Dirbtinis intelektas architektams padeda greičiau kurti vizualizacijas, analizuoti projektų archyvus ir kurti specializuotus skaitmeninius įrankius. Tačiau ar jis iš tiesų sprendžia sudėtingiausias architektūros problemas?

Nilsas Fischeris, architektūros studijos Zaha Hadid Architects (ZHA) kompiuterinio projektavimo tyrimų grupės (CODE) įkūrėjas ir vienas iš studijos direktorių, įsitikinęs: technologijos gali sutaupyti laiko, bet nepakeičia architektūrinio mąstymo.

Architektūros skaitmenizacija nėra naujas reiškinys. Dar XX a. paskutiniajame dešimtmetyje galingesnės grafinės procesorių sistemos ir architektams prieinama trimatė projektavimo programinė įranga atvėrė galimybes kurti anksčiau sunkiai įsivaizduojamas formas. Tačiau net ir įspūdingiausias skaitmeninis modelis savaime nereiškė, kad pastatą bus įmanoma racionaliai sukonstruoti ir pastatyti.

Šiandien dirbtinis intelektas architektūros sektoriuje kelia panašius klausimus. Jis leidžia greitai generuoti vaizdus, tyrinėti alternatyvas ir automatizuoti dalį darbo procesų, tačiau tarp įtaigios vizualizacijos ir įgyvendinamo architektūrinio sprendinio vis dar yra didelis atstumas.

Būtent šį skirtumą pabrėžia Nilsas Fischeris, nuo 2004 m. dirbantis Zaha Hadid Architects studijoje. Jis įkūrė kompiuterinio projektavimo tyrimų grupę CODE ir technologijų laboratoriją, kuriose kuriami bei praktiškai išbandomi nauji skaitmeninio projektavimo metodai.

Technologijos turi prasidėti nuo projektavimo problemos

N.Fischerio vadovaujamos komandos veiklos principas paprastas: jeigu reikalingo įrankio negalima įsigyti, jį reikia sukurti.

„Apie 80 proc. mūsų atliekamų tyrimų idėjų kyla tiesiogiai iš projektų“, – interviu pasakoja N.Fischeris.

Didelė dalis to, ką daro kompiuterinio projektavimo tyrimų grupė, susijusi ne su visiškai naujų projektavimo metodų kūrimu, bet su esamų procesų spartinimu ir efektyvinimu. Kai tam tikra problema kartojasi skirtinguose projektuose, jos sprendimą galima standartizuoti, automatizuoti ir pritaikyti platesniam naudojimui.

Likusi tyrimų dalis skiriama temoms, kurias pačios komandos pasirenka pagal savo kompetencijas ir interesus. Tokiais atvejais formuluojama hipotezė, išsikeliami tikslai ir tikrinama, ar prielaida pasitvirtina. Įkvėpimo semiamasi ir iš akademinės aplinkos – dalis grupės specialistų dėsto universitetuose, todėl tyrimai susiejami su naujausiomis teorinėmis žiniomis ir jų praktiniu pritaikymu.

Toks modelis atskleidžia vieną svarbią darbo su skaitmeninėmis technologijomis sąlygą: naudingiausios technologijos dažnai atsiranda ne eksperimentuojant laboratorijoje, o sprendžiant realias projektavimo problemas.

Kaip nustatyti, ar skaitmeninis įrankis iš tiesų naudingas?

Naujų technologijų vertę galima vertinti pagal daugybę kriterijų, tačiau ZHA daug dėmesio skiria tam, kaip įrankiai naudojami kasdieniame darbe.

N.Fischeris aiškina, kad komanda stebi, kiek laiko architektai skiria konkretiems įrankiams ir kaip dažnai juos pasitelkia. Anksčiau buvo analizuojama net tai, kaip dažnai paspaudžiamos tam tikros programų funkcijos. Toks metodas leidžia praktiškai įvertinti, kurie sprendimai iš tiesų palengvina darbą, o kurie lieka retai naudojamais eksperimentais.

