何图形参数可控的软件Pro/ENGINEER涌现，随后2000年旁边Grasshopper出身，让设计师通过全面掌握及快速调度参数落实设计思想。在Zaha Hadid Architects等设计事务所的大力采取下，参数化开启了建筑设计的新篇章。而21世纪图像领域深度神经网络的发展，使得发达发展的人工智能技能利用在创造性的设计领域成为可能。不同于打算机赞助设计和参数化设计，人工智能的参与使得设计不再完备依赖人类对终极呈现的设定。
二 交通管控常见人工智能技能
神经网络：ANN(Artificial Neural Network)，是一种模拟生物神经网络的数学模型，用于对函数进行估计或近似。它在每一层对神经元的输入向量与权向量的内积作函数变换得到输出向量作为下一层的输入向量，通过反向传播等基于数理统计学的学习算法来进行优化。
卷积神经网络：CNN(Convolutional Neural Network)，一种包含卷积打算并且有深度构造的前馈神经网络。常日神经层数较多，对付大型图像处理有出色表现。卷积神经网络由一个或多个卷积层和顶真个全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。个中经典模型LeNet、VGG和Resnet等均属于CNN。
循环神经网络：RNN（Recurrent neural network），是神经网络的一种。它的同层的神经元之间通过函数连接形成有向的通报关系，故而得名。神经元之间的联系使得该模型能更好地处理序列信息。常用于语音识别的LSTM模型和Google开拓的能像人类一样绘制物体的程序Sketch-RNN所用的模型均属于RNN。
天生对抗式网络：GAN（Generative Adversarial Network），是通过让两个神经网络相互博弈的办法进行学习的达到优化参数目的一种半监督学习模型。它由一个天生网络与一个判别网络组成，天生网络从参数空间中随机取样作为输入，其输出结果须要只管即便模拟演习集中的真实样本。判别网络的输入则为真实样本或天生网络的输出，其目的是将天生网络的输出从真实样本中尽可能分辨出来。两个网络相互对抗、不断调度参数，终极目的是使判别网络无法判断天生网络的输出结果是否真实。该方法使得人工智能从剖析工具向天生媒介更近了一步，能根据学习天生绘画、图像。在GAN框架下发展出许多针对任务的算法，如StyleGAN和ArchiGAN。
三 人工智能技能在建筑设计中的运用 四 人工智能在建筑设计的运用案例简述小库科技：成立于2017年，人工智能建筑师小库是一款在实际设计层面运用人工智能的只能设计云平台，将人工智能、大数据和智能显示等技能融入到云端操作界面中，帮助提高城市方案和建筑设计前期事情效率，帮忙设计师天生前期创意方案。小库工具能实现实时快速排量，帮助助理建筑师快速落实主创的多个设计草图想法，智能天生车库排布图等。
酷家乐：致力于AI技能与算法的研发，室内家装软件公司酷家乐推出智能造型设计、智能水电设计、智能施工图等产品，让设计师迅速完成外景别墅、楼梯、栏杆、梁柱、阁楼、长廊、斜顶的建模，并自动天生渲染效果图。同时水电设计模块将具备自动化智能设计和个性化人工设计的双项功能，可智能识别户型构造、自动定位电路插座，自动连接管道线路、自动分配电流电源、自动识别线路冲突，完成水电设计的基本布局。
Finch3D: 推出的CAD/BIM工具可以借助仿照器和人工智能，代替建筑师来完成重复性的事情，如评估、法规检索等，从而勾引设计师完玉成部设计流程，从而做出更加明智的设计决策。其余，其还可以根据设计师输入的数据进行趋向算法打算，帮助设计师完成建筑高度、公寓分布、墙壁厚度等自动化打算事情。
麻省理工学院赵选贺团队：开拓出利用天生式对抗网络GANs来设计繁芜构造的平台。打算机通过设计材料的构造来追求某种性能，代替人类设计师进行大量数据仿照打算，不仅能开释人类设计的精力，也能拓宽设计师构造方案的选择。
五 人工智能在建筑设计领域的局限性中国建筑设计运用人工智能的概况受建筑行业整表示状限定。一方面建筑行业人力资丰富，设计单位并没有利用人工智能工具减少人工本钱例如代替低级绘图员的动力；另一方面设计施工标准相对欧美体系整体而言较粗放，BIM的利用也并未成为行业标准或是主流。由于缺少数据化管理，用以演习神经网络的数据集每每难以得到。
环球范围而言人工智能在建筑设计行业的运用也仅仅处于探索阶段，更多的情形是学界的研究案例和业界事务所各自针对某个设计小任务逐案的运用。零零散星的考试测验尚不成景象，须要更多的互换，并通过设计师在重大项目中运用加以推广。
六 人工智能在建筑设计领域的发展趋势紧张在建筑设计阶段性任务上实现智能化，人工智能插件和设计师们习气利用的大型设计软件的集成显得非常主要，也是近期内的一个趋势。同时参数化设计在欧美仍在风起云涌地发展中，将人工智能与参数化运用处景结合，例如自动调参，也是可以磋商的一个方向。
海内建筑行业向设计及施工风雅化，数据化发展。施工的风雅化和规范化需求会反浸染于设计阶段的数据化，从而促进BIM设计的推广。在这样的根本上实现建筑设计行业数据的积累，才有助于人工智能算法的开拓、演习和运用。
设计单位与有人工智能开拓能力的科技公司互助。目前海内紧张设计单位如大型设计院和设计事务所尚少建立专注于打算机技能的开拓团队，大多不具备人工智能开拓能力。与科技公司互助就某一设计任务开拓人工智能工具是未来建筑设计行业引进人工智能的可行方法。
上一篇