“We have never been Digital! 我们从未数字化！”-漫谈AI与建筑设计：人工智能还是人工智障？（中篇）

本文作者：王大嵩

本文系转载文章，转自 iDEAL建筑进化实验室

感谢大嵩老师的授权，欢迎大家关注iDEAL公众号哦

- 作者简介

Dasong W  王大嵩

MID Studio 参数化设计方向导师

Research Topic: Self-Organizing to Self-Intuitive Intelligence: Innovative Methodology or Generative Architectural Design Process with Machine Learning（从自组织系统到自直觉智能系统：基于机器学习的生成式建筑设计过程控制方法论研究）

2019.4 - Ph.D. Student, RMIT（墨尔本皇家理工大学）

2017.2-2018.12 - M.Arch, RMIT（墨尔本皇家理工大学）

2013.10-2015.1 - M.Arch, SJZU(沈阳建筑大学)

本文接上篇。通过一些描述性介绍，从广义的复杂系统到狭义的机器学习，上篇简要回溯了人工智能与建筑设计结合的一些案例和目前的部分研究进展。那么，如果反过来思考，建筑设计为什么需要人工智能？或者，当代的数字化设计方法与过程又处在怎样的阶段？

首先，从主标题说起，“We have never been digital!”摘自“Discrete and Digital | TxA2016: A Discrete paradigm for Design and Production”一文。在这篇文章中，Gilles Retsin（先锋数字化建筑师，执教于Bartlett）首次在数字化设计与建造领域引用这句话，并以自我剖析的态度阐释：虽然数字化的进程已渝三十年，但无论是设计还是建造我们仍然处于数字化的起步阶段。在本文中，继续这个方面的讨论，我们不妨在畅想人工智能带来的技术性革新之前，不妨冷静下来，从三个方面思考数字化设计正在面临怎样的瓶颈。

1. 雕刻刀：手工数字化建模

近二十年，随着个人电脑的普及，在建筑设计领域有越来越多的设计辅助软件出现。我们不在需要图板针管笔，就可以轻松画出包豪斯级别的高精度建筑图纸以辅助设计与施工。随之，更多设计软件进入设计师的视野，其中包括最早用于工业设计的Rhino和电影动画业的Maya,Z-Brush等。通过Rhino中的Nurbs曲线曲面功能和Maya,Z-Brush中的Mesh编辑功能，我们可以轻松地在电脑中创造各种线性或者非线性的设计造型。而这些基于古老几何算法所产生的造型极大改变了当代建筑的空间体验。

但是，在Mario Compo教授的“The Second Digital Turn”一书中，将使用这种建模技术的建筑师统一归类为“Spline Maker”，也就是依赖于曲面建模Spline技术的设计者。很多解构主义或早期的数字化设计师都被其归类为Spline Maker，如扎哈·哈迪德等。每当实际操作这些Spline技术时，我们需要双眼紧盯屏幕，手我鼠标，根据我们自己对于建筑空间的理解和感知从整体到局部一点点的塑造设计造型。一方面，我们钟情于感受这些应用数字化Spline技术创造出的非凡建筑体验，但是另一方面，我们又不得不承认这样的设计方法和过程极度主观：依赖设计者的手、眼和天赋。

 (图片来源: 建筑师Sergiu Radu Pop手绘) 

 (图片来源: 米开朗基罗手绘) 

坊间流传一句话：一万个Maya使用者中只有一个扎哈哈迪德。类似的话还有很多：一万个画家中只有一个梵高、一万个雕刻家中只有一个米开朗基罗等等。本质上来说，数字化建模工具和米开朗基罗手中的雕刻刀其实并没有区别，但是瓶颈是：米开朗基罗类型的天才是极少数的，在数字化时代，传统依赖于设计师个人天赋的设计方法还是并不足以推动行业的发展。

2. 计算器：简单运算化系统

2008年，Patrik Schumacher提出了Parametricism参数化主义。从设计找形过程本身，这是区别于传统设计的全新方法论：通过定义系统(System)、变量(Variables)、原型(Prototype)生成整个设计形态。似乎通过使用基于运算化系统的设计方法，我们并不需要对设计者本身的造型天赋有过高的要求，同时整个设计更加客观、更加尊重场地环境本身提炼出的模拟数据。在本文中，为了区别于自组织系统，统称这一类基于调整系统变量生成形态的设计方法为简单运算化系统。

