TechArt研究小组课 | 人工智能与建筑找形
研究小组课 | Research Group Tutorial
研究方向：参数化设计与人工智能 |
Parametric Design & Artificial Intelligence
人工智能与建筑找形
人工智能 | 参数化设计 | 计算机辅助设计
1.导师介绍
宾夕法尼亚大学建筑学博士
加州大学伯克利分校建筑学硕士
CDRF国际会议协办人
ACADIA国际会议审稿人
2.项目简介
随着人工智能的快速发展，机器学习的应用，尤其是基于神经网络的机器学习，如同雨后春笋一般。建筑学作为技术的末端应用，终于加入了AI家族，建筑师们热衷于应用或开发不同类型的神经网络来解决设计问题。显然，机器学习已成为建筑设计中一个新兴的领域。只要有数据，机器学习就可以用来找到它背后的法律和规则，并根据学习进一步产生类似的数据。从技术上讲，要将机器学习应用于建筑设计，可以遵循以下步骤：
1）挖掘数据并使用清晰的数据结构对其进行转换；
2）寻找适用的神经网络类型；
3）调整网络设置；
4）训练网络并重复第3步直到结果满意为止；
5）将训练后的网络应用于识别或生成其他任务。
然而，除了技术层面，在AI的高速发展下，一些讨论涌现了出来，例如“人工智能可以取代人类并成为新的建筑师吗？”“如果是的话，人类建筑师的未来会如何？” 本次科研课题将通过对人工智能的建筑领域应用实战，来探讨一种未来的可能：计算机是否能不仅作为辅助者，而是作为决策者，取代建筑师呢？在人工智能高速发展的今天，我们建筑师应该思考自己的定位，找到合适的价值观和突破点，应对即将到来的冲击。未来，人类，建筑师，这将是我们之后需要探讨的问题。
15个项目课时，项目周期5周
3个写作课时，论文周期3周
+ 不限时后续服务（答疑与交流）
线上研究小组课
配套线上学术写作录播资料，相关文献和项目资料
3-4位学员为一组完成一个课题
3.课程安排
课时 1：Lecture 1
1) 开题答疑，参数化思维。
2) 学生课前需要简略阅读教材。
3) 简要介绍参数化发展历史和最新成果，从大方向说明参数化在建筑设计领域能做到的和不能做到的应用。
4) 针对参数化概念性的问题解答学生疑问。
课时2：Lecture 2
1) Grasshopper、Weaver Bird、Kangaroo教学，小组讨论。
2) Rhino和GH基本教学。
3) GH高级插件Weaver Bird和Kangaroo教学。
4) 小组讨论，任务目标和基本概念。
课时 3：Lecture 3
1) 人工智能与建筑设计的文献综述。
2) 介绍人工智能在建筑设计上的应用方向和理论。
3) 对近年相关研究的梳理的介绍。
课时 4：Review 1
1) 初步概念评图。
2) 学生课前需要提交若干初步图解，并在课上汇报。
3) 评图环节——点评学生构思草图。学生需要提交对形态转译的初步设想，以草图为主。
课时 5：Lecture 4
1) 特征工程，人工智能理论教学，小组讨论。
2) 介绍特征工程概念。
3) 人工智能运算理论。
4) 小组讨论，实现目标的技术手段。
课时 6：Lecture 5
1) Style Transfer概念、Ostagram实践、Style Transfer程序、Google Colab应用教学，小组讨论。
2) 人工智能程序实践。
3) 本地与在线运算支持。
4) 小组讨论，运算与建模。
课时 7：Lecture 6
1) IVY激光切割模型制作、3D打印、机械臂教学，小组讨论。
2) 模型的制作方法设计。
3) 硬件资源使用讲解。
4) 小组讨论：数字模型的实体化。
课时 8：Review 2
1) 技术可能性评图。
2) 学生课前需要提交若干正式图解，并在课上汇报。
3) 评图环节——点评学生对于实现复杂形态的技术理解图解。以成品图为主。
课时 9：Studio 1
1) 一对一答疑教学（Studio）。
2) 一对一答疑时间。学生同步推进设计和论文进度。
