人机共生体——建筑师的人工智能时代
毫无疑问，人工智能(Artificial Intelligence)是当下最热门的话题。自动驾驶汽车、AlphaGo等一系列人工智能产品的出现，我们有理由相信人类即将跨入人工智能时代。在这场变革中，建筑师又将面临怎样的冲击和挑战？建筑师需要如何面对愈发强大的人工智能？
半年前，笔者的朋友圈被一则名为“史上第一个人工智能建筑师出现了”的消息刷屏。文章介绍了所谓的“第一个人工智能建筑师”小库，号称小库可以帮助建筑师和开发商完成常规的分析规划和建筑设计的前期工作，包括拿地强排、概念设计，以及对接后期深化设计和施工。文章表示小库结合了机器学习、大数据与云端智能显示技术，只需要将基地情况和任务书输入机器，能够在一天内生成多个强排方案，最多可以减少90%的前期投入。同时，在输入条件正确的前提下，机器生成的方案几乎不会出现错误，有效保证了前期工作的准确性。
由小库快速生成多个强排方案
小库生成的深圳湾某产业园方案竞赛平面
根据目前小库的界面来看，小库主要是用以代替建筑师完成地产方案的强排工作。强排工作是指地产项目开展之初建筑师根据基地现状和规范要求设计提供的一个密度方案，用于为项目进一步的开发决策提供基础依据。由于方案需要兼顾交通、流线、日照、规划要求和规范指标等多方面因素，建筑师往往需要花费大量的时间和精力进行重复性的计算和调整。由于其不涉及空间设计，只需遵循一定的规则和指标，现有的技术条件下实现机器自动化的难度较小。
事实上，在小库出现之前，已经有从业人员利用Grasshopper来提高强排工作的效率。但由于其所需求的技术水平较高，且难以适应各种类型的方案，对于大多数建筑师来说并不是易于掌握和使用的。而小库则提供了一个简明可视化的平台，使得用户不必关心程序内部的细节，输入数据便能得到相应的结果。
利用Grasshopper实现快速强排
然而，严格来讲，小库并不能称为真正的“人工智能建筑师”。小库负责的工作仍然停留在建筑设计中较为程式化、重复性的部分，并不涉及创造性与表现力。它不能独立完成一个完善的建筑设计，仅仅是作为建筑师手中的一件工具用于减少工作量。但是，小库的出现仍然表明，随着人工智能技术的快速发展，建筑师工作的内容和形式也会迎来许多难以想象的变化。
近年来，人工智能技术发展迅速，无论是Siri、Cortana等语音助手的日益完善，各类机器翻译工具的成熟，还是谷歌、特斯拉已经上路测试的自动驾驶汽车，打败人类顶尖围棋选手的AlphaGo，都表明人工智能已经开始在某种程度上达到乃至超过人类的水平，一大批重复性的工作将会被智能机器所取代，甚至在驾驶、编辑、翻译、金融等具有更为复杂维度的领域，人工智能也将占据一席之地。在这一大背景下，设想一下未来是否会出现足够强大的AI，能够彻底取代建筑师设计建筑？
上路测试的自动驾驶汽车
建筑师与机器——共同进化的过往
38 38678 38 14988 0 0 1394 0 0:00:27 0:00:10 0:00:17 3131
38 38678 38 14988 0 0 1272 0 0:00:30 0:00:11 0:00:19 2742
38 38678 38 14988 0 0 1157 0 0:00:33 0:00:12 0:00:21 2657
38 38678 38 14988 0 0 1119 0 0:00:34 0:00:13 0:00:21 3045n>
首先让我们回到建筑领域，放眼过去的近半个世纪，计算机智能总的来看一直在不断进步。机器在设计中的参与度越来越高，并且功能日益强大，开始协助建筑师创作之前难以想象的方案。机器逐渐从建筑师手中的简单工具发展成为设计的基础平台，乃至一个能够形成方案的得力助手；而建筑师也借助机器开拓了更为广阔的创作天地。
建筑制图
上世纪五十年代晚期的绘图室，绘图板、丁字尺、三角板是必备工具
随着以AutoCAD为代表的计算机制图软件的发展，建筑图纸的绘制不再需要建筑师用丁字尺一笔笔画出，工作效率也得到了成倍的提高。同时，CAD使建筑师能够在图纸上进行更深入的表达，也为多专业的协作提供了条件。
