摘要：随着近期生成式人工智能 GAI相关底层技术的突破，人类社会或许正在面临一个新的技术拐点。从人工智能 （生成式 ） 大模型发展历程来看，随着硬件的发展，训练模型可支撑的计算力在 21 世纪以来呈指数型增长，这导致基于扩散模型的图像生成模型、可理解上下文的语言对话模型与多模态模型等在近几年实现 。预计这将会很大程度上颠覆数个产业中涉及视觉、绘画、语言、口语等相关的工作场景。当前也已涌现了数家深耕垂直领域的研发单位或科技公司，试图将生成式人工智能技术应用于以往被认为离不开人类创意能力的生产过程。

关键词：人工智能；生成式人工；智能建筑设计

随着科技的不断进步和人工智能技术的迅速发展，人工智能在各个领域都展现出了强大的潜力和应用价值。在建筑设计与创新领域，人工智能也逐渐崭露头角，为建筑师和设计团队带来了前所未有的可能性和机遇。传统的建筑设计过程往往受限于人力和经验，而引入人工智能技术，则为建筑设计注入了全新的活力。在不久的未来，生成式人工智能技术或许会更进一步向更高维度的数据格式拓展，在应用领域方面，该技术也被预测将可直接应用到需要更复杂的感知、创造和判断能力的工作场景中。

一、人工智能技术

人工智能技术是使机器具有与人类似智能反应和能力的技术，针对目前在建筑设计中常用的人工智能技术，简单介绍其原理、特征以及应用场景。

1、优化算法。优化算法是对一类算法的统称，可以运用该类算法在某个系统中寻找最值。 对于可以用函数表达式显示表示的问题，梯度下降法是经典方法之一，可以通过微分计算获得精准的优化结果。 但很多实际问题中，系统的函数表达式不可知，且不一定连续可微，这类问题被称为黑盒优化，遗传算法是具有代表性的算法之一，通过自变量构成的基因的交叉变异和种群进化搜索全局最优解。 在建筑设计中，遗传算法大多应用于找形这一过程，它是由参数化建模与优化算法组合而成的工作流，应用较为广泛。 多目标优化从优化算法发展而来，能够处理多个指标的优化，优化得到的帕累托解集是不同指标下最优解的集合，在遗传算法的基础上发展而来的 NSGAII 是具有代表性的多目标优化算法之一。

2、人工神经网络。人工神经网络是目前较为热门的人工智能技术，结构上模仿人脑的神经元网络行为特征，能够自发地学习和调整，具有强大的能力，能够解决许多复杂的非线性映射问题，被广泛应用于多个领域。神经网络最早于 1943 年被提出，即 MCP 神经元数学模型，提出了深度信念网络成为神经网络深度学习的里程碑，自此以后深度学习迅猛发展，成为人工智能领域最前沿最热门的研究领域。 徐卫国等总结了深度神经网络在建筑生成设计中的应用。

3、形状语法。形状语法是一种生成特定类别的几何图形的方法。 该方法被用于研究二维和三维图形，可以按照人们的设计要求，按照一定的规则自动生成图形。除了生成外，该方法也被用于对建筑案例的分析，解析它们的生成规则和生成过程。 形状语法历史超过半个世纪，在建筑设计领域，最具代表性的形状语法工作来自 Mitchell 团队的工作，他们探究了帕拉迪奥式建筑平面布局的形状语法规则。

二、生成式人工智能对建筑设计的影响

社会和技术的演变都会催生新一轮的产业变革，随着时代的演变，建筑业目前面临趋势：工业化、绿色化、数智化。工业化，模块化制造、自动化制造、支持现场施工的自动化技术将更好地为建筑业实现工业化，为达成“产品驱动 （非项目制 ）”的建造方式成为可能。如今生成式人工智能的成熟和市场化事实上对建筑设计产生了巨大的影响。在进一步简化繁杂工作流程、提升工作效率的同时，甚至将会淘汰许多工作岗位。将从以下角度探讨建筑设计模式的发展情况 ：设计流程的变革、设计师与 AI 的关系以及研究方向的发展。

