在過去的幾十年里，人工智能工具已經(jīng)被用于分析數(shù)據(jù)或完成越來越多的領(lǐng)域的基本任務(wù)，從計算機科學到制造、醫(yī)學、物理、生物學甚至藝術(shù)學科。密歇根大學的研究人員最近一直在研究人工智能在建筑中的應(yīng)用。他們最近發(fā)表在《國際建筑計算雜志》上的論文，專門探討了人工智能作為創(chuàng)建新建筑設(shè)計工具的潛力。

“我和我的搭檔桑德拉·曼寧格長期以來都癡迷于在建筑和人工智能領(lǐng)域?qū)崿F(xiàn)交叉融合，”一位研究人員說，“我們第一次接觸人工智能研究是在1998年，我們是通過一個共同的朋友被介紹到奧地利人工智能研究所的，2006年，我們在維也納應(yīng)用藝術(shù)大學舉辦了第一門建筑機器學習課程。”

最初，研究人員評估了現(xiàn)有最簡單的神經(jīng)網(wǎng)絡(luò)在二維到二維神經(jīng)類型轉(zhuǎn)移任務(wù)中的表現(xiàn)。這些任務(wù)基本上需要更改一個圖像(即目標圖像)，使其匹配特定的樣式。這可能意味著改變一幅畫，以反映特定畫家的風格，比如文森特·梵高。在他們的工作中，德爾·坎波、曼寧格和他們的同事特別嘗試使用神經(jīng)網(wǎng)絡(luò)來改變設(shè)計，使其符合特定的建筑風格。

機器人花園。這個項目是一個雙足機器人的試驗場，是第一個完全使用神經(jīng)網(wǎng)絡(luò)設(shè)計的架構(gòu)項目。

“后來我們開始試驗從2D到3D的風格轉(zhuǎn)換，你可以把風格轉(zhuǎn)換成網(wǎng)格模型，”研究人員解釋說。“我們很快意識到，考慮到建筑固有的3D特性，僅僅做2D工作并不能讓我們走得太遠，我們目前正在探索一種純3D卷積神經(jīng)網(wǎng)絡(luò)(CNN)。”

他們匯編了一個數(shù)據(jù)集，其中包含他創(chuàng)建的幾個三維模型，并保存為OBJ文件。然后他給這些數(shù)據(jù)貼上標簽，用它們訓練一個CNN。在訓練這個數(shù)據(jù)集時，CNN應(yīng)該學會改變建筑設(shè)計，使其符合典型的風格德爾坎波的工作。

“這種創(chuàng)建訓練數(shù)據(jù)集的方法背后的想法是，如果它可行的話，一個CNN應(yīng)該能夠生成接近我作為一個設(shè)計師固有的敏感性的模型，盡管不是我創(chuàng)造的，”研究 人員解釋說。

他們的論文提供了一個如何使用生成式對抗網(wǎng)絡(luò)(GANs)來產(chǎn)生建筑設(shè)計的例子。他們還概述了一個仍在進行的名為“機器人花園”的項目，該項目旨在為密歇根大學開發(fā)的兩足機器人創(chuàng)建一個試驗場。

在機器人花園中，他們第一次測試了我們是否能在給定場地上‘做夢’或‘幻覺’地形和建筑特征，當我們談?wù)搲艋蚧糜X時，我們并不是用深奧的方式來表達，而是從計算機科學中借用了一些術(shù)語，而這些術(shù)語本身也是從神經(jīng)科學中借用來的。

• 深圳的一個基于AttnCNN的項目。

在最近的研究中，德爾·坎波和他的同事們評估了特定算法創(chuàng)造“幻覺”或“想象”設(shè)計的能力。其中包括“深度夢”(DeepDream)等算法，這是一種基于神經(jīng)網(wǎng)絡(luò)的模型，可以模擬大腦過程，從而讓人類產(chǎn)生迷幻或幻想性夢境。

為了進行他們的實驗，研究人員匯編了包含不同建筑和地形特征圖像的數(shù)據(jù)集。隨后，他們在這些圖像上訓練了一個深度夢算法，這樣它就可以在現(xiàn)有的建筑上“產(chǎn)生幻覺”這些特征。

“有趣的是，我們得到的結(jié)果是非常鼓舞人心的，盡管不能直接轉(zhuǎn)化為一個設(shè)計，”德爾坎波說。“我們意識到，有些事情人類大腦可以做到，而人工智能還做得不夠好(認識到將錯誤轉(zhuǎn)化為創(chuàng)造性解決方案的潛力)。”這種能力是由對我們大腦的錯誤解讀、大腦神經(jīng)元的錯誤激活，以及大腦中的捷徑如何以奇怪的方式創(chuàng)造出“我找到了”的時刻而產(chǎn)生的。

目前，研究人員正在與密歇根機器人公司的人工智能專家密切合作，測試一系列有助于3D建筑設(shè)計的人工智能技術(shù)。