Нейросеть и архитектура

В этой статье мы публикуем часть тезиса, разработанного в Гарварде и представленного в мае 2019 года. Этот фрагмент является одним из строительных блоков более обширной работы, исследующей зарождение ИИ в архитектуре, историческое прошлое и потенциал для пространств.

1*F5VRsKkQRzaBIxasDS-DNg-2

По мере того, как мы совершенствуем нашу способность генерировать планы этажей, мы поднимаем вопрос о предвзятости, присущей нашим моделям, и предлагаем здесь расширить наше исследование за пределы простого императива организации. Мы исследуем изучение архитектурного стиля, обучая и настраивая множество моделей на конкретные стили: барокко, рядный дом, викторианский пригородный дом и манхэттенское отделение, Помимо простой уловки каждого стиля, наше исследование раскрывает более глубокое значение стилистики: стиль, помимо простого культурного значения, несет в себе фундаментальный набор функциональных правил, которые определяют четкую механику пространства и контролируют внутреннюю организацию плана. В этой публикации мы попытаемся доказать глубокое влияние архитектурного стиля на композицию планов этажей.

В процессе изучения искусственного интеллекта и его потенциала в архитектурной практике, мы разработали цельную методику, используя генеративный состязательный Neural Networks (Generative Adversarial Neural Networks – GANs). ИИ, как оказалось, дает потрясающие результаты в генерации двумерных моделей. Как и любая модель машинного обучения, GANs ведет поиск статистически значимых явлений среди представленных им данных. Однако их структура представляет собой прорыв: она состоит из двух ключевых моделей: генератора и дискриминатора. GANsиспользуют петлю обратной связи между обеими моделями, чтобы улучшить их способность генерировать соответствующие изображения. Дискриминатор обучен распознавать изображения из набора данных. При правильном обучении эта модель способна отличить реальный пример, извлеченный из набора данных, от «поддельного» изображения, чуждого этому набору данных. Генератор, однако, обучен создавать изображения, похожие на изображения из того же набора данных. Когда Генератор создает изображения, Дискриминатор предоставляет ему некоторую обратную связь о качестве его вывода. В ответ Генератор адаптируется для получения еще более реалистичных изображений. Благодаря этой петле обратной связи GANs постепенно наращивает свою способность создавать соответствующие синтетические изображения с учетом явлений, обнаруженных среди наблюдаемых данных.

1*tz5nA_bl8E8qzhV8YvSwLQ
Архитектура генеративной состязательной нейронной сети

Мы специально применяем эту технологию для проектирования планов этажей, используя изображения в виде планов в качестве формата данных для входов и выходов наших моделей GANs. Платформа, используемая на протяжении всей нашей работы, представляет собой Pix2Pix, стандартную модель GANs, предназначенную для преобразования изображений в изображения.

I. Организация

Расположение элементов в пространстве является ключевым вопросом для архитектурной дисциплины. Эта задача нетривиальна и может быть дискретизирована в последовательность шагов. Каждый шаг фактически фиксируется тщательно обученной моделью GANs. Тщательное изучение организации, изученное каждой модели, показывает наличие более глубокого уклона, известного нашей дисциплине как архитектурный стиль. Такое представление процесса проектирования поможет нам свести на нет различные стилистические уровни и изолировать основы влияния стиля.

Конвеер проектирования

Сначала мысоздаём конвейер, в котором, вкладывая последовательные модели одна за другой, мы помогаем архитектору создать согласованную планировку помещения (Модель I) и отделку (Модель II), чтобы наконец собрать все жилые единицы в предварительный план этажа.

1*aY4imON3tt7if8GxDLuEyw
Процесс генерации пространства, Модель I и Модель II

На каждом этапе нашего конвейера мы предоставляем пользователю простой интерфейс. Слева он/она может ввести набор ограничений и границ, чтобы с правой стороны сформировался результирующий план. Затем разработчик может итеративно изменить ввод слева для уточнения результата справа. Анимации, представленные ниже, демонстрируют этот тип интерфейса и процесс, настроенный для Модели I.

