2018-2019年間，A.I.人工智能在建筑界里的應用刮起了一股旋風，隨著A.I.技術日漸成熟和建筑學者們的積極研究探討，平面圖自動生成程序終于被研發面世。這次的發明不僅僅代表著A.I.技術在建筑領域中的實踐范圍又往另一個層次抬高，而且可能在建筑實踐中帶來革命性的轉變。就如A.I.悄悄地改變我們的日常生活一樣，計算機科學中人工智能的一個分支： 機器學習系統（machine learning system） 和算法（algorithm） 也正在改變建筑領域。其中，自動生成技術（autogenerative design） 因為對建筑師職業構成直接威脅，而在行界里觸發了極高的話題熱度。到底這股自動生成技術背后的理論基礎是什么？經由挑選，在本文中我們將針對3項平面圖自動生程序做出分析以了解其應用范圍和操作原理，并探索目前在實踐領域中的相關案例。

01、平面圖自動生成程序

1. ArchiGan

（1） 背景

ArchiGan是一個由哈佛大學畢業研究生Stainislas Chaillou制作的平面圖生成程序。顧名思義，ArchiGan是Archi-（Architecture |建筑）和–GAN（Generative Adversarial Networks | 生成對抗神經網絡）的組合。該程序除了能夠分三個步驟快速運行以生成一個單戶住宅平面圖之外，還用了嵌套方法來實現創建整個公寓樓的 “generation stack”來允許使用者針對每一樓層做出客制化的改變，最終生成出一個超出單戶住宅簡單性的公寓規模平面圖。

生成3個步驟 ? Image from ArchiGan

（2）生成步驟及原理

第一步驟：Building Footprint 平面布局

建筑占地面積取決于周圍的環境，研究員利用波士頓市的GIS地理信息數據進行訓練 （deep learning） 來生成典型的占地面積。其中，訓練過程采用了Isola等人于2017年的發明——Pix2Pix模型和后續在同一年里Wang等人的Pix2PixHD來學習從輸入圖像到輸出圖像的映射。研究員將成對的圖像，即原始地塊和繪制的建筑物平面面積，饋送到訓練網絡，所以ArchiGan是直接從建筑平面圖種學習拓撲特征和空間組織。下圖顯示訓練的典型結果。

平面布局 ? Image From ArchiGan

（上） Isola 等人的 Pix2Pix研究（下）Wang等人的Pix2PixHD網絡架構 ? Image From Source

第二步驟：Program Repartition 空間規劃

第二步驟是重新分區和開窗。作為輸入的是在第一步驟里生成的建筑平面面積， 以及用戶指定的入后和窗口位置。研究員利用了800多個公寓平面圖的數據庫進行訓練，并在過程中利用顏色來標注不同功能和提供成對圖紙，包括公寓的平面面積和其中實際的空間劃分。

空間規劃 ? Image from ArchiGan

第三步驟：Furniture Layout 家具布局

最后，使用第二步驟的輸出進行下一步的訓練，同樣是輸入成對的圖像，房間的顏色被映射到適當的家具布局。這個步驟保留了墻壁的結構和房屋的門窗。

家具布置 ? Image from ArchiGan

（3）模型鏈接和公寓生成

Chaillou 將以上GAN原理擴展到公寓建筑設計上，使用算法來依次鏈接由第一至第三步驟產出的三個模型 （圖1），并將連接好的多個圖像作為單個圖像來處理?？蛻艨梢葬槍Φ谝缓偷诙襟E產出的模型進行單位劃分，換句話說，每一層都可以實現不一樣的布局，客戶可以指定每個單元的入口和窗戶甚至樓梯。最后，算法將每個結果重新饋送進行第二步驟（圖2），再結合輸出饋入第三步驟（圖3），最后組裝每個樓層的平面圖并將所有樓層平面圖輸出為單獨的圖像。

圖 1 ? Image From ArchiGan

圖 2? Image From ArchiGan

圖 3 ? Image From ArchiGan

（4）GANs 小科普

GANs（生成對抗網絡）全名為 Generative Adversarial Network 是一種機器學習算法，由兩個互相競爭的獨立深度神經網絡組成：

1. Generator 生成器：經由訓練，可以將通過機器生成數據（大部分情況下是圖像），其目的是“騙過”鑒別器。

2. Discriminator 鑒別器 ：嘗試猜測圖像是由生成器生成的還是原始圖像，其目的是找出生成器做的“假數據”。

GANs 生成對抗網絡系統 ? Image From EasyAI 訂閱號

如果這聽起來還是抽象，那我們可以利用這個類推來嘗試理解。將生成器想像為一個藝術仿照者；將鑒別器想象為一個調查者。在競爭的關系中，生成器會制造許多偽造的藝術品，而鑒別器則扮演區分藝術品真假的角色，這就是這兩者之間的Adversarial（對抗）關系。總的來說，GANs 機器算法可以利用兩個神經網絡之間的反饋回路來完善其生成相關圖像的能力。下圖展示Chaillou在實驗ArchiGan程序時用GANs算法產出的訓練結果。雖然在一開始的模型不太精準，但在250次迭代后，機器形成了某種直覺，自動生成的數據精準度也越來越高，越接近設計師和客戶想要的結果。

