人工智能时代的科学实验建筑设计——以上海自贸区临港新片区世界顶尖科学家社区人工智能实验室项目为例
*全文刊载于《建筑实践》52期特辑:科研建筑
人工智能时代的科学实验建筑设计
——以上海自贸区临港新片区世界顶尖科学家社区人工智能实验室项目为例
<<<
王欣
WANG Xin
奥雅纳副董事、中国区总建筑师
凌紫
LING Zi
奥雅纳主任建筑师
韦潇涵
WEI Xiaohan
奥雅纳建筑师
随着机器学习(Machine Learning,ML)和人工智能(Artificial Intelligence,AI)技术的不断推进和发展,未来将有越来越多用于满足人工智能科研需求的实验建筑出现在全球设计视野里。有别于传统的通用型科研实验建筑,这类人工智能科研建筑不仅需要关注内部使用空间的功能规划和外部维护结构与周围环境的可持续关系,亦需要满足严格的特定科研使用功能需求,并具有对特殊实验设备使用场景的全方位预判,还需要从设计到实施阶段中,策划、设计、结构、机电、幕墙等多专业配合的解决方案。然而,在众多已经建成或正在设计的人工智能实验室中,尚未出现一个可以供全球建筑设计师所使用、兼具创新力和前瞻性的科研建筑设计标准。
奥雅纳在2021年参与了上海自贸区临港新片区世界顶尖科学家社区(WLA科学社区)人工智能实验室项目,开启了未来人工智能实验室的使用空间需求的相关理论研究,并为此类新型的复杂需求空间制定了从“以人为本的体验,高效协作的交流需求”到“精密实验设备的空间及工程配置”的全方位评价标准和实验室专业咨询服务,为未来人工智能实验室及数据中心等复杂科研建筑空间设计提出了需求的参照标准及相关理论研究路线图。
人工智能实验室空间策划思维导图 © 奥雅纳
1 人工智能的工作方式
人工智能是机器模仿人类行为并像人类一样利用智能做出决定的能力。目前人工智能的研究主要集中在机器学习和深度学习(Deep Learning,DL)两种类型。深度学习其实是机器学习中的一种范式,本文中的机器学习特指不包括深度学习的机器学习。
机器学习是机器在没有明确编程的情况下自动学习的能力,其特点是利用基于规则、数据驱动的流程,使用标记的数据及要素,通过透明性决策1,使用标准硬件工作。深度学习是创建可在算法的帮助下智能地学习和做出决策的人工神经网络,其运作模式是利用神经网络的数据驱动的流程,使用非结构化或未经标记的数据,其决策过程透明度较低,在过程中需要运用大量的处理器和昂贵的硬件。
机器学习与深度学习对比
深度学习与机器学习有着类似的流程,两者的主要区别在于算法的学习模式以及使用的数据量。深度学习自动化了大部分特征的提取过程,消除了一些人工干预,从而使大型数据集的使用成为可能。
2 人工智能实验室的空间属性研究
世界顶尖科学家社区(以下简称“顶科社区”)位于中国(上海)自由贸易试验区临港新片区滴水湖南侧国际创新协同区内,占地面积约为2.5k㎡,是全国首个“科学家社区”城市单元。科学家及科学家相关的智囊科研团队是项目的核心对象,科学家工作的实验室是项目的核心圈层。因此,设计团队重点要实现科研产业链条的“最前一公里”,即基础科学研究功能,包括生命科学、信息科学、物质科学、宇宙科学等实验室和研发中心。实验室外围是创新孵化器和产业集群,来自实验室的研究成果在这里被应用到经济社会并向外推广,有很强的全球化关联属性。项目规划布局了思想交流、科研支持、研发转化的功能空间,具体落位了世界顶尖科学家论坛(World Laureates Association,WLF)国际会议中心、世界顶尖科学家协会(World Laureates Association,WLA)全球总部基地、世界青年交流中心、研发转化中心等项目以支撑实验室平台。奥雅纳配合英国PLP建筑师事务所的设计方案,针对顶科社区04组团实验室B组团项目,对各部分所需的空间面积进行调查、研究、分析和总结。团队以终端用户的要求为基准,设立空间评估原则,并对类型学、空间尺度以及组成要素进行可行性研究。