Интерфейс ниже также может быть опробован по следующему адресу(Производительность зависит от разрешения экрана / версии браузера – рекомендуется Chrome)

1*cHEAT7qVd-gMR0zdjeGsiA
1*HL5IIWCrgTnaRX3I63rFpQ
1*Na9YE7HXiR0YlhldRJJ-MA
1*OUuWZdrCfChTtxRl6CKB-g
1*XJWROxl6SYHaINNGMNF53w

Предвзятость и появление стиля

Принимая к во внимание партии сгенерированных единиц, мы начинаем замечать некоторое количество собственной предвзятости к нашей модели: внутренняя структура стены последовательно выкладываются в виде ортогональной системы перегородок, без внимания на потенциальную ориентацию фасадов. В то же время компоновка программы также последовательно настроена таким образом, что «обслуживающие» помещения – ванная, туалеты, шкафы, кухня – располагаются в глубине пространства, в то время как почетная геометрия фасада поглощается жилыми комнатами и спальнями.

1*tmTnNkNy1vfyBcWzuCLJbw

Эти характеристики, на самом деле, можно найти во всех наших начальных занятиях. Здесь мы понимаем эту реальность как буквальный перевод концепции, лежащей в основе архитектурной дисциплины: стиль .

II. Стиль

Вместо того, чтобы предотвращать этот уклон, стремясь создать общий или объективный план помещения –что нас здесь не касается – мы скорее примем его и изучим его влияение, чтобы в конечном итоге использовать его в своих интересах.

1*PGX-2cTsAYTTyyuNZIWRcQ
1*1KEusQ219qdaxAg6mJGkcw

Вышеприведенный пример раскрывает более глубокий смысл архитектурного стиля: в данном случае мы вычли первоначальную структуру стены (модерн) из переведенного плана (барокко). Итоговое изображение – это дополнение, которое вызывает стиль барокко: это не просто новый макияж существующей фигурной стены, а скорее глубокая реконструкция внутренних структур и пространственных организаций.

На самом деле, мы видим здесь то, что Фаршид Муссави обозначил как функцию стиля в своей книге. Каждый стиль, помимо своей культурной значимости, обрабатывает пространство по-разному и реагирует конкретно на подобные ограничения.

Чтобы исследовать изучение архитектурного стиля, мы обучили и настроили множество моделей на конкретные стили-барокко, рядный дом, Викторианский пригородный дом и Манхэттенский блок, способный эмулировать каждый конкретный архитектурный стиль.

1*yDCV2n1jE_-I0s4ITy6fIg

Для каждого стиля мы показываем здесь ниже начальный набор тренировок (слева), некоторые результирующие сгенерированные квартиры (в центре) и физическую модель тех же квартир (справа).

1*Pf1Gb5POdcKW8o7vp5Akfw-2
1*H3fDh2UPKV_J04XwqsmUHA
1*RByCJsy7KoLaJwZ9yditPA

Среди сгенерированных единиц мы можем выделить несколько четких шаблонов внутри каждого стиля. Это ”поведение”, присущее каждой модели, является для нас прямым переводом механики каждого стиля. Каждая модель не просто накладывает простую текстуру на каждую квартиру, но и фиксирует набор характеристик и правил.

1*fFQt9gzOh-O_FVg-5SlHOw

Чтобы выйти за рамки этого простого наблюдения, мы предлагаем наметить возможности каждого стиля. Каждой модели соответствует набор сильных и слабых сторон, и их определение позволит нам по-настоящему оценить функциональную реальность каждого стиля. Кроме того, мы надеемся расширить наше понимание возможностей наших моделей, чтобы впоследствии использовать каждую из них целенаправленно, учитывая новый набор ограничений и функциональных требований.

Для ясности мы предлагаем шестиосный график, отражающий способность модели обрабатывать шесть конкретных типов условий: глубина, компактность, Однофасадность или Многофасадность, острые уголы (резкие геометрии границ), спектр программирования (широта возможностей).

После тщательного тестирования наших четырех моделей мы наблюдаем следующие графики…

1*5eeMvoOzHiI7sxaCx6EpDA

Для большей конкретики, и для экспликации приведенных выше графиков, мы предлагаем подробное объяснение характеристик каждого стиля:

Барокко

  • Справляется с глубиной и резкими геометрическими границами. Умножая ниши и альковы, этот стиль может разделить участок и вырезать подходящие пространства из глубины участка.
  • Однако этот стиль нуждается в пространстве, чтобы развернуть свою логику и внутреннюю структуру, и поэтому не достаточно компактен.

Стиль Манхэттена

  • Лучше реагирует на однофасадную или двухфасадную ориентацию.
  • Отображает широкий программный спектр.
  • Имеет проблемы, связанные с глубиной и резкими геометрическими границами.

Ряд домов

  • Компактность, путем распределения функциональности между этажами и ограничения каждой функции в малых уединенных пространствах.
  • Глубина обрабатывается довольно хорошо и часто заполняется вертикальной циркуляцией, вокруг которой агрегируются обслуживающие пространства.