ArchiGan 訓練結果 ? Image From ArchiGan

2. Evolving Floor Plan

Evolving Floor Plan 是喬爾·西蒙（Joel Simon）在2018年探索優化學校藍圖的一個實驗項目。喬爾是一名紐約洛克菲勒大學（Rockefeller University）的實驗室成員，從事生物物理學的研究。在此項目中他使用圖收縮（graph contraction）和蟻群路徑算法（ant-colony pathing algorithms）作為平面圖算法模式。這個算法可以生成針對各種特征而優化的小學設計，例如：最小化走廊的長度以減少步行時間、布置室外景觀和縮短逃生路線等等。

（1）原始布局

在緬因州的某所小學的原始布局。

（2）算法優化

左圖：經過算法優化，可最大程度地減少教室之間的流量和建構材料使用率。右圖：經過優化以最大限度縮短走火通道。

（3）設置窗戶

添加窗戶并把教室設置為比儲藏室具有更高的優先級。這個設定促成許多內部庭院便逐漸生成。

（4）生成原理

生成模式運用了兩種算法：

（一）Graph Contraction 圖收縮算法

功能是創建有視覺吸引力的布局圖。

（二）Ant-Colony Pathing 蟻群路徑算法

功能是使用蜂巢狀特工來尋找出最佳路徑的概率方法。

在生成模擬過程中，屬性基因編碼將控制各個方面的元參數，直接對整個布局進行優化，并不需要針對每一條走廊進行另外編碼。而每個房間都有各自的節點基因，該基因包含了設計師輸入如房間的大小之類的信息。連接基因會指定兩個節點基因之間的連接以及給予隨機化的初始權重。就這樣節點基因以隨機的方式逐漸添加直到形成一個完整的基因連接圖。除此之外，設計師可以輸入鄰接要求，如自助餐廳必須與廚房相鄰，這種設定將會形成最大邊緣權重的子圖。這種遺傳編碼是NeuroEvolution of Augmenting Topologies （NEAT） 的概括，它可以將神經網絡進化發展為圖形，并在訓練的過程中使用歷史標記，允許拓撲變化的圖形交叉。最后形成可以提供設計師參考擁有多個不同房間數量的平面圖。

（5）生成 Mapping 總覽

a） 使用光譜布局作為輸入的初始物理模式。

b） 物理模式的最終結果

c） 紅色外殼被放大以產生紫色Voronoi種子邊界

d） Voronoi布局創建幾何網格

e） 以黃色添加內部邊緣，并繪制走廊

f） 形成最終平面圖表型。走廊合并為最終幾何形狀，以及內部邊緣設定門口位置。

（6）門廊生成過程

a） 具有三個房間的平面圖表型

b） 創建內部節點和邊緣

c） OHP的初步成果，選定的邊緣以紅色繪制

d） 向內移動走廊頂點

e） 使用圓形半徑與流量載荷促成的比例來創建走廊的幾何形狀

f） 形成最終走廊幾何形狀，設定門口位置

（7）未來應用

喬爾此實驗項目的初始概念是想借用算法設計一個可以隨著學生課程表的改變而演變的平面布局。但實驗項目并不是最完善的，喬爾指出算法指標還未加入其它諸多考量，如地形、太陽途徑、現有樹木和其它種種環境因素，但是有一點可以參考的是以上兩種算法的原理可以使用在辦公或醫院布局上。例如辦公部門之間的共享行道的百分比最大化，又或者縮小手術和病房之間或在護士與患者之間的路線。種種諸類的可能性都可以通過利用人工算法原理計算出最高效的平面圖布局。

3. Finch3D

同樣是在今年，兩所瑞典建筑工作室Wallgren Arkitekter和BOX Bygg共同開發了這個名為Finch3D的平面圖自動生成設計工具。Finch設計工具具有響應性，它可以幫助設計師在在項目早期階段用作為設計工具，不管在任何位置和場景上，多大多小多寬多窄都可以進行設計模擬。該工具是建立在Rhino/Grasshopper之上開發。

（1）應用范圍

Finch3D策劃于2020年推出作為Rhino中的Grasshopper的12種具有不同功能的插件面世。這些插件不管是修改面積、樓層還是體量，都可以快速實現精細化計算并自動生成平面圖。

