文章原载于《建筑学报》2023年10期（总第659期）

走向生成式人工智能增强设计时代

简介

人工智能（Artificial Intelligence，AI）的迅速崛起将人机关系的议题重新推向风口浪尖。一方面，有观点认为AI将具有自主性和创造性，能够学习和认知世界，甚至取代建筑师的工作。另一方面，也有人认为AI仅是一种工具，其应用范围限于可量化的问题。然而上述论点均有失偏颇，技术并非取代人类的新兴文明；亦不仅是人类中心主义操控下的工具。AI正逐渐展现出分析力和创造力，成为人类身体和意识的延伸。尽管AI具备了生成原创信息的能力，但它们会持续产生错误信息，需要人类智能的约束和相互补充、拓展、增强、进化，成为共同主体，实现人机共生的新型建筑创作范式。

人机共生的新主体性将推动建筑学知识体系的更新迭代，AI赋能设计思维带来了启发设计、定制设计、增强设计3个变革的方向。充分认知人工智能推演与建筑设计思维的耦合将为后人类时代带来多种可能。

启发设计：从规则到规律的推演创作范式

规则主导和规律主导是当前建筑学创作中两种主流的推演范式。规则主导指的是建筑师使用数字化工具如Rhino、Grasshopper、Revit等，根据设计需求将创意转化为机器可执行的命令。规律主导则侧重于机器通过大数据分析，学习建筑创作的规律，自动生成设计方案。如图1，丹尼尔·博勒简（Daniel Bolojan）通过生成对抗网络找到圣家堂的设计规律，结合森林的视频，探索了两种意象的结合。

图1 AI学习圣家堂与森林的特征

对于规律主导的设计普遍的追求是：AI可以理解建筑含义，提取设计特征，让整个设计更加智能化、自动化。特别是生成式人工智能（Generative Artificial Intelligence，GAI）在吸收了海量设计资料后，通过设计要素组合、外延、创新，甚至能超越建筑师的想象力，生成更加丰富、精确的设计成果，可协助增强建筑师的思辨力与创造力。

当前以扩散模型（stable diffusion）为代表的生成式AI主要分为3种生成路径（图2）：单语义输入生成图像，分析建筑方案需求，将设计需求转化为文本描述进而探索生成方案；多语义输入生成图像，通过对文本、单张图像或多张图像的相互组合，对设计形态和布局进行粗略定义和规划，算法根据输入的文本或控制图像，解析空间关系，生成设计方案；图像迭代，AI在已有方案的基础上进行局部改动，进一步灵活性、针对性地优化设计。通过这3种路径，人和智能技术共同参与创意过程，实现更高效的创意产出。

图2 人工智能生成路径示例

（上：灭绝物种纪念馆；中：让·布维设计的椅子与塑料打印结合；下：某乡村美术馆项目设计迭代） 

定制设计：人机协作下的工作流程范式

定制化的人机交互形式，是生成式AI增强设计的基础。为了让人工智能更适应建筑师的设计思维，形成专属的人机交互关系，需要从“数据-模型-互动-评价”4个方面重塑建筑产业，实现定制化的建筑设计智能生成范式。

1）数据收集：建立建筑师专属的知识库，包括筛选与建筑师需求和偏好相关的文本、图片、模型等数据，以构建个性化数据库（图3）。这一步骤还涉及到数据的清洗、集成、变换、和归约，旨在提升人工智能训练的效率，并使模型更好地理解建筑细分领域下的语义和特征。

图3 人机共生下的数据体系

2）模型训练：将人脑的设计思维和经验判断转化为机器算法可理解的形式。这包括对模型的参数和超参数进行定制化训练，从而促进人工智能更准确地捕捉建筑领域的特征和规律，并提供专业性的设计解决方案。

3）互动设计：基于人机交互的过程，建筑师可以调整生成的设计方案，以确保最终结果符合其思维导向（图4）。这一过程是一个循环的连续学习过程，旨在最大程度上打破人工智能与建筑师之间的障碍，建立可追溯和可迭代的交互形式。