Викторианская субурбия

  • Легко справляется с несколькими ориентациями фасадов.
  • Имеет дело хорошо с глубиной, населяя центр участка с обслуживающими пространствами.
  • Отображает широкий спектр комнат и программную насыщенность
  • Однако этот стиль плохо реагирует на требования компактности и не может по-настоящему справиться с резкими геометрическими границами.
1*R8CjkEiI11Z6cAI-U0akIw

III. Приложение

Наконец, мы объединили все эти выводы в окончательный архитектурный проект: крупномасштабный жилой комплекс, расположенный в Нижнем Ист-Сайде Манхэттена. Сложная геометрия участка накладывает определенную сложность на наш дизайн. В результате нашей генерации (рисунок вверху) мы получаем 380 квартир (внизу, справа).

А. Здание

1*-vHqch9-YSmbwLt-Rxw8IA
1*sAfHDZ3kWPld5y1X70eIUg
1*ZrVmhm-JU3yZ3Isve9DWeg

Сначала мы пытаемся сгенерировать каждый этаж, используя разные стили. Результаты, представленные здесь ниже, еще раз показывают необходимость использования стилей осторожно, с уважением к ограничениям и специфике каждого контекста. Если одни секции успешно выстраиаются с использованием определенного стиля, другие страдают от отсутствия должной внутренней организации. Чередуя стили в нашем каталоге квартир, мы надеемся найти подходящий ответ на каждое конкретное пространственное условие.

1*lxLuzZjCBSCHtPpzLUaw6g

Зная сильные и слабые стороны каждой модели GAN, потенциал и недостатки каждого стиля, мы теперь обрабатываем каждую квартиру, используя наиболее подходящую модель. Каждый этаж превращен в лоскутное одеяло стилей. Наша цель состоит в том, чтобы составить нашу” мозаику”, выбирая для каждой плитки-каждого блока-наиболее разумную модель, которая лучше всего справится с конкретными ограничениями. Из этого процесса выбора мы выделили некоторые результирующие параметры, показанные здесь ниже.

1*JSpoqpnSwn1C-VTuP_Dy3g
1*2QzqrnKxbYwPCivPh2L1UA
1*-VHPkDdNCbuv7vOeekH9gw

Мы после этого сужаем наше исследование, уточняем окончательный выбор блоков и типов для всех планов этажей, для того чтобы собрать нашу окончательную конструкцию. Ниже приведены три типичных этажа…

1*Ctin0LsCZQdkEkbAQP0ggw-2

Мы фактически превратили стили в функциональные инструменты, способные способные справляться с конкретными условиями на всем протяжении нашего проекта.

Однако, как показывают вышеприведенные планы, мы отбрасываем некоторые ограничения и делаем четкие предположения. Мы хотели бы прояснить эти моменты.

i. Структура

Проект состоит их структурных ядер, и линиям напряжения бежать вдоль фасада. Поэтому план учитывает вертикальные нагрузки и позволяет нашим алгоритмам свободно генерировать систему разделения каждого блока.

Примечание: оглядываясь назад на наш конвеер проекирования, потенциальное улучшение опиралось бы бы позицию несущих стен и колонн в качестве входных данных для модели I. Таким образом, наш конвеер позволил бы проектировщикам контролировать структурную систему здания. Кроме того, модель I может быть представлена в виде двух последовательных моделей: одной для размещения несущих элементов и одной для работы с перегородками.

ii. Строгий императив эффективности

Как изобилие каждого стиля, так и уровень свободы, данный нашим моделям, не затрагивают общую для нашей дисциплины проблему: эффективность пространства. Однако наша главная задача здесь-максимизировать выразительность каждого стиля, позволить каждой модели раскрыть свою механику, чтобы продемонстрировать свою “индивидуальность”.

Примечание: Чтобы согласовать GANs с эффективностью, мы полагаем, что их синергия представляют собой огромный потенциал для реализации стандартных методов оптимизации. Типичным недостатком параметризма было создание слишком широкого проблемного пространства в сочетании со случайной инициализацией. Оптимизация, выполняемая на этих настройках, часто заканчивается сходящимися локально минимальными решениями. Интуиция, стоящая за нашими GANs, приносит совершенно новое качество инициализации, которое значительно сужает пространство проблемы, создавая достаточно хорошее начальное решение.

ii. Сосредоточение

Понятие сосредоточения относится к внешней форме нашего здания. Иррациональная форма вышеупомянутого дизайна здесь подразумевается как триггер для сложности, создавая реальную проблему для наших моделей. Более рациональному сосредоточению соответствовали бы более укрощенные и реалистичные проекты квартир. Наше внимание здесь по-прежнему сосредоточено на демонстрации крайнего случая и проверке пределов наших моделей.