奥雅纳的实验室专家顾问对人工智能产业所需的特殊实验空间进行分析,结合相关规范法规,对特殊实验空间进行了详细的定义、分类,并通过特殊实验空间建议指标测算表,对本项目所需要的特殊实验空间进行了具象化的研究。
特殊实验空间建议指标
通过对机器学习和深度学习流程的拆解,可以将人工智能实验研究空间划分为特殊使用空间、实验室办公空间和数据存储计算空间,以及需要相应配置的非实验研究空间,包括社交空间、后勤服务空间和环境。
人工智能工作空间定义
数据场景定义了目前人工智能研究数据的来源现场——实验室和虚拟网络。其中,特殊实验室空间的使用需求成为人工智能实验室建设指标的关键考虑点,这些使用需求包括能容纳更高大实验设备和实验形式的空间、能适应更灵活使用方式的体量,也包括边缘计算及专用的数据中心、重荷载和湿式实验室的人工智能场景模拟需求。
针对特殊实验空间,奥雅纳进行了深入的类型学研究。该研究基于团队对人工智能学科数据采集的认知,通过对机器学习和深度学习的设施边界进行界定,最终细化出了三类特殊使用空间的实验室类型:大型多功能实验室、通用实验室,以及数据中心和研发实验室(满足特殊设备需求)。基于这三类物理实验空间,奥雅纳针对以下4个因素进行从方案到落地的全过程咨询与建设质量把控,并在最终的实验室咨询报告中给出详细评估。
3种规格的人工智能实验室原型研究 © 奥雅纳
1)实验室位置以及结构要求:特殊实验室需要被放置于首层以获得相对较高结构层高,并且具备直通室外的条件,可为未来超级计算机等高规格设备做预留。特殊实验室均有直通的货梯、直接的服务流线及设备用房。数据中心与特殊实验室在建筑垂直布局层面上下对应,使数据的收集和传导更加便捷。振动控制需满足VC-A标准2,即振动响应系数R=0.5。
2)物理空间实验设备和工具:选择适当的实验设备和工具,以支持人工智能研究和实验,包括高性能计算机、图形处理单元(Graphics Processing Unit,GPU)、深度学习框架、机器人、传感器等。根据实验室的具体研究方向,选择合适的硬件和软件工具。
3)数据存储和处理:人工智能实验通常需要具备对大量数据进行存储和处理的能力,因此需确保实验室拥有足够的存储设备来存储实验数据和训练模型所需的数据集。此外,还需考虑支持实验和研究的数据处理和分析系统的搭建。
4)网络安全和互联网连接:用于与其他研究机构、数据源和云服务进行交互的稳定、高速的互联网连接,对人工智能实验室的运作至关重要。此外,亦需确保网络的安全性,防止数据泄露和网络攻击。
3 高效理性的评价系统构建
3.1 评估体系构建依据
科研实验建筑的设计叙事在人工智能科研领域可归为两个重要目标,即体验和效率。
在体验方面,设计需要关注传统建筑学中人的尺度与感受,比如交流和协作的重要性。科研实验室通常供由多位研究人员组成的团队进行工作,提供适当的交流协作空间用于小组会议、讨论、项目协作和经验分享,有助于加强团队的凝聚力和协同工作能力。学术研讨和教育培训场所也是必不可少的配置,交流和协作空间可以用于组织学术研讨会、研究报告和学术讲座等活动,在知识的交流和分享中提高团队成员的专业素养和学术影响力。再比如室内环境控制,为了保持实验室的稳定性和舒适性,采用适当的环境控制措施,例如自然采光、通风系统、空调系统、温湿度控制等,创造适宜的工作环境。针对这些评价标准的特性,研究团队制定了一份定性评价表来指导人工智能实验室建筑设计,并在概念构建阶段对其予以考虑。
