TechArt一对一科研 | 人工直觉系统与生成式设计
研究方向 ：参数化设计与人工智能
Parametric Design & Artificial Intelligence
“人工直觉系统与生成式设计”
人工智能 | 生成式设计 | 设计过程控制
一对一科研 | 1 to 1 Teaching
澳洲名校
博士
皇家墨尔本理工大学（RMIT） 建筑学博士
RRSS全额奖学金获得者
威尼斯双年展合作参展者
深圳双年展合作参展者
在过去十几年间，史无前例般大量涌现的新科技和不断积累的新理论极大程度上颠覆了当代建筑设计范式。其中，对于复杂系统的深入理论研究、高速提升的计算力以及逐渐成熟的人工智能技术给予设计者全新的角度来思考和预演未来的建筑生成设计过程。
图片来源：Stephen Wolfram，Cellular Automaton
本科研课题旨在应用最前沿的人工智能技术（深度强化学习）将为已有的算法生成系统进化为拥有人工设计“直觉”的高阶智能体。在自然演化过程中，直觉来源于亿万年来智慧生物对于环境理解认知基础上的进化传承。而生成式设计中的人工直觉则是智能系统针对于设计意图不断训练优化的结果，是设计过程的进阶控制产物。
图片来源：Roland Snooks，RMIT-Algorithms and Technology in Architecture
在具体研究中，课题分为三个阶段：Unity、C#、算法生成系统和强化学习的基础介绍；初步直觉系统训练；进阶直觉系统训练。通过整个课题的训练，旨在让学生掌握对生成式设计和人工智能技术等前沿研究方向更深层次的理解。
图片来源：Roland Snooks，RMIT-Algorithms and Technology in Architecture
15个授课课时（包括项目时长与论文书写），项目周期8周
+ 不限时团队后续服务（答疑与交流）
线上一对一科研
班型：1位学员/班
课时1：Lecture - Introduction
1) 研究方向整体介绍
2) 生成式设计和算法设计
3) 机器学习、强化学习和人工直觉系统
课时2：Lecture - 算法生成系统和C# 编程01
1) Grasshopper C# 电池介绍
2) C#编程基础教学：强类型编程语言、简单数学运算、if statement、for loop
3) 简单算法生成系统简介：Random Walker、Field场系统
课时3：Lecture - 算法生成系统和C# 编程02
1) Grasshopper中的模拟运算
2) C#编程基础教学：OOP面向对象编程
3) 复杂算法生成系统简介：元胞自动机、多智能体系统
课时4：Lecture - 算法生成系统和C# 编程03
1) Unity软件介绍
2) Unity中的C#编程
3) Unity中的算法生成系统
课时5：Lecture - Unity ML-Agents强化学习
1) 人工直觉系统与强化学习
2) 强化学习三要素：Action, Observation States, Rewards
3) ML-Agents应用介绍
课时6：Review 1
1) 初步C#、算法生成设计学习总结
2) 基于强化学习的生成式设计过程概念评讲
课时7：Studio - 一对一答疑教学 01
1) Unity环境下算法系统初建
2) 强化学习Action定义
课时8：Studio - 一对一答疑教学 02
1) 强化学习Observation States的定义
2) 强化学习 Reward的定义
课时9：Studio - 一对一答疑教学 03
1) 初步强化学习和生成设计学习训练
2) 输出训练结果，优化训练过程
课时10：Review 2
1) 初阶人工直觉系统讲评
2) 总结定义过程、和传统生成过程比较、制定下一个阶段训练目标
课时11：Lecture - 进阶人工直觉系统
1) 不同尺度下的人工直觉系统讲解
2) 强化学习和算法生成设计高阶讲解
3) 学术论文写作讲解
课时12：Studio - 一对一答疑教学 04
1) 进阶Reward定义
2) 代码优化
3) 论文初步构思
课时13：Studio - 一对一答疑教学 05
1) 进阶训练结果导出、训练过程优化
2) 设计优化
3) 论文写作推进
课时14：Studio - 一对一答疑教学 06
1) 设计、图面表达优化
2) 论文写作推进
课时15：Final Review
1) 终期评图
2) 论文完善讲评
4.课程要求
软件能力：具备中级以上Rhino, Grasshopper能力
编程能力：有过任意一种编程语言（Python, C#, Java, C++）的最基本阅读能力或者对于编程有极强学习热情
理论能力：有基本生成式设计理解，完成过至少一个有生成式设计倾向的作品
研究安排：有充裕学习研究时间，且对短时间理解掌握复杂人工智能算法工具有强烈意愿
硬件要求：有中高配置个人计算机
不同类型机器学习的特征及其在建筑城市领域的应用前景
强化学习在生成式设计过程控制的重要应用
理解人工直觉理论内涵并应用于算法生成系统完成设计
Unity和Grasshopper环境下的C#编程
大量前沿人工智能、算法生成设计案例
一套优秀的研究型作品集规格文本（A3四至五页左右），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。作品包含针对一种算法生成系统的初步搭建、基于强化学习的优化生成过程控制以及总结其个生成式设计带来的未来影响。
撰写一份基于研究课题的学术报告(writing sample)，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。
线上与名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。
关于更多过往学员成果案例与课程详情，欢迎在文章最后联系TechArt学术顾问，一起交流。
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！