基于信息技术和人工智能的建筑学 | Beyond the grid

建筑学，信息技术和人工智能

本章推荐书籍阅读：ETH的Ludger Hovestadt所著的《architecture and information technology》以及《Architectural design》周刊的Digital Cities二书, 书中介绍了大量的信息化技术应用在建筑上的案例，我们将对于其中几个案例进行剖析。本书的宗旨在于在信息技术的支持下，建筑“结构”如何成叙事性的基础设施，进而影响形态发展。这也为建筑设计提供了新的平台。

在信息科技日益发达的现在，人工智能、大数据等技术得到了显著的开发。就像工业革命之后，新材料新技术的诞生也引发了建筑的现代主义思潮，技术手段进步推进了建筑的革命。而当今，互联网、数据库、智能化设备等等的发展也为信息导向（data-based）建筑奠定了基础。另一方面，建筑学作为一门集美学、社会学、建造技术等等的综合学科实际上却常常处于尴尬的地位，很难用自然科学的研究原则进行量化设计，也因此常被诟病为充满玄学。空间句法、数字化建造技术以及编程语言等的引入，大大增加了建筑学科本身的科学性。也使得建筑学的逻辑推导更加缜密。虽然西方在此的方法论上仍存有争议，但是在数据科学、参数化的支撑下，建筑学也逐渐有了求得最优解的推演过程，这也对将建筑学重新定义为科学有了促进作用。

一、数据应用于平面为主的规划设计

我们以KCAP的Schuytgraaf（2001-2003）项目为例。在Schuytgraaf的Arnhem郊区，将进行一场房屋建设与城市规划，总共包含了分布在90个区域块的247户。有关这个项目存在许多参数：楼房区域的混合、住房的类型和大小、开放空间的数量、街道与人行道的分布。这样一个设计一般情况下是靠耗时的手动强排。为了设计更加简化，强烈的简化措施和一般性的解决问题方法将被考虑。

首先，对于房屋类型的需求和量被计算出来。这些数据来自于当地居民的反馈和街道数据。

其次，利用多段建设与评价进程，调整参数，可以很快的生成出不同的平面分布。他们之间可以互相比较，便于使用者进行判断。粒子系统、相机阻尼系统和基因算法都被应用其中，这些技术使得结果能够呼应需求进行变化。而运算的机制依靠于吸引与排斥原则（attraction and repulsion）通过程序模拟，地块间的竞争和合作将自发的建立起来。这个过程初步将地块用点表示进行模拟，而这些竞争合作将使得地块进行收缩和放大或者构建成新的组块。一旦他们的形态决定了，建筑地块将被计算，边界也将被确定。每一个单独地块的价值和方向也将被估计出来进行评判。

一般而言，普通的城市规划都是自上而下的，由大到小的进行判断。而这个案例使用的是自下而上的运算方法——整体将由细节之间的相互动态变化而决定。

这种简化与量化的过程虽然不是百分百的精确，但是可以提供一个设计的出发点，寻找发展过程中最优的平衡点。在现实生活中，村落需要一个缓慢的过程自发的形成起来，并且又需要经过一个过程去调整与完善，而现在通过计算机模拟和数据参数的调整，就可以很好地满足居民的需求，提高可达性与地块价值。

另外，这样做的好处也使得城市设计的过程趋于透明，不再是政府或设计师专制的思想，而可以很好地传递给真正的使用者：当地居民。个人意见可以被很好地协商和整合，使得终端使用者可以提前介入他们生活的建设中去。

KCAP在另一个案例heerhugowaard中升级了程序，使得整个运算过程更加趋于现实。这个项目本身五倍于之前提到的Schuytgraaf项目，并且土壤状况、地下水情况都会被考虑。

通过迭代、循环性的算法进行不断优化，街区的形态、交通系统等等都会逐渐发展出来。像这么大面积的设计区域，通过程序可以很好地适应不同的需求。即使需求发生改变，也能够迅速的模拟出新的建设方案，这样做提高了设计的多样性和效率。

实际上在大面积的城市规划与设计中，利用数据库和程序语言可以很大程度减少设计者的工作。例如迪拜的Oqyana (Markus Braach, Alexander Lehnerer)项目，利用编程，将大量参数录入（岛大小、与海接壤程度、产品类型、公共设施、建筑高度与密度、视线关系、耗费），这些参数将影响设计的生成。所以，对于这个案例来说，将数据转化为形态最为关键，而这个关键除了依靠转换的程序语言，还来源于不同人员的合作。其数据来源非常广泛，工程师可以提供工程参数、营销人员决定规模、规划师做土地城市规划、会计师做好预算，这种类似BIM的合作模式，可以让每个领域的专业人士合作起来，用一种简化的程序语言将他们联系起来，共同得出最适宜的结果。

