Metarchitecture: rethinking architectural design process using integrated parametric design and machine learning principles

Abstract

Η Τεχνητή Νοημοσύνη (ΤΝ) έχει τη δυνατότητα να επεξεργαστεί μεγάλες ποσότητες υποκειμενικών και αντιφατικών πληροφοριών στην αρχιτεκτονική. Ωστόσο, έχει χρησιμοποιηθεί κυρίως ως εργαλείο για τη διαχείριση των πληροφοριών παρά ως μέσο ενίσχυσης της δημιουργικής διαδικασίας σχεδίασης. Αυτή η εργασία προτείνει έναν καινοτόμο τρόπο ενίσχυσης της αρχιτεκτονικής διαδικασίας σχεδίασης με την ενσωμάτωση της Μηχανικής Μάθησης (ΜΜ), είδος ΤΝ, σε μια παραμετρική αρχιτεκτονική διαδικασία σχεδίασης. Η ΜΜ θα λειτουργούσε ως μεσολαβητής μεταξύ των εισροών του αρχιτέκτονα και των αναγκών του τελικού χρήστη. Ο στόχος αυτής της εργασίας είναι να εξερευνήσει πώς η Μηχανική Μάθηση (ΜΜ) μπορεί να χρησιμοποιηθεί για να οπτικοποιήσει δημιουργικές προτάσεις σχεδιασμού μετατρέποντας πληροφορίες από μια μορφή σε μια άλλη - για παράδειγμα, από κείμενο σε εικόνα ή από εικόνα σε τρισδιάστατα σχήματα. Επιπλέον, στόχος είναι να αναπτυχθεί μια διαδικασία που μπορεί να δημιουργήσει συνεκτικά εννοιολογικά σχήματα μέσω αιτήματος σε μορφή εικόνας ή/και κειμένου. Η προτεινόμενη μέθοδος περιλαμβάνει ουσιαστικά τα εξής βήματα: Δημιουργία μοντέλου, Επαναοπτικοποίηση, Αξιολόγηση. Χρησιμοποιώντας αυτήν τη διαδικασία, οι τελικοί χρήστες μπορούν να συμμετάσχουν στη διαδικασία σχεδίασης χωρίς να επηρεάζουν αρνητικά την ποιότητα του τελικού προϊόντος. Ωστόσο, ο κύριος στόχος αυτής της προσέγγισης δεν είναι να δημιουργήσει ένα τελικό, πλήρως υλοποιήσιμο προϊόν, αλλά να χρησιμοποιήσει την αφαίρεση και μέσω επεξεργασίας να δημιουργήσει ένα κατανοητό αποτέλεσμα που θα εμπεριέχει όλα τα ελάχιστα ούτος ώστε να έχει τη δυνατότητα να λάβει αξιολόγηση.

Artificial Intelligence (AI) has the potential to process vast amounts of subjective and conflicting information in architecture. However, it has mostly been used as a tool for managing information rather than as a means of enhancing the creative design process. This work proposes an innovative way to enhance the architectural design process by incorporating Machine Learning (ML), as a type of AI, into a parametric architectural design process. ML would act as a mediator between the architects’ inputs and the end-users’ needs. The objective of this work is to explore how Machine Learning (ML) can be utilized to visualize creative designs by transforming information from one form to another - for instance, from text to image or image to 3D architectural shapes. Additionally, the aim is to develop a process that can generate comprehensive conceptual shapes through a request in the form of an image and/or text. The suggested method essentially involves the following steps: Model creation, Revisualization, Evaluation. By utilizing this process, end-users can participate in the design process without negatively affecting the quality of the final product. However, the focus of this approach is not to create a final, fully-realized product, but rather to utilize abstraction and processing to generate a more understandable yet minimal outcome which will have the capability to receive an evaluation.