建筑建模
混凝土住宅模型，密斯，1923年
巴塞罗那德国馆3dsMax模型，密斯，1929。计算机建模以其可视化、高效化，为建筑师方案的推敲与表现提供了极大的便利性。
Catia，法国达索系统公司(Dassault Systems)与二十世纪七十年代开发的三维建模软件，最初面向航天器的设计与开发，后来被运用到建筑非线性形态的建模，启发了后来的Rhino、C4D等一系列建模软件，为非线性建筑的高效设计建造提供了可行性。
结构设计优化
Antoni Gaudi的悬链线模型，用于验证拱的力学性能
SAP2000，强大的结构分析与设计软件，可以计算验证各种复杂结构的性能，建筑师可以在方案中实现更为复杂的结构体系。
Kangaroo，Rhino中Grasshopper平台的插件，用于简单的力学模拟与分析。借助Kangaroo，建筑师在设计过程中就能对建筑的结构性能进行初步的验证。
生成式设计
随着技术的发展，计算机已经逐渐超越最初建筑师手中工具的角色，开始以设计者的姿态被运用在建筑领域，生成式设计(Generative Design)便是典型的代表。一般而言，生成式设计是指建筑形式是一系列规则和算法的产物，这种手法可以追溯到上世纪八九十年代之交Peter Eisenman的一系列实践。Eisenman按照一定的秩序规则，利用缩放、分形、覆盖、重叠等技巧进行解构主义建筑的设计。
Peter Eisenman, Biocentrum, Frankfurt, Germany, 1987
显然，生成式设计是高度程式化的。建筑师们很快就发现生成式设计的思想可以不限于对建筑形式的调整，借助计算机，生成式设计能发挥更为巨大的威力。本文开头提到的小库就是一个典型的例子。建筑师可以选择从形式、功能、结构、性能等方面出发，提出相应的规则和要求，编制算法程序，最后得到一个满足一系列预设指标的方案。面对日益复杂综合的建筑与城市规划领域，生成式设计为建筑师提供了有效应对各种元素的可能性，而在没有计算机的协助前，这一切是难以实现的。
生成式设计图解
生成式胡同改造
设计者在Processing平台上利用多代理系统模拟人流在胡同中的活动，按照人流与两侧建筑碰撞情况生成相应建筑体量（后退、挑出、消隐），并根据人流在胡同中的分布生成树木与座椅的位置。通过对于人流的模拟与建构元素的相应调整，设计者希望能够得到一个遵循人的活动规律的方案。https://v.qq.com/txp/iframe/player.html?vid=l1331bvm2f6&width=500&height=375&auto=0
伊拉普阿托人行天桥（方案）
建筑师：RS-S Design
自然界树干的形态中存在着潜在的结构合理性。通过模拟树干的形态，设计者希望在突出方案表现力的同时，兼顾一定的力学性能和经济性。设计者选取了一定的种子点和吸引力，让“树干”从各种子点按照一定的规则生长、分叉、转向、相交和终止，最后得到了有趣的表皮与结构形式。
模拟树干生长形态
由树干形态生成的表皮
表皮调整形成的结构
人工智能设计
毫无疑问，机器在建筑师的工作中扮演着愈来愈重要的角色。尤其是在参数化与生成式设计中，建筑师开始将机器的思维运用到建筑设计领域，机器隐隐约约以设计者的身份参与进方案之中。遗传算法、神经网络、多代理系统这些人工智能方法开始协助建筑师形成方案，机器从工具演化成了助手，建筑师的人工智能时代的序幕似乎正要拉开。
1971年，在建筑师Christopher Alexander的博士论文Notes on the Synthesis of Form中，他指出设计是从文脉(Context)到形式(Form)的过程。理想情况下，我们能够对文脉进行准确的描述(Description)，借此，我们实际上也完成了对应形式的界定，如此便是理想的设计过程。但事实上，由于文脉存在大量难以量化的领域，我们并不能准确描述它，也难以说明设计得到的形式是如何“适合”(Fit)文脉的。相反，现实情况下设计需要的是排除形式相对于文脉的各种“不适合”(Misfit)。当我们排除所有的“不适合”时，设计任务便完成了。
