چه کسی و چگونه از هوش مصنوعی استفاده می کند؟

برای این ویژگی هدایت‌شده تصویر، AJ با طیف وسیعی از متخصصان محیط‌های ساخته شده، از تمرین‌های معماری بزرگ گرفته تا تمرین‌کنندگان انفرادی، و معلمان تا دانش‌آموزان صحبت کرد تا نمونه‌هایی از نحوه استفاده از هوش مصنوعی در کار خود را جمع‌آوری کند. نتایج از مدل‌های جایگزین تا استفاده از Midjourney برای ایجاد تصاویر مفهومی برای شرکت‌های مسابقه متغیر است.

آثار ساخته شده

East London Practice Built Works از سال 2022 استفاده از هوش مصنوعی را در جریان کار خود آزمایش کرده است. از Midjourney برای ایجاد تصاویر مفهومی برای شرکت در مسابقه برای طراحی طرحی در جزیره باهاما استفاده کرد و به توسعه طراحی آن و آزمایش سریع تکرارها کمک کرد. سپس تیم این مفاهیم را در طرح نهایی که آنها مدلسازی و تجسم کامل خود را انجام دادند، وارد کردند.

در این مثال، هوش مصنوعی تنها برای توسعه مفهومی استفاده شد، نه در تولید تصاویر نهایی. به جای اینکه تیم آنها را در Pinterest یا Google پیدا کند، تصاویر مرجع سفارشی تولید کرد. در حالی که هوش مصنوعی از همه این محتواها استفاده می کند، اما برای Built Works ایجاد یک مرجع انتخاب شده با سرپرست و اصلی است که سایر روش ها از آن استفاده نمی کنند. برای کابین‌های High Weald (تصویر)، این تمرین از موتور عصبی هوش مصنوعی در فتوشاپ برای تولید انواع CGI استفاده کرد که بسته به فصل زیبایی‌شناسی متفاوتی را اضافه می‌کرد.

کودک گرادون لوئیس

Child Graddon Lewis Architects شروع به ترکیب طراحی به کمک هوش مصنوعی در کار خود کرده است، که عمدتاً از PromeAI در شروع طراحی جدید و در مراحل اولیه و مفهومی فرآیند طراحی استفاده می کند. معمار الکس سولومون می گوید که این به آنها پالت غنی تری از فرصت های خلاقانه می دهد و به آنها امکان می دهد رویکرد خود را برای تولید تصاویر معماری اصلاح کنند.

او می‌گوید که این مدت زمان صرف شده در مرحله طراحی اولیه را تغییر داده است و به آن‌ها اجازه می‌دهد با کاوش سریع‌تر گزینه‌های اولیه، زمان بیشتری را برای اصلاح طرح‌ها صرف کنند.

او می‌گوید توانایی PromeAI برای ایجاد سریع گزینه‌های طراحی مختلف و تنظیمات در چیدمان‌های فضایی می‌تواند به سرعت بخشیدن به کار کمک کند و به آن‌ها اجازه می‌دهد بیشتر روی بهبود و جزئیات پروژه‌ها تمرکز کنند و در عین حال اشتراک‌گذاری مفاهیم واضح‌تر و واضح‌تر را آسان‌تر کند.

گروه تحقیق و توسعه کاربردی در Foster + Partners

گروه تحقیقاتی کاربردی Foster + Partners از سال 2017 در حال بررسی و استفاده از هوش مصنوعی در طیف گسترده ای از برنامه ها بوده است.

با این حال، یکی از کاربردهای اخیر این عمل از هوش مصنوعی، مدل‌های جایگزین است – کاربرد مدل‌های یادگیری ماشینی که برای پیش‌بینی خروجی تحلیل‌های آهسته آموزش دیده‌اند. از مجموعه داده های برچسب دار برای آموزش الگوریتم ها برای پیش بینی نتایج و تشخیص الگوها استفاده می کند.

فاسترز این مدل ها را برای تجزیه و تحلیل – مانند اتصال بصری و فضایی – از اوایل دهه 2020 توسعه داده است. برای دسترسی به آن‌ها در سطح اداری، این مرکز یک پلاگین RhinoML را ایجاد کرده است که با زیرساخت‌های back-end جفت شده است که به آن اجازه می‌دهد مدل‌ها را مستقر کند و استفاده و نتایج آنها را نظارت کند. این راه‌اندازی به آن اجازه می‌دهد تا انواع مدل‌های دیگر مانند مدل‌های مولد را آزمایش و اجرا کند. تمام داده های افزونه از طریق یک پورتال وب در بین تیم ها قابل دسترسی است.

هاسل

نمونه جدیدی از روشی که هاسل از تولید تصویر هوش مصنوعی استفاده می کند، طراحی مفهومی آن برای مرکز فرهنگی سلطان هیثم، یک فعالیت فرهنگی مدرن و مرکز اجتماعی در عمان است. هوش مصنوعی به این تیم اجازه داد تا رندرهای واقعی را تولید کنند که بدون نیاز به طراحی تمام جزئیات، احساس یک نقشه اصلی را القا می کند و تصویری را برای استفاده در مراحل اولیه توسعه مفهومی و طراحی شهری ایجاد می کند.

سال گذشته، این روش یک مسابقه داخلی مختصر در سراسر تجارت ایجاد کرد تا تیم‌ها – و به‌ویژه معماران، طراحان داخلی و طراحان منظر – را تشویق کند تا با تولیدکننده‌های تصویر هوش مصنوعی آزمایش کنند. استفاده از اینها اغلب راحت تر از اشکال سنتی طراحی محاسباتی قابل استفاده است.

در حالی که این روش برای تمام مراحل پروژه مناسب نبوده است، اما متعاقباً شاهد افزایش تعداد کارکنانی بود که با تولیدکننده‌های تصویر هوش مصنوعی در طول ایده‌ها و مراحل اولیه طراحی آزمایش می‌کردند.

کام باوا، K Bava Architects

باوا قبل از اینکه مدل را از طریق هوش مصنوعی با استفاده از PromeAI و پلاگین SketchUp Diffusion تغذیه کند، طرح های اولیه خود را برای پروژه های مسکونی در اتوکد و اسکچ آپ انجام می دهد. از آنجایی که هوش مصنوعی می تواند غیرقابل اعتماد باشد، سپس نتایج تصویر فتوشاپ می شوند تا زمانی که پیشنهادات را تا حد امکان دقیق نشان دهند.

این فرآیند به او اجازه می‌دهد تا به سرعت گزینه‌هایی را برای ارسال به مشتریان ایجاد کند، و بحث‌ها را سریع نگه می‌دارد تا بتوان با بیشترین سرعت ممکن به تصمیمات نهایی رسید.

پروژه ای که در اینجا نشان داده شده است بازسازی خانه ای در فهرست درجه II در Islington است. هوش مصنوعی در کنار نقشه ها و طرح های دقیق تر برای استفاده پیمانکاران در محل استفاده شد.

این تمرین از طریق روش‌هایی برای حفظ بافت تاریخی از طریق انتخاب دقیق مواد کار می‌کرد، اما حرکت‌های بزرگتر – مانند تأثیر حرکت آشپزخانه – از طریق هوش مصنوعی آزمایش شدند تا مشتری بتواند طرح‌ها را تجسم کند. باوا می گوید: «مثل کار با یک همکار مشتاق اما بسیار بی مهارت است.

لی ایوت

دانشکده معماری دانشگاه مرکزی لنکاوی شاهد ورود هوش مصنوعی به تمام جنبه های کار دانشجویان در قالب ChatGPT، Midjourney و Stable Diffusion بوده است. تیم دانشگاهی به جای آن که این را یک مشکل بزرگ بداند، شروع به درگیر شدن با این ابزارها کرده است.

لی ایوت، رهبر دوره، با در نظر گرفتن آنها به عنوان فرصتی برای تکامل تجربه استودیویی و آموزشی، شروع به آزمایش با Midjourney کرده است، یادداشت‌ها و طرح‌هایی را که برای دانشجویان کارشناسی ارشد خود ارائه کرده بود، می‌گیرد و آنها را به اعلان‌هایی ترجمه می‌کند که می‌توانند در هوش مصنوعی وارد شوند. نتایج به‌جای طراحی نهایی یا حس تفکیک، الهام‌بخش بوده و فرآیند تکراری تجزیه و تحلیل، بازتاب، ویرایش و ارسال مجدد درخواست‌ها را برای اطلاع‌رسانی مداوم به فرآیندهای طراحی آغاز می‌کند.

ایوت دریافته است که این فرآیند بسیاری از جنبه های مراحل اولیه طراحی را تکرار می کند اما از نظر زمان و منابع بسیار کارآمدتر است. کار با دانش‌آموزان در طول دوره‌های آموزشی برای اصلاح اعلان‌های هوش مصنوعی، اطلاعات بصری مفیدی را ارائه می‌کند که می‌تواند ایده‌ها را در زبان بصری، فضا، محل سکونت، شکل و تکتونیک توضیح دهد و توسعه دهد – به دانش‌آموزان اجازه می‌دهد تا با هوش مصنوعی به شیوه‌ای انتقادی و آگاهانه به‌جای جستجوی وب‌سایت‌ها درگیر شوند. سوابق ضعیف

واحد ADS4، RCA

در سال 2023، استودیوی طراحی معماری 4 (ADS4) در کالج سلطنتی هنر، مجموعه‌ای از ابزارهای هوش مصنوعی «احساس متن به تصویر اضطراری» را با هدف درک بهتر نقش زبان در تعیین منظره ایجاد کرد. در آینده.

دانش‌آموزان ADS4 که توسط کارگردان DSDHA تام گرینال در کنار متئو ماستراندرا از استودیو 10-09 و نیکولا کولر از استودیو Ashby رهبری می‌شد، زبان پشت “اعلان‌های” متنی هوش مصنوعی و این حوزه نوظهور طراحی زبان‌شناختی را بررسی کردند و یک معماری نمایشی را توسعه دادند که از تئاتر وام گرفته شده بود. درک ذاتی از تسلط زبان بر درک ما از زمان و مکان.

پروژه‌های دانش‌آموزان، تحت عنوان اتاق سبز، آینده طراحی و پتانسیل «طراحی سریع» را با ابزارهای متن به تصویر که زبان‌شناسی را سرلوحه کار خود قرار می‌دهند، با هدف بازگشایی نگرش‌های جدید نسبت به زمین و محیط ساخته شده زیر سوال برد.

این مقاله در نسخه مارس AJ ظاهر می شود. مشترکین می توانند نسخه دیجیتال را از اینجا مطالعه کنند یا می توانند در زیر خریداری کنند. اشتراک AJ ارزش بهتری دارد – برای مشاهده بسته های ما اینجا را کلیک کنید