定性分析系统空间分类逻辑
在效率方面,团队为保证科学工作者工作的有效产出,制定了一系列定量评价指标。例如,空间规划需具体考虑实验室所需的面积和布局,确保实验室内有足够的空间来放置计算机、服务器、传感器、实验设备等。此外,实验室空间与传统办公空间的面积配比也需要在科学的指引下确定。
定量分析系统空间分类逻辑
3.2 评估体系应用成果
根据人工智能实验室的空间属性研究以及过往的实验室建筑设计经验,奥雅纳建立了一套评估体系,旨在对实验室建筑中需要重点关注及评估的空间元素进行定性和定量的分析。借由这套评估体系,团队对在科研工作方式上相类似的8个国内外优秀人工智能实验室案例进行评估分析,它们分别是:麻省理工学院(Massachusetts Institute of Technology,MIT)新媒体实验中心、MIT计算机科学及人工智能实验室(Stata Center)、中国科学院计算技术研究所科研综合楼、谷歌大脑人工智能实验室、IBM沃森人工智能总部、盖茨和希尔曼中心、MIT苏世民计算机学院和谷歌DeepMind人工智能实验室。同时,通过实地考察,针对两组实验室进行了定性分析,其中一组是以西岸智塔上海人工智能实验室和上海交通大学转化医学国家科学中心为代表的办公型塔楼实验室,另一组是以上海交通大学密歇根学院和上海交通大学人工智能研究院为代表的学院型多层实验室,得出了科学、客观的分析结论,并进一步推动了顶科社区04组团实验室B组团项目的技术设计任务书编纂工作。
其中,定性分析体系关注空间的受众——人,通过对抽象、间接的空间元素对受众的影响和受众感受进行分析评估,推断出各类空间元素的质量判定。
定量分析体系用于对实验室建筑案例中的物理空间进行分析判定。在定量分析体系中,团队将物理空间细分为五大类型:常规实验室/办公空间、特殊实验空间、社交空间、后勤服务空间和环境。五大类空间将由次一级的评估标准来进行具体分析评估。
案例定量总结
通过对全球人工智能实验室的案例研究,团队针对实验室办公的配置给出了一个经案例归纳和计算得出的科学配比,并通过定性评价对所有的需求空间进行了分类,同时给出针对本项目的量化建议。此外,经研究得到了大、中、小[进一步归纳为大型多功能实验室、通用实验室和数据中心,以及研发实验室(满足特殊设备需求)]三类典型实验空间的不同需求特点,以及各类实验室所需要的基本尺度和配比关系。
各类空间面积分配比例推荐
各类空间量化建议
4 以人为本的绿色未来实验室设计
人工智能实验室应当是以人为本的绿色实验室,其绿色设计要具体关注可持续性、健康、智慧、合作和节能减碳这5个维度。
4.1 可持续性
生态化和可持续性是未来实验室的设计目标。项目可持续性可以通过一系列措施提升,例如:采用绿色建筑材料,促进建筑成为低碳甚至负碳建筑;引入亲近自然的设计理念以提高工作环境的品质;利用绿色能源,减少建筑能耗。
英国天空广播公司Believe in Better大楼 © 奥雅纳
4.2 健康
健康是设计的核心,建筑需要为使用者提供健康的生活方式,并为使用者创造愉悦放松的体验。例如,充足的自然采光和内外空间交融可让使用者更充分地享受美丽自然。
由PLP建筑师事务所设计的弗朗西斯·克里克研究所 © 奥雅纳
4.3 智慧
智能建筑技术的运用让使用者得以与建筑进行互动。工作空间的设计旨在创造尽可能大的灵活性,并依靠智能技术进行有效管理。