另外一个因素是结果的衡量。实际上，虽然参数输入了，但是对于不同参数重要程度的不同判断，实际上会得出非常多样的结果。通过计算机手段，这个运算过程得到简化而结果也更加可视化。正是这些特点可以使得使用者可以快速观察到结果并即时提出反馈意见进行优化。

二、数据应用于建筑设计

之前的Oqyana案例也将设计从平面延生至了三维形象。但某种程度上将，这些组合依旧是扁平式的，是平面与高度合作的结果。但在其他的高密度发展的城市区域，体块之间的相互作用也应该被考虑进来。由Tobler&Partner出品的Globus-Probisorium项目，就从三维的角度去思考建筑城市组合的问题。不同的颜色代表不同的功能。

通过交通系统等的引入，建筑的房间会发生变化，在基因算法的帮助下，房间的形态、大小、长度、与相邻房间的关系等等都会不断完善，直到没有显著变化为止。

同时，某些特定的要求（不变量）也被提前设置进去。比如必须在接地层和靠近地铁的商店（绿色）和必须有有良好湖景的酒店（蓝色）。这样通过简单的运算，可以得到许多的结果去衡量，在多方案比较的阶段可以提供更多的思路。

另一个接地气的设计案例则是由Markus Braach, Benjamin Dillenburger, Philipp Dohmen, Pia Fricker, Alexander Lehnerer, Steffen Lemmerzahl, Kai Rudenauer等人参加的Hardturm 项目。这个案例主要有三个重要阶段：

    1. 通过不同参数的录入，自动生成的建筑框架将得到不断地优化，以满足不同的功能需求。

    2.生成一个好的接地平面用以满足特殊需求。这个过程居民个人可以录入自己的选择。

    3.生产线式的外表皮建设，并引入服务科技。

这个项目的特点是人和计算机不停地交互。设计师定义建筑的边界、计算机生成外壳以达到最大体积。而这些接地平面将最大程度地利用空间数据（大小、位置、阳光、噪音、视线、连接路径等）

第一步里最重要的是确定标准以输入参数，而标准定下来之后可以进行定性的分析。类似日照、噪音、风等物理环境都可以被用于标准的制定。而第二步也是当今非常强调的个性化设置。这也可以使得模型更加详细化。在这一步，拓扑学的建筑平面将不停调整，大小、方向、角度、家具和门窗摆放。值得一提的是，因为这个模型是数据型的，所以可以在不同的时间节点进行调整，以适应买家的需求。最后一步将引入外表皮的设计以达到对环境参数的需求。

三、数据建筑的优点

在传统建筑里，特别是现代主义建筑，常常使用格子（grid）、模数等来控制建筑形态。而在数据时代，格子本身是可以变化的，使得整个系统更加灵活。不仅格子的边线可以变化，组成元素自己也可以进行变化，可以自由地生长。他们的大小、位置、连接数等都可以在不打扰整体性的时候进行协调。

Oliver Ronigs

另一个优点是，数据本身可以反映许多环境因素。有时候环境因素通过提取可以直接影响形态。举个例子，即使是地表的形态，也可以被程序编译。那些高低起伏、阴影、纹路等等都可以成为数据。这也是GIS提取大数据常用的方式之一。

Semper Rustizierer project

并且，这些数据还是多维的。通过GIS、CAD、rhino等软件可以方便地可视化。

A student project by Michal Idoine

再者，通过程序语言能够很好地建立与周边数据的联系，比如下面这个KCAP的方案，只需设置好规则（rule）：每增加的一层都不会遮蔽既有的周边建筑。那么这个模型可以很快的自我生长出来，并且能够很好地适应周边环境。通过编程语言，制定规则/限制条件/外部因子，很多时候可以将设计简化。

Grunhof(Zurich, CH)

与此类似的你还可以设置让空间最大化、让容积率最大等等各种符合客户需求的限制条件。这些都可以在计算机和数据的帮助下，非常迅速的建立起形态模型。比如下面这个模型的限制rule是最大容积、阳光角度和阴影、视线、场地发展以及建筑体量间的相互关系。计算机编程可以在有诸多限制条件的时候简化设计过程。

city space main station(Zurich, CH)