Svarbus ir tyrimų komandos darbo laiko paskirstymas. Jei konkreti užduotis atliekama vis dažniau, galima vertinti, ar verta jai skirti daugiau specialistų ir plėtoti toliau.

Šis požiūris ypač aktualus sparčiai plintant dirbtinio intelekto įrankiams. Vien tai, kad technologija nauja ar sulaukia didelio dėmesio, dar nereiškia, kad ji pagerina projektavimo procesą. Tikrasis jos potencialas atsiskleidžia tuomet, kai galima parodyti konkrečią naudą: sutaupytą laiką, geriau panaudoti duomenis ar efektyviau priimti sprendimus.

Dirbtinio intelekto vizualizacija dar nėra pastatas

ZHA direktorius dabartinį susidomėjimą dirbtiniu intelektu vertina kaip ilgalaikės technologinės raidos dalį. Jo manymu, tam tikra prasme šiandieninė situacija primena laikotarpį, kai architektai pradėjo plačiau naudoti trimatį skaitmeninį projektavimą ir galėjo kurti itin sudėtingas formas.

Tuomet netruko paaiškėti, kad skaitmeninės geometrijos nepakanka. Reikėjo atsakyti į kitus klausimus: kaip tokias formas sukonstruoti, kokias medžiagas naudoti, kokie konstrukciniai sprendiniai įmanomi ir kaip visą idėją paversti realiu pastatu.

„Dirbtinio intelekto sugeneruota vizualizacija dar nėra pastatas“, – tokią esminę mintį galima išskirti iš N.Fischerio pozicijos.

Architektūrinis projektas apima tūkstančius tarpusavyje susijusių sprendimų. DI gali padėti generuoti alternatyvas ir greičiau išbandyti tam tikras idėjas, tačiau lieka konstrukciniai, medžiagų, funkcijos, statybos technologijų ir kitų sričių klausimai. Jų sprendimas reikalauja skirtingų specialistų žinių ir koordinuoto darbo.

Todėl N.Fischeris pabrėžia, kad galutinę kryptį vis dar nustato žmogus. Nauji įrankiai gali išplėsti projektavimo galimybes, tačiau jų rezultatus būtina vertinti kritiškai ir tikrinti pagal realius projekto reikalavimus.

Kitas svarbus aspektas – duomenų saugumas. Naudojant išorines DI platformas, architektūros studijoms reikia įvertinti, kokia informacija perduodama sistemoms, kaip ji saugoma ir ar neatskleidžiami konfidencialūs projektų duomenys. Tai ypač aktualu dirbant su dar neviešais projektais ir sudėtingais techniniais sprendiniais.

Kur DI jau suteikia apčiuopiamos naudos?

Nors dirbtinis intelektas dar neišsprendžia sudėtingiausių architektūrinių uždavinių, N.Fischeris įvardija kelias sritis, kuriose jo poveikis jau juntamas.

Pirmiausia – projektų archyvų analizė. ZHA turi maždaug 40-ies metų senumo projektų archyvą. Dirbtinis intelektas gali padėti greičiau kataloguoti sukauptą medžiagą, ieškoti ankstesnių sprendinių, lyginti idėjas ir aptikti sąsajas, kurias rankiniu būdu būtų sunkiau pastebėti. Tai suteikia galimybę pakartotinai panaudoti sukauptas žinias ir geriau išnaudoti ankstesnių projektų patirtį.

Antra – vizualizacijos. Kai kuriuos vaizdus, kurių anksčiau reikėdavo užsakyti iš išorės vizualizacijų specialistų, dabar studija gali parengti pati ir gerokai greičiau. Tai sutrumpina idėjų pristatymo ir jų alternatyvų vertinimo ciklą.