B. Квартиры

1*0_csA3hmbZNaldrAfdJp3w

Мы наконец-то добрались до вышеприведенного каталога квартир, со всего нашего здания. Согласованность и богатство полученных конструкций поражают. Кроме того,”интеллект” или формальная гибкость, проявляемая в сгенерированных квартирах, еще раз подтверждает обоснованность подхода: GAN-модели действительно могут инкапсулировать некоторое количество архитектурных знаний и стилистики, которые могут быть позже использованы, в зависимости от набора ограничений. “Индивидуальность” каждой модели, описанной в Части II, четко прослеживается среди каждого подмножества.

Чтобы завершить этот раздел, мы предлагаем Вам познакомиться с их более реалистичной визуализацией. К строгому описательному характеру планов (слева) мы каждый раз связываем образ внутренней атмосферы (справа), как способ согласовать наш процесс с более эмпирической природой архитектуры.

IV. Вывод

Если мы можем думать о планах этажей сначала как о композициях, прежде чем они станут продуктом строгой инженерии, то изучение движущих сил композиции, возможно та часть процесса, где ИИ может предложить нам некоторые значимые ответы. Следуя этой интуиции, мы показали в этой статье, что архитектурные стили несут на более глубоком уровне неявную механику пространства, что значительно влияет на композицию любого плана этажа. Можно утверждать с определенной сностью, что существуют пространственные последствия выбора конкретного стиля.

На более фундаментальном уровне мы можем рассматривать стили как побочный продукт архитектурной истории. Если внутри каждого стиля существует более глубокий набор функциональных правил, то изучение истории архитектуры потенциально может быть связано с пониманием эволюции этих неявных правил с течением времени. Способность инкапсулировать каждый стиль может позволить нам выйти за рамки изучения прецедентов и дополнить его, распаковав поведение GAN-моделей, таких как те, которые обучены здесь. Их способность подражать некоторым из невысказанных правил архитектуры может позволить нам обратиться к ”сути без имени”, встроенной в здании, которые Кристофер Александер определяет в своей книге “Вечный способ строительства“. ИИ – это просто новый способ его изучения.

Наконец, присущее каждой модели GAN присутствие стиля представляет собой окончательный вывод: далекий от обещания агностической и объективной практики генеративного дизайна, кажется, что стиль безвозвратно пронизывает саму суть любого генеративного процесса. В ясном виде: стиль не является вспомогательным, поверхностным или декоративным дополнением. Стиль лежит в основе композиции. Признание этого факта является необходимым условием для понимания того, что ИИ может привнести в архитектуру. Другими словами, не будет никакого агностического ИИ для архитектуры, никакой машины без стиля, никакого объективного генеративного дизайна. Напротив, каждая модель или алгоритм будет иметь свой вкус, свою индивидуальность, свое ноу-хау.

Продолжение следует...