说到这里有点空，我们来分析一个干货。选取一个非常好理解的Bishopsgate (London,UK)，看看如何利用编程将一个传统项目进行转译。

首先是通过规划条约确定高度、大小、大概体积。

其次引入视线系统，让所有位置都可以有丰富的景观视线。

再者，即使是底层也需要充足的阳光，这使得体量进一步得到削减。

为了防止天际线和城市景观单调，体量进行一些层叠变化。他们相互之间也会影响彼此。

而在这些规则之下，我们最后得到了这样一个建筑。它满足各种限制条件制约，同时又具有灵活性。而这个建筑完全是可以通过人工智能进行演绎的。也就说只要输入限制条件（或许这个未来也不需要，因为大数据会提供和分析限制条件），人工智能可以很好地进行建筑的自动生成。而且，还可以提供满足条件的多个可能性供顾客选择。

四、计算机思维与人工智能

实际上，通过计算机的拓扑和机器学习，可以更快地分析数据以适应当代需求。就好比古代的各种柱式，之前是用各种模数、角度进行控制。而现在计算机可以分析这些角度和美学评价，进行关联性学习。

Bosch, Markus Braach, Susanne Schumacher

而这些微小的变换，可能是工匠的别有用心或是手艺不同，但对于电脑来说，这就是用于拓扑的数据源，通过编译，与比较评价，最终可以通过计算机语言进行转译。

试想，世间万物在人工智能眼里或许就是这样的数据库。而这些数据也可以恰到好处地生成出适宜的形态，再通过数字建造技术可以通过机械臂等等将数据转化为真正的三次元事物。

实际上，虽然没达到人工智能的程度，但这样的数据分析和计算机信息建筑已经应用到了我们生活中来，比如北京奥运会的鸟巢。通过计算机的模拟和计算，使得每一根钢条不会太大也不会太小。通过超过一百次的迭代，生成一个不会出错的结构体。

而这种复杂的结构，肯定不是人工能够轻易驾驭的。计算机的另一个好处便是可以很好地拆分结构，让数据真正变成现实。

Futuropolis(St.Gallen, CH)

比如这样一个复杂的façade，可以通过拆分进行处理，最终切割成一个个的固体，通过拼接就可以完成这样精确而复杂的结构体。每个单元体的形态，如何精确地拼接起来，都是在电脑里进行了模拟和分解，才能很好地实现。即使是再复杂的结构，也能通过编程来进行组织。

或许说，单元体本身也是信息的载体，他们之间的相互关系也是链接信息，通过这些信息的转化和合并，才有了更好的建筑空间和合理的结构。让即使是普通人也可以进行游戏一般地拼接。（这个概念类似于之前我们文章提到过的wikihouse 开源住宅）所以有一个好的程序真的可以帮助设计师或顾客一键生成想要的结果。

好了，问题来了，人工智能又应该如何去搜寻建筑这种视觉性的东西呢？文字类的东西在搜索引擎里非常容易检索和比对，但是图片等东西就很难了。所以这里就要涉及到开始的机器学习了。比如这个architectural google项目，设计师需要录入上千个平面以帮助机器了解什么是平面，然后学会自己在图片库里搜索与再学习。

当我们了解了这么多数据建筑和计算机辅助，很多人会提出一些问题，譬如计算的限制在哪里，计算机可以有智能吗？可以自动化地设计建筑吗？实际上，在很多国外学者眼里，这样的疑问无疑是经验主义的。计算机其实并不需要了解句子的含义，它只需要按照机械语言的逻辑将语句放在一起。而强大的运算能力和数据库的调用能力，可以使得计算机能够很好地解决实际问题。那么作为“设计机器”，它可以针对性地解决很多建筑方面的问题已经足够，例如排布空间结构，生成灵活的平面，并最终可视化他们。

可以看出，即使还停留在计算机辅助设计阶段，自由生长和自动化排布也是可以实现的。那么在不久的将来，人工智能或许真的可以替代大量繁琐的人工作图，设计师只需要提供数据库搜索范围和关键词，就能一键生成无数的优化结果，而顾客当然也能量身定制满足自己需求的建筑，而人工智能恰恰成了完美的中介，让不懂建筑或规划的人也能切身体会到建筑规划设计的魅力。

好啦，想了解更多的建筑学术、科技探索和丰富的建筑漫画，欢迎关注本公众号