Christopher Alexander
Christopher Alexander的论述将设计解析为规则与程序，设计因此能够被机器理解和掌握，也即是说AI可以取代建筑师，有能力独立完成建筑设计。
诚然，Christopher Alexander的观点具有一定的个人色彩和时代局限性，建筑学作为一门要求创意性的学科，需要聚合各类信息经验，进行归纳分析，并在此基础上进行联想发散，与多学科多对象协调沟通，最终形成创意性的解决方案，这一切过程至少当下是难以被用明确的规则和程序所能涵盖的。反之，设计过程中能够被规则化和程序化的部分，显然都是已经或者不远的将来将会由AI完成的。这一趋势在人工智能高速发展的今天变得尤为明显，建筑领域中结构、机电、暖通等专业由于存在清晰的规则和指标，受到的冲击将会更为巨大。
人工智能与创造力——无限可能的明天
正如上文所提及的，建筑师大多数程式化、重复性的工作，不久就会被AI所取代。建筑师未来的核心价值，在于人类独有的创造力。但是，鉴于人工智能的发展是如此迅速，AI未来会不会拥有和人类一样的创造力？
尽管Gehry的团队有着一流的数字设计技术，但方案的创意还是源自最原始的草图。
要回答这个问题，我们需要先弄清创造力是什么。简而言之，创造力是人类智慧的典型特点，涵盖思维的联系、回忆、感知、类比、结构化求解与反思等方面，包括认知、动机与情感等维度，受到文化背景与个人经历的影响。创造力分为三类，一是组合创造，即在已有的概念和规则下优化改进；二是探索创造，即在结已有构化的概念空间内进行发掘拓展；三是转换创造，即彻底突破原有的概念和规则，例如毕加索的Tete de Femme(女人头像)，彻底突破了原有的艺术形式。
人工智能实践中在前两种创造中取得了不错的成果。得益于深度学习技术的迅速发展，人工智能可以从海量的数据中开始学习并进行归纳推理，最终形成一定的智慧和创造力。这种基于“统计”的模式与人类的学习行为有一定的相似性，相较于之前仅由一定的“规则”生成的智能更加强大。
ImageNet是全球最大的图像识别数据库。一个婴儿三岁左右就可看见三亿幅画面，因此ImageNet没有一味优化图片识别算法，而是让人类替AI进行识别，让AI从大数据中对规律进行统计和理解。
曾经火爆一时的图像处理应用Prisma，通过对海量图片的深度学习来分析图像特征，最终实现对图像风格的转换。
CMS开发的网页设计平台The Grid。只需要将网页的内容上传到该平台，它就会自动生成一个极具设计感的网站。The Grid把其平台的AI称为Molly，声称Molly每三个月学习的网站设计数目就超过了银河系的恒星数量。
由The Grid设计的网页
然而令人遗憾的是，虽然人工智能已经表现出一定的创造力，但其创造性仍然限于人类预定的空间之内，我们在转换创造上仍然没有大的突破。要想让AI能够像人一样自由创作，我们在技术上还需要更大的进步。
1980年，哲学家John Searle在Minds, Brains, and Programs一文中提出了一个著名的思想实验——中文房间(Chinese Room)：房间里坐着一个完全不会中文的人，房间外的人将中文问题写在纸片上递进房间内。房间内的人可以根据一系列的规则和指令挑选印在卡片上的中文词句，然后按一定顺序连接成文字回递给门外的人。在门外的人看来，门内的人能够使用中文回答中文问题，因此门内的人是会中文的。但实际上，门内的人只是在遵循指令，完全不具备中文能力。
The Chinese Room
这个理想实验一针见血地指出了一个问题：AI的智能可能只是一种假象，它的智能实际上完全源于人类制定的规则和指令，只是人类自身智能的低层次延续。在这种情形下，AI的思维与人类的思维仍然是不同的，也难以拥有人的创造力。