Trečia – programinės įrangos kūrimas. DI padeda greičiau programuoti specializuotus įrankius, apdoroti didesnius duomenų kiekius ir kurti sprendimus konkrečioms projektavimo komandoms. Dalis įrankių gali būti kuriami pačių architektų, neturint tokių programavimo įgūdžių, kokių anksčiau reikėjo.

Vis dėlto, kai eksperimentinis įrankis pradedamas naudoti platesniu mastu, atsiranda papildomų reikalavimų. Reikia užtikrinti jo priežiūrą, patikimumą, plėtrą, veikimą bendroje infrastruktūroje ir prieinamumą skirtingoms komandoms.

N.Fischerio vertinimu, šiuo metu viena didžiausių DI naudų yra ne automatiškai sukuriama geresnė architektūra, o sutaupytas laikas. Automatizavus pasikartojančias užduotis, daugiau dėmesio galima skirti projektavimo sprendiniams, kuriems reikia kūrybiškumo, patirties ir kritinio vertinimo.

Architektūroje svarbiau ne technologija, o projektavimo kokybė

Dirbtinis intelektas keičia ir architektams reikalingų kompetencijų sąrašą. Anksčiau geri kompiuteriniai įgūdžiai galėjo suteikti didelį pranašumą kasdieniame darbe, nes leido automatizuoti procesus ir kurti individualius skaitmeninius įrankius. Dabar dalį techninių užduočių galima atlikti pasitelkiant DI.

Tačiau tai nereiškia, kad techninės žinios tampa nereikalingos. Keičiasi tai, kuriose darbo vietose jos svarbiausios. Vis didesnę reikšmę įgyja gebėjimas suprasti problemą, tiksliai ją apibrėžti, suformuluoti galimą sprendimą ir įvertinti, ar gautas rezultatas iš tiesų tinkamas.

„Išmokti naudotis technologijomis daug lengviau nei gerai projektuoti“, – pabrėžia ZHA direktorius.

Ši mintis atspindi ZHA požiūrį į specialistų atranką: pirmiausia vertinamas architektūrinis talentas, gebėjimas diskutuoti apie architektūrą ir potencialas kurti kokybiškus projektus. Techninius įgūdžius galima įgyti vėliau, o smalsumas ir noras mokytis padeda prisitaikyti prie sparčiai besikeičiančių metodų.

Tai aktualu ir architektūros studijoms, ir universitetams. Jei dalis techninių užduočių vis labiau automatizuojama, mokymo programose gali atsirasti daugiau vietos architektūros istorijai, teorijai, koncepciniam mąstymui ir gebėjimui kritiškai vertinti projektavimo sprendinius.

N.Fischeris šį pokytį apibūdina kaip savotišką „dėmesio technologijoms mažinimą“ architektūros studijose: technologijos ne išnyksta, bet tampa priemone, kuri leidžia daugiau dėmesio skirti pačiai projektavimo esmei.

DI nepakeičia architekto

Nilsas Fischeris interviu „Has AI Made Anything Better?“ kelia klausimą, kuris svarbus visam architektūros sektoriui: ar technologijų pažanga savaime reiškia geresnę architektūrą?

Jo pateikti pavyzdžiai rodo, kad dirbtinis intelektas jau keičia kasdienius procesus – nuo projektų paieškos archyvuose iki vizualizacijų ir individualių programinių įrankių kūrimo. Tačiau didžiausi architektūros iššūkiai lieka susiję su gebėjimu suderinti idėją, konstrukciją, medžiagas, funkciją ir realias statybos galimybes.

Todėl svarbiausias klausimas nėra tai, kiek užduočių galima perduoti dirbtiniam intelektui. Svarbiau suprasti, kokias užduotis verta automatizuoti, kaip patikrinti gautus rezultatus ir kaip sutaupytą laiką panaudoti geresniems projektavimo sprendimams.

Architektūroje technologija yra vertinga tiek, kiek ji padeda kurti kokybiškesnius, pagrįstus ir įgyvendinamus sprendinius. Dirbtinis intelektas gali paspartinti kelią iki jų, tačