人工智慧因其強大的學習能力和高效的分析決策能力在許多行業起到了提高效率的作用，在建築行業也已經有一定的滲透，如智慧建造，建築能耗預測等。現階段基於統計機器學習的人工智慧在建築行業中更多的充當的是輔助的角色，在依賴創造性的建築設計領域，是否也能幫上忙呢？答案是肯定的。本文將重點介紹我們能期待人工智慧在建築設計的大大小小的環節中發揮什麼樣的作用，同時從中國與歐美的差異的角度看中國建築設計人工智慧應用所面臨的侷限和發展趨勢。為了將涉及人工智慧的建築設計和以往的自動化輔助設計區分開來，我們將首先回顧一下建築設計與計算機技術結合的不同階段。

作者 | 言青佳、陸少遊

早在二十世紀五十年代，計算機輔助設計(CAD，Computer Assisted Drawing)軟體的第一代原型PRONTO就已面世，開啟了建築設計領域計算設計（Computational Design）在學界討論和業界應用的大潮。CAD在八九十年代逐漸成為一門正式學科及工作正規化並發展出現在行業標配的三維立體設計軟體。CAD對幾何形狀的嚴格把控使得設計變得可靠和可行，同時允許更多的迭代並降低成本。但一些任務的重複繁瑣的操作及對複雜形狀的無能為力成為了其發展的阻礙，引數化設計軟體應運而生。1988年首款幾何圖形引數可控的軟體Pro/ENGINEER出現，隨後2000年左右Grasshopper誕生，讓設計師透過全面控制及快速調整引數落實設計思想。在Zaha Hadid Architects等設計事務所的大力採用下，引數化開啟了建築設計的新篇章。而21世紀影象領域深度神經網路的發展，使得蓬勃發展的人工智慧技術運用在創造性的設計領域成為可能。不同於計算機輔助設計和引數化設計，人工智慧的參與使得設計不再完全依賴人類對最終呈現的設定。

神經網路：ANN(Artificial Neural Network)，是一種模仿生物神經網路的數學模型，用於對函式進行估計或近似。它在每一層對神經元的輸入向量與權向量的內積作函式變換得到輸出向量作為下一層的輸入向量，透過反向傳播等基於數理統計學的學習演算法來進行最佳化。

卷積神經網路：CNN(Convolutional Neural Network)，一種包含卷積計算並且有深度結構的前饋神經網路。通常神經層數較多，對於大型影象處理有出色表現。卷積神經網路由一個或多個卷積層和頂端的全連通層（對應經典的神經網路）組成，同時也包括關聯權重和池化層（pooling layer）。其中經典模型LeNet、VGG和Resnet等均屬於CNN。

迴圈神經網路：RNN（Recurrent neural network），是神經網路的一種。它的同層的神經元之間透過函式連線形成有向的傳遞關係，故而得名。神經元之間的聯絡使得該模型能更好地處理序列資訊。常用於語音識別的LSTM模型和Google開發的能像人類一樣繪製物體的程式Sketch-RNN所用的模型均屬於RNN。

生成對抗式網路：GAN（Generative Adversarial Network），是透過讓兩個神經網路相互博弈的方式進行學習的達到最佳化引數目的一種半監督學習模型。它由一個生成網路與一個判別網路組成，生成網路從引數空間中隨機取樣作為輸入，其輸出結果需要儘量模仿訓練集中的真實樣本。判別網路的輸入則為真實樣本或生成網路的輸出，其目的是將生成網路的輸出從真實樣本中儘可能分辨出來。兩個網路相互對抗、不斷調整引數，最終目的是使判別網路無法判斷生成網路的輸出結果是否真實。該方法使得人工智慧從分析工具向生成媒介更近了一步，能根據學習生成繪畫、影象。在GAN框架下發展出許多針對任務的演算法，如StyleGAN和ArchiGAN。

小庫科技：成立於2017年，人工智慧建築師小庫是一款在實際設計層面應用人工智慧的只能設計雲平臺，將人工智慧、大資料和智慧顯示等技術融入到雲端操作介面中，幫助提高城市規劃和建築設計前期工作效率，協助設計師生成前期創意方案。小庫工具能實現實時快速排量，幫助助理建築師快速落實主創的多個設計草圖想法，智慧生成車庫排布圖等。

酷家樂：致力於AI技術與演算法的研發，室內家裝軟體公司酷家樂推出智慧造型設計、智慧水電設計、智慧施工圖等產品，讓設計師迅速完成外景別墅、樓梯、欄杆、樑柱、閣樓、長廊、斜頂的建模，並自動生成渲染效果圖。同時水電設計模組將具備自動化智慧設計和個性化人工設計的雙項功能，可智慧識別戶型結構、自動定位電路插座，自動連線管道線路、自動分配電流電源、自動識別線路衝突，完成水電設計的基本佈局。

Finch3D: 推出的CAD/BIM工具可以藉助模擬器和人工智慧，代替建築師來完成重複性的工作，如評估、法規檢索等，從而引導設計師完成整個設計流程，從而做出更加明智的設計決策。另外，其還可以根據設計師輸入的資料進行趨向演算法計算，幫助設計師完成建築高度、公寓分佈、牆壁厚度等自動化計算工作。

麻省理工學院趙選賀團隊：開發出利用生成式對抗網路GANs來設計複雜結構的平臺。計算機透過設計材料的結構來追求某種效能，代替人類設計師進行大量資料模擬計算，不僅能釋放人類設計的精力，也能拓寬設計師結構方案的選擇。

中國建築設計應用人工智慧的概況受建築行業整體現狀限制。一方面建築行業人力資豐富，設計單位並沒有利用人工智慧工具減少人工成本例如代替初級繪圖員的動力；另一方面設計施工標準相對歐美體系整體而言較粗放，BIM的使用也並未成為行業標準或是主流。由於缺乏資料化管理，用以訓練神經網路的資料集往往難以獲得。

全球範圍而言人工智慧在建築設計行業的應用也僅僅處於探索階段，更多的情況是學界的研究案例和業界事務所各自針對某個設計小任務逐案的應用。零零星星的嘗試尚不成氣候，需要更多的交流，並透過設計師在重大專案中應用加以推廣。

主要在建築設計階段性任務上實現智慧化，人工智慧外掛和設計師們習慣使用的大型設計軟體的整合顯得非常重要，也是近期內的一個趨勢。同時引數化設計在歐美仍在如火如荼地發展中，將人工智慧與引數化應用場景結合，例如自動調參，也是可以探討的一個方向。

國內建築行業向設計及施工精細化，資料化發展。施工的精細化和規範化需求會反作用於設計階段的資料化，從而促進BIM設計的推廣。在這樣的基礎上實現建築設計行業資料的積累，才有助於人工智慧演算法的開發、訓練和應用。

設計單位與有人工智慧開發能力的科技公司合作。目前國內主要設計單位如大型設計院和設計事務所尚少建立專注於計算機技術的開發團隊，大多不具備人工智慧開發能力。與科技公司合作就某一設計任務開發人工智慧工具是未來建築設計行業引進人工智慧的可行方法。