以笔者自己的项目为例，这样的设计过程仍然有其自身的瓶颈。下图是2020年东京奥运会冲浪馆的设计提案，整个设计的找形过程源于海浪的自然产生过程：即流体的水平涡旋力和垂直涡旋力。通过程序语言和一些简单函数，定义了一个模拟流体涡旋力的简单运算化系统（本质上属于Field场系统），然后通过调整中心点位置、涡旋力的大小方向等等变量，来生成最终设计成果。在设计中，整体场地景观的控制和主要建筑形体都由这个定义的运算化系统连续完整一体化生成。

(图片来源:  作者自绘，更多内容参见https://dasong-wang.com/2018/11/13/pavilion_hyper_fluidics-2/) 

基于这种基于系统变量的设计过程，推敲的过程也从直接对于形体的编辑转化成了调整变量，而这个过程也是这个设计项目最为痛心疾首的过程。整个最终方案的形成由于高度参数化，通过调整十几个不同参数会产生多有牛毛的设计方案。我们的设计团队在调整参数的过程中产生了极大分歧，不同参数互相作用，对于最终成果有很多不可预测性的影响，而这个本应该享受胜利喜悦的阶段也占据了设计过程中相当长的时间。

(图片来源:  作者自绘) 

归根结底，如果我们重新反思简单运算化系统的设计方法，其实不难发现，定义一个所谓的系统和使用一个复杂计算器并没有太大区别。在计算器中。如果我们计算“1+2=3”，“1、2”就是变量，“+”就是功能；那么在这个建筑设计项目中，我们的变量就是“1、2”，定义的运算系统也就是复杂化的“+”，而计算机在试验了成千上万次的变量以后依然非常被动，就像计算器一样只负责得出结果，而在这个过程需要人脑不断的思考，发现规律并且不断调整出合适的变量生成最终的设计。

  (图片来源:  作者自绘) 

因此，简单运算化系统的瓶颈就在于其被动性：如计算器。当我们讨论数字化设计时，所思考的并非是上个世纪的简单运算化工具，而是人与计算机互相学习，共同进化的设计过程。

3. 野猴群：自组织系统

上文提到了一些复杂系统概念下的自组织系统（Self-Organizing System），通过定义局部的彼此互动行为，从而“涌现”出整体形态的自下而上的设计方法。Stephen Wolfram教授曾经声称最简单的自组织系统——元胞自动机可以解释整个宇宙，似乎从这个角度思考，只要正确地定义了局部行为，我们就可以生成复杂的建筑空间。但是，虽然自组织系统本身已经属于广义人工智能的范畴，但是其生成的结果大多往往是“智障”的。

我们目前在建筑找形中使用的自组织系统大部分是基于Boids算法的Multi-Agent多智能体系统，其核心是将Vector作为Agent代理，通过Cohesion、Separation和Alignment三种基本behavior模拟鸟群鱼群行为轨迹的算法。但是当我们直接将这些行为应用于建筑设计时，虽然从自下而上设计概念的角度这是很创新的设计方法，但是却不免有些“生搬硬套”的嫌疑。传统意义上建筑的空间构成和使用需求和鸟群的行为轨迹逻辑上并无关联，作为建筑师我们更应该探索建筑本身“自下而上”的逻辑。

  (图片来源:  Kokkugia网站RMIT Mace)  

我们现在对于自组织系统的应用仿佛就是雇佣一群野猴子设计建筑。的确，野猴子也是智能生物，但是它们过于原始，没有哪怕最简单的建筑认知，无法适应，不能学习，而仅仅遵从与它们最原始。不受控制的自然行为。

或许我们已经在使用很多数字化设计工具，但这些数字化工具大多或者依赖天赋、或者完全被动、或者野性难驯。作为Idealist理想主义者，我所理解的下一阶段的数字化设计过程是：通过设计生形过程，计算机会逐渐形成一定设计直觉，不断学习进化的过程，而这个过程没有机器学习是难以达成的。因此，对于人工智能技术在建筑中的应用研究也并非直接工具性应用，而是基于已有数字化设计过程的控制性应用。

（在下篇中，会继续介绍机器学习尤其强化学习在运算化设计过程控制中目前的一些应用方法。）

我是一个二维码