Библиография

  • The Function of Style, Farshid Moussavi, Actar Publishers, 2016
  • A Pattern Language, Notes on the Synthesis of Form, Christopher Alexander, link
  • Digital Architecture Beyond Computers, Roberto Botazzi, Bloomsbury
  • Data-Driven Design & Construction, Randy Deutsch, Wiley
  • Architectural Intelligence, How Designers and Architects Created the Digital Landscape, Molly Wright Steenson, MIT Press
  • Architectural Google, Beyond the Grid — Architecture & Information Technology pp. 226–229, Ludger Hovestadt, Birkhauser
  • Algorithmic Complexity: Out of Nowhere, Complexity, Design Strategy & World View pp. 75–86, Andrea Gleiniger & Georg Vrachliotis, Birkhauser
  • Code & Machine, Code, Between Operation & Narration pp. 41–53, Andrea Gleiniger & Georg Vrachliotis, Birkhauser
  • Gropius’ Question or On Revealing And Concealing Code in Architecture And Art, Code, Between Operation & Narration pp. 75–89, Andrea Gleiniger & Georg Vrachliotis, Birkhauser
  • Soft Architecture Machines, Nicholas Negroponte, MIT Press
  • The Architecture Machine, Nicholas Negroponte, MIT Press
  • Cartogramic Metamorphologies; or Enter the RoweBot, Andrew Witt, Log #36
  • Grey Boxing, Andrew Witt, Log #43
  • Suggestive Drawing Among Human and Artificial Intelligences, Nono Martinez, Harvard GSD Thesis, 2016
  • Enabling Alternative Architectures: Collaborative Frameworks for Participatory Design, Nathan Peters, Harvard GSD Thesis, 2017 | link
  • Architectural Drawings Recognition and Generation through Machine Learning, Hao Zheng (University of Pennsylvania), Weixin Huang (Tsinghua University), ACADIA 2018 [Paper]
  • DANIEL: A Deep Architecture for Automatic Analysis and Retrieval of Building Floor Plans, Divya Sharma, Nitin Gupta, Chiranjoy Chattopadhyay, Sameep Mehta, 2017, IBM Research, IIT Jodhpur
  • Automatic Room Detection and Room Labeling from Architectural Floor Plans, Sheraz Ahmed, Marcus Liwicki, Markus Weber, Andreas Dengel, 2012, University of Kaiserslautern
  • Automatic Interpretation of Floor Plans Using Spatial Indexing, Hanan Samet, Aya Soffer, 1994, University of Maryland
  • Parsing Floor Plan Images, Samuel Dodge, Jiu Xu, Bjorn Stenger, 2016, Arizona State University, Rakuten Institute of Technology
  • Project Discover: An Application of Generative Design for Architectural Space Planning, Danil Nagy, Damon Lau, John Locke, Jim Stoddart, Lorenzo Villaggi, Ray Wang, Dale Zhao and David Benjamin, 2016, The Living, Autodesk Studio
  • Raster-to-Vector: Revisiting Floor Plan Transformation, Chen Liu, Jiajun Wu, Pushmeet Kohli, Yasutaka Furukawa, 2017, Washington University, Deep Mind, MIT
  • Relational Models for Visual Understanding of Graphical Documents. Application to Architectural Drawings, Llus-Pere de las Heras, 2014, Universitat Autonoma de Barcelona
  • Shape matching and modeling using skeletal context, Jun Xie, Pheng-Ann Heng, Mubarak Shah, 2007, University of Central Florida, Chinese University of Hong Kong
  • Statistical segmentation and structural recognition for floor plan interpretation, Lluís-Pere de las Heras, Sheraz Ahmed, Marcus Liwicki, Ernest Valveny, Gemma Sánchez, 2013, Computer Vision Center, Barcelona, Spain
  • Unsupervised and Notation-Independent Wall Segmentation in Floor Plans Using a Combination of Statistical and Structural Strategies, Lluıs-Pere de las Heras, Ernest Valveny, and Gemma Sanchez, 2014, Computer Vision Center, Barcelona, Spain
  • Path Planning in Support of Smart Mobility Applications using Generative Adversarial Networks, Mohammadi, Mehdi, Ala Al-Fuqaha, and Jun-Seok Oh. , 2018
  • Automatic Real-Time Generation of Floor Plans Based on Squarified Treemaps Algorithm, Fernando Marson and Soraia Raupp Musse, 2010, PUCRS
  • Procedural Modeling of Buildings, Pascal Muller, Peter Wonka, Simon Haegler, Andreas Ulmer, Luc Van Gool, 2015, ETH Zurich, Arizona State University
  • Generative Design for Architectural Space Planning, Lorenzo Villaggi, and Danil Nagy, 2017, Autodesk Research
hog-1024×683-1000×670
about development research smart city Ликбез Проблемы и возможности Урбанистика

Живые города. Проектирование для стареющих сообществ. Часть-3.

Snimok-ekrana-2019-11-18-v-7.17.13
about development research smart city Ликбез Проблемы и возможности Урбанистика

Живые города. Проектирование для стареющих сообществ. Часть-2.

Snimok-ekrana-2019-11-13-v-23.39.39
about development research smart city Ликбез Проблемы и возможности Урбанистика

Живые города. Проектирование для стареющих сообществ. Часть-1.

file (1)
AILA Презентации проектов Урбанистика Успешные практики

Из военной базы в парк и детскую площадку – Проект Sub Base Platypus

file (4)
AILA Презентации проектов Урбанистика Успешные практики

Barangaroo – достояние австралийского Нового Южного Уэльса от ASPECT | OCULUS

file
AILA Презентации проектов Урбанистика Успешные практики

Swan Lake Park в Учжуне, Китай от Johnson Pilton Walker