因此，在“中文房间”后，Searle提出了强人工智能的概念，指AI能够完全以人类的方式思考解决问题，也就是说我们需要理解思维的本质，然后让AI掌握它。而这一点现在仍然是人类科学知识的盲区。但要让AI具有和人类一样的创造力，而不仅仅是人类现有知识的延续，强人工智能的实现十分必要。我们现在还难以完全理解人类思维中模糊与不确定、直觉与潜意识等对创造力至关重要的元素，人的创造性仍然是当下人工智能所难以企及的。
建筑师与人工智能——人机共生的未来
强人工智能一时还难以实现，AI成为建筑师还为时尚早。但人工智能必然会一点点替代建筑师的工作，甚至某些方案都可以完全交给AI负责，建筑师的工作形态势必会发生巨大的变化。我们在这场变革中如何应对？我们与AI真的是取代与被取代的关系吗？
纵观历史，机器其实一直在替代建筑师的工作，但同时，建筑师与机器也在这一过程中共同进化。机器的每一次进步都带来了建筑行业的整体进步，建筑师可以从重复性的劳动中解放出来，利用更为强大的工具专注于创作之中。正如特赞实验室的《2017设计与人工智能研究报告》，其创始人范凌提出了“脑机比”的概念，认为人与机器不会是简单的替代关系，两者之间应该是更高层次的共生。
建筑师不应为人工智能时代的到来而杞人忧天，AI在可预见的时间内仍不会彻底取代建筑师。就算足够强大的人工智能真的出现，建筑师仍然会是最后一批被取代的职业。建筑师在将来需要积极的去学习适应人工智能，创造异于人工智能的核心价值。试想未来建筑师只需要关注建筑设计的核心概念，其余的各种工作都可以让AI快速完成；AI与建筑师可以一起讨论设计，然后快速作出修改调整；建筑师与AI各取所长，创作出更为精彩的建筑与城市——这一切尽在新的时代。新技术的浪潮只会冲击那些止步不前的人，而将勇于拥抱它的人送上新的高峰。
早在1969年，麻省理工学院媒体实验室创始人Nicholas Negroponte于Towards a Humanism Through Machines中就构想了人与机器的未来：人与机器能够以自然语言的形式交互对话，建筑师与机器的设计理念能被双方同步理解；建筑师与机器在对话中互相学习进化，人与机器的关系如此紧密，以致只有双方互相的说服和妥协才能得到一定的认同与观念。在人与机器的共生体(Symbiosis)中，机器不是人类可以单方面决定的工具。
参考文献：
1. Computational Design Thinking. Achim Menges, Sean Ahlquist.
2. Generative Design. Asterios Agkathidis.
3. Notes on the Synthesis of Form. Christopher Alexander.
4. Minds, Brains, and Programs. John Searle.
5. Creativity and artificial intelligence. Margaret A. Boden.
6. 《2017设计与人工智能研究报告》. 特赞实验室.
7. ImageNet Classification with Deep Convolutional Neural Networks. Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton.
8. Developing Creativity: Artificial Barriers in Artificial Intelligence. Kyle E. Jennings.
9. Towards a Humanism Through. Nicholas Negroponte.
部分文字图片来源于网络。
FAB-UNION是国内最前沿的数字化设计与建造平台。联合国内外数字建造学者、建筑师、设计师、专家及相关企、事业单位和学术团体，关注国际数字设计建造新闻，推荐优秀数字编程与建造作品，推动数字化建造工艺的发展，创造新锐数字实践者的社交空间。
长按二维码 识别加关注