课时 10：Review 3
1) 中期方案评图。
2) 学生课前需要提交若干正式图解和初步效果图，并在课上汇报。
3) 评图环节——点评学生的设计完成度，明确下一步深化表达4) 的目标。以成品图为主，设计基本完成。
课时 11：Studio 2
1) 一对一答疑教学（Studio）。
2) 一对一答疑时间。学生同步推进设计和论文进度。
课时 12：Review 4
1) 方案表达和模型制作评图。
2) 学生课前需要提交若干正式图解、正式效果图、初步模型，并在课上汇报。
3) 评图环节——点评学生的模型制作进度。以成品图和初步模型为主。
课时13：Studio 3
1) 一对一答疑教学（Studio）。
2) 一对一答疑时间。学生同步推进设计和论文进度。
课时14：Studio 4
1) 一对一答疑教学（Studio）。
2) 一对一答疑时间。学生同步推进设计和论文进度。
课时15：Review 5
1) 期末最终方案评图。
2) 学生课前需要提交若干正式图解、正式效果图、正式模型，并在课上汇报。
3) 评图环节——全面点评学生的整体项目。以成品图和成品模型为主。
Academic Paper Writing：论文修改与润色
1) 学术论文书写模块。
2) 学生根据评图反馈，组织材料，正式书写并完善论文。
4.课程要求
本课题将探索建筑中的特殊形式寻找和模块化策略，利用物理和数字建模技术，重新塑造一种已有的形态，并产生新的形态解析模式。
使用人工智能作为设计工具的情况下，本次课题的开展将遵循以下步骤：
1）挖掘数据并使用清晰的数据结构对其进行转换；
2）寻找适用的神经网络类型；
3）调整网络设置；
4）训练网络并重复第三部直到结果满意；
5）将训练后的神经网络模型应用于生成新的建筑找形方案；
6）结果的3D打印模型表达。
使用常规参数化手法作为设计工具的情况下，本次课题的开展将遵循以下步骤：
1) 从其他学科中寻找形态的来源，从自然衍变、数学规律、物理环境、分子结构、化学反应等角度寻找启发，比如
（1. 物种进化的形态衍变过程；2. 物种为适应环境而最终形成的特殊形态；3.复杂函数的图像和领域；4. 简单图形的多维变化（伊斯兰图案）；5. 流体与重力在形态上的叠加效果；6. 万有引力对粒子的运动影响；7. 种群迁徙；8. 菌类生长；9. 晶体生长）；
2) 设想这种启发所带来的形态发展；
3) 寻找启发物背后的形态意义；
4) 分析启发物的特点，并寻找将其转译为形态的方法。
5）生成形态结果，3D打印模型表达。
5.课程收获亮点
掌握人工智能的基本概念和应用前景
学会建筑数据的收集和二次处理方法
学会神经网络的训练和部署细节
灵活运用建筑方案中的表达技巧
掌握非标准建筑模型的制作技巧
了解参数化找形及其对结构系统的基本概念
掌握一套完整的参数化设计逻辑
6.项目最终成果
一套优秀的研究型作品集规格文本（A3四页左右），提升作品整体的研究深度，并助力于申请研究型硕士和博士学位，扩宽申请范围与学员的未来选择多样性。作品包含前期选取的原始形态分析，生成新形态的算法或人工智能技术分析，生成后的最终设计形态表达。
一件或多件3D打印或激光切割模型，表达最终设计效果。
撰写一份基于研究课题的学术报告，在导师指导下修改至符合学术论文需要的文章，并结合学员自身的学术与职业规划，由团队协助至最终发表。
获得导师签发的推荐信或其他推荐形式，如国内外知名实验室，事务所；国内外升学和相关工作等方面的有力内推，高含金量助力学员未来的学术深造与就业机会。
线上与美国藤校博士以及优质的海外学术团进行学术合作，深入接触建筑专业的研究方法，建立学术研究思维积累并提升科研能力，获得高层次的人脉和校友关系。
积累顶尖学术前辈的圈内外专业性经验，并为学员制定学术科研等方面的个性化规划意见。
TechArt将继续分享最前沿的建筑艺术类的学术知识与优质的海外科研资源，为热爱学术的小伙伴们提供满满的福利！
咨询项目详情
可长按二维码添加学究科研社学术顾问微信预约
添加微信时请备注：课程咨询