ADAPTIVE PLAN - 根據給定參數實時生成相應平面空間配置方案

MULTIPLE PLANS - 任意設定地塊范圍，根據建筑路徑自動生成多個住宅平面圖。

SQUARE METERS - 利用進化求解算法evolutionary solvers and algorithms找到樓盤得房率最高的點，從而節約投資。

COLUMN GRID - 使用Galapagos在有機建筑里優化方形網格和柱子的位置。

3D ORGANIC - 將有機形狀的建筑分成所需大小的公寓，樓層高度可以隨意增減。

FOOTPRINT - 通過折線創建建筑路徑和建筑占地塊，并實時進行尺寸和比例的即使計算。

VOLUME - 根據不同路徑自動生成建筑體積。

STAIRS - 隨設定層高一鍵生成所有樓梯。

（2）目前開發進展

根據官方網站上看來，目前的進展已經推出了4種插件兩種格式（grasshopper格式和3Ds Max格式）供給公眾下載使用。下載鏈接請參考參考文獻。

FInch3D 官網 ? Image From Finch3D.com

02

實踐項目中的自動生成設計案例

（1）優化城市小區

除了以上三種平面圖自動生成器之外，在國外目前也有不少正在把A.I.自動生成設計工具融入到實踐項目中的案例。例如日本的大和房屋產業正在和Autodesk合作使用自動生成技術來設計城市住宅。其目的是在日本土地短缺以及稠密城市中找到一個可以在小塊土地上優化設計的方法。設計師和工程師只需要輸入參數，例如設計目標，材料，制造方法和成本限制，便可以快速生成大量的設計解決方案供設計師參考。大和房屋產業對此簡化系統抱持非常歡迎的看法，并策劃將訓練銷售人員用此工具，在未來根據快速自行輸出結果和客戶直接進行展示。

小塊土地上的優化設計 ? Image From Autodesk

根據輸入的參數產出的不同方案 ? Image From Autodesk

快速計算成本和住宅數量對比 ? Image From Autodesk

大和項目總監Harita：“使用常規方法設計方案會導致常規設計，最終的建筑物竣工后，對它們來說并沒有什么特別的。自動生成設計通過提供以積極方式打破了這種模式。我認為這是這項技術的最大吸引力?！?/p>

（2）未來工廠

此外，繼Airbus在2015年時和Autodesk合作發明首個以自動生成設計概念創建的”仿生隔板“ （Bionic Partition），比傳統的零件輕45%的重量后，他們開始積極探索把該技術實踐在其業務的其他部分。2019年，Airbus和Autodesk團隊開始探索利用該技術自動生成工廠和建筑布局，以達到最高的工作流程。

仿生隔板 （Bionic Partition） ? Image From Autodesk

研究人員首先擬出需要大量員工和工具的范圍，然后以自動生成算法策劃出最佳工具擺放位置和人流路徑，以達到減少擁擠和避免物流瓶頸。

Airbus 物流流程的自動生成設計 ? Image From Autodesk

Airbus首席設計師說：“自動生成設計正在幫助我們創建更具可持續性的建筑設計，從而更好地說明關鍵的人為因素和工作條件。通過克服先入為主的觀念和盲點，它還擴展了我們的思維方式和設計方法。無論我們選擇哪種設計，我們都知道工廠將更有效地運作，并且建造成本也將降低。

03

思考 | 未來工作模式

種種A.I.設計工具的發明出現給予建筑領域帶來未來無限可能，也喚起了對未來工作模式的想象。建筑師羅恩·貝奇里（Rron Beqiri）是來自科索沃的建筑師。在2016年時，他就擬出了一個圖示來形容可能在未來會使用的工作模式。A.I.將成為設計師緊密的伙伴，從設計最初至設計成果將分為5個階段進行。

未來工作模式 ? Image From Future Architecture

第一階段：CITIZENS 民眾

從民眾的日常使用設備如手機、筆記本、平板電腦等獲取信息

第二階段 ：INTERNET 網絡

資料收集上載到云端

第三階段 ：SORTING ALGORITHM 算法分類

以計算機算法推算和過濾，提供最有關聯的資料

第四階段 ：ANALYSE BY AI SOFTWARE 人工智能分析

AI 進行分類和分析，并起草一個粗略的計劃

第五階段 ：ANALYSE BY ARCHITECTS 建筑師分析

建筑師和規劃師改進該計劃，其結果是一個經由人工智能和人類思考分析的完整計劃

結語

以目前數字技術和人工智能的增長速度和趨勢，建筑師已經難以否認人工智能將會帶給建筑領域的巨大影響。人工智能中的算法讓設計過程從人與人之間的交互演變成為人與計算機之間的交互，這意味著只要了解計算機工作規則的人都將擁有設計的自主權。這種情況帶給建筑師另一個關鍵問題，那就是我們是否是時候該重新考慮建筑師的未來角色？然而，要預測未來并不是一件隨口了斷的事，只因它存在著太多的不確定性。我們目前可以確定的一件事是，A.I.在建筑領域中的前景未來是樂觀的。我們甚至可以斷言，它終究會成為唯一方法，而那只是時間問題。也許直到有一天，當我們看到主流建筑學院的課程變成下面的圖表時，我們才會確切的感受到我們進入了人機共存的時代，因為“人工智能”變得更切實了。

“數字包豪斯”?實驗建造共同體，TA 2019-6