人工智能数字化建筑管理平台Neuron © 奥雅纳
4.4 合作
未来的工作空间设计需要满足各类体验和活动的需求,建筑本身也需要为协同或专注工作提供各种可能场景。同时,建筑也应是一个支持积极互动和专注工作的研发创新中心。
4.5 节能减碳
被动式减碳方案和后期运营的碳追踪管理在奥雅纳一体化设计咨询服务中得到贯彻,并持续致力于实现可持续未来的发展目标。最重要的是,节能减碳的考虑在设计初期就被纳入到实验室的规划和设计过程中。设计应通过与专业的建筑设计师和能源专家合作,根据实验室的需求和地理环境,制定出适合的节能减碳方案,同时定期监测和评估实验室的能源使用情况,并根据实际情况进行调整和改进。
5 实验室的未来
一些世界上正在发生的长期变化和特定领域的驱动因素正在改变科学研究的生态系统。它们正在重塑着科学家工作的环境,并影响着科学研究的进程、研究本身及其方法。理解实验室的未来,需要对这些变化及其驱动因素予以关注。探究实验室设计领域的研究和趋势,并通过与行业和学术界专家的交流对实验室及其设计的未来趋势进行预测,针对定制化科研实验的专业需求,突破了传统实验科研建筑仅依据通用规范指导设计的固有模式,从而建立实验室的综合评估系统,以之应对未来实验室设计的不确定性和空间需求的变化。
5.1 科学研究的未来发展方向
科学研究进程在很大程度上受全球大趋势的影响,影响因素包括人口增长、城市化、老龄化社会和慢性病发病率增加等人口变化,以及气候变化、自然灾害、资源枯竭加速和环境破坏等。应对这些挑战的迫切需要在很大程度上推动了科学的未来发展方向,促使着科学跨越地理、政治、组织和学科界限产生新的连接,而更广泛的文化和技术变革正在改变科学研究的形式。
5.2 科学地理重心的转移
随着全球科研创新趋势变化和新兴科研关注点的转移,科学研究的环境正在发生变化。尽管发达工业经济体在传统上主导着全球科学版图,中国和印度等新兴强国已成为重要的研究和创新中心。技术和通信的进步以及资本和人员自由流动也推动着全球研究的空间重组。
由此,科学生态系统正在从由美国、英国、德国、俄罗斯和日本主导的金字塔结构转向具有多个较小的、相互关联的卓越中心的网络模型。这些新中心将根据社会经济、地缘政治或环境问题等当地因素,因地制宜地开展科研工作。
6 结语
本文回顾了奥雅纳在顶科社区04组团实验室B组团项目中,对于大型多功能实验室、通用实验室和数据中心,以及研发实验室(满足特殊设备需求)这三类人工智能实验室空间需求的研究,并介绍了与之相关的绿色实验室设计理念和实验室未来趋势研究。以具体案例为依据,这一系列综合研究将最终形成一份统一了建筑、结构、机电设备等相关技术要求的人工智能实验室设计导则,并进一步形成顶科社区04组团实验室B组团项目的实验室设计任务指导报告,也为未来相似的人工智能实验室和其他类型新兴科研领域的实验室设计导则的建立,提供了一份可供参照的路线图。
注释:
1 透明性决策是指在人工智能系统中,让决策过程变得透明和可解释。这意味着操作者可以理解人工智能系统是如何做出决策的,以及为什么会做出这样的决策。
2 VC振动标准是指机械设备在正常工作中所产生的振动量要达到的标准。这是一个非常重要的指标,因为振动过大会严重影响设备的正常运行。如果振动过大,不仅会导致噪音污染,还会增加设备的故障率和维护成本。常见的VC振动标准有A—D 4个级别。A级代表机组中的最重要元件,如发电机、主机等。
本文图表由作者提供
文字编辑 / 忻运、严安妮、黄心怡
新媒体 / 高婧
校对 / 郭晴
© 建筑实践
欢迎联系转发,禁止在未授权时以《建筑实践》编辑版本转载。
- 新刊介绍 -
- 推荐阅读 -