图4 典型人工智能互动流程

4）评价反馈：在设计至建造的全流程中，建筑师对每个环节进行反馈和评价，辅助人工智能的自我进化。通过人类与机器间的渐进式交互，人工智能可以接收来自建筑师的反馈，进一步改进其生成能力和设计质量（图5）。

图5 基于建筑师反馈的定制化智能体系

增强设计：建筑知识体系下的智能架构

生成式AI增强设计并非泛专业算法和模型的移植，更需要系统性地认知建筑识体系。AI算法能否理解建筑学中抽象的概念、各维度间的不可见关联以及回答特定的问题仍是未知数。由此，人工智能增强建筑设计要求同时满足“通用性”（整体性、系统性地理解建筑学科体系及内部关联）和“知识性”（细分化、颗粒化地分解建筑领域问题）。实现这一目标，需要建立认知策略，类比构筑问题的底层，将建筑学知识转化为可计算的数据图谱，并通过大规模建筑数据让人工智能学习建筑的经验和知识。同时，还需建立细分模型，引入环境性能化、结构性能化、行为性能化等元素到算法技术中，优化特定建筑设计的各个方面。

“通用模型、专业模型、细分模型”三位一体，成为在建筑知识体系下的人工智能标准范式（图6）。通用模型具有强泛化能力，在被引入建筑设计领域时，模型的权重可被复用和迁移，人工智能广泛地学习建筑体系知识。专业模型是通过局部冻结、低秩适应方法等微调技术，对通用模型进行调整，以适应建筑设计的特殊需求。细分模型，基于单一目标或多目标，将复杂的非线性设计过程进行公式化、模型化，优化建筑设计的特定部分。

图6 建筑知识体系下的模型架构范式

面向人机共生的智能生成设计平台

为了探索人工智能增强建筑设计与建造新范式，以人工智能工具为核心的启发式设计平台FUGenerator应运而生。FUGenerator主要由3 部分构成：社区、生成及训练。其核心架构则是基于通用模型、专业模型、细分模型的数据和算法（图7）。

社区板块为建筑师提供开源共享的建筑创作平台，每个人都可以在其中分享个性化流程、模型、成果和知识。生成板块以稳定扩散模型为主要算法，对比语言-图像预训练（CLIP)、引导语言图像预训练（BLIP）实现语义和图像的转换，将结果逐步转换为目标域的数据样本，实现强大的生成能力。训练板块针对扩散模型和生成对抗网络模型等算法集成了前缀调优、低秩适应方法、文本到图像扩散模型等训练方式。平台支持建筑师建立个人数据库，使人工智能更好地理解、认识、感知建筑师个体及建筑设计机构的需求与目标。

FUGenerator通过文本、图像等描述形式，启发建筑设计。当建筑师进入创作阶段时，该工具将氛围语汇转换为具体建筑草图或方案，为建筑师创造多样化的灵感提供有力支持（图8）。

图7 FUGenerator智能生成设计平台架构

图8 生成示例：在项目中运用中国传统屋面元素生成建筑意象图

结语

生成式人工智能（GAI）在增强建筑设计创造力和效率方面无疑具有巨大的潜力。由建筑师训练与搭建的人工智能模型，将赋能建筑师的感知力、分析力、想象力，迸发出建筑学的勃勃生机。

同时未来的人工智能将有可能实现从智能生成设计到机器人智能建造的无缝衔接，彻底颠覆建筑产业的发展格局。但建筑智能需要学习如何表征建筑，搭建自监督学习模型。同时建筑师也需要警惕陷入“技术至上”的陷阱，通过深入思考与实践实现人类文明与人工智能的和谐共生。

作者：袁烽¹，许心慧¹，王月阳²

单位：

¹同济大学建筑与城市规划学院（上海，200092）

²上海建筑数字建造工程技术研究中心（上海，200092）