1、设计流程的变革。建筑设计流程一般需要经过调研、提案、建模、出图等多种环节。每个环节都需要花费大量的精力和时间。如今应用级的生成式人工智能在图像生成领域的成熟，使得用户无需掌握复杂的技术也能使用 AI 来辅助创意、设计提案、快速渲染以及批量出图等任务。设计师从繁杂重复的工作中解放出来，从而可以更多地思考创新本身。此外，生成式人工智能的普及也促进了新的算法设计模式的发展。例如设计师使用 ChatGPT 输出算法，然后进行编辑和扩展；设计师通过部署开源 AI 程序做针对性的数据训练，然后输出特定需求的结果。相比之前设计师需要根据特定问题自主地编写程序，这类新模式的通用性更强。

2、设计师与 AI 的关系。随着 AI 技术的日趋成熟，大量 AI 辅助设计的案例表明，AI 不仅可以作为一种强大的智能工具辅助自动化任务，也作为一种智能对象越来越符合人的自然交互习惯。如今许多基于大模型的生成式人工智能工具直接通过自然语言就可与其交互，并且多模态的交互方式即将成为现实。这不得不思考设计师的定位，以及设计师与 AI 之间的关系。什么是设计师可以做但 AI 难以做的以及什么是 AI 可以做但设计师难以做的，根据两者的特点和优势，可以将两者的关系为概括交互关系。1） 通过“设计师输入意图 -AI 执行”的自动化模式处理大量重复性操作和经验任务自深度学习技术的出现，许多需要重复性操作且需要经验的任务，如建筑图元的识别、分类等任务可通过训练卷积神经网络模型实现。随着生成式人工智能的进一步兴起，以 GAN、VAE 等生成模型为基础的技术可以快速实现建筑方案生成的任务，如平面户型图的智能生成。近两年来随着图文对齐的大型语言模型 LLMs的快速成熟，以 Diffusion、Clip 进一步提高了图像生成乃至 3D 生成任务的质量。

3、通过“设计师 & AI 协同”的合作模式处理序列化的任务，该模式强调人与 AI 通过不断交互完成连续的任务，例如通过不断与 ChatGPT 对话交互，输出连续的建模程序或序列化的CAD 指令。该模式随着大模型的成熟逐渐成为一种新的交互设计方式。在这个过程中设计师通过Prompt不断修正AI的生成结果，AI 也在不断地明晰、细化和更新设计师的思路和需求，从而共同完成一项复杂的任务，这也将成为人机协同的重要发展方向。此外，在具体的任务中可能会包含多种交互模式。对上述关系的梳理有助于理清设计师在更加复杂和系统的任务中的定位以及今后的发展路线。

当然，面对任何新兴技术，在完全理解其风险前都必须谨慎对待，确保它的工作和输出成果仍然是可控的，尤其是认识并解决与其实施相关的道德和社会影响至关重要，在生成机制中就需要考虑对敏感词的处理。持警惕，确保其负责任和合乎道德地使用，同时考虑隐私、安全和社会影响问题。最后，生成式人工智能技术在建筑设计中的整合不应削弱人类创造力和直觉的作用。建筑是一门深刻的人文学科，涉及对文化、社会和情感背景的理解。其应该成为增强人类能力而不是取代人类能力的工具。人类专业知识、艺术视野和技术进步的融合将真正塑造建筑设计的未来。

通过对于生成式人工智能技术所需的训练数据也是极其重要的产业资源乃至战略资源，构建相关产业的数据集无疑将加速产业进一步迈向数据化和智能化，从而加快产业升级。生成式人工智能赋能建筑设计乃至整个设计行业，无疑将大大简化设计难度，加快设计产出效率。同时，生成式人工智能也对当前的设计教育以及设计学科的发展提出了新的要求。

参考文献：

[1] 范伟，王江，赵伯伦.基于形状文法的标准数字化发展现状及趋势研究 [J].中国工程科学，2021，23（6）：147-154.

[2] 李飚，郭梓峰，季云竹.生成设计思维模型与实现：以“ 赋值际村”为例[J].建筑学报，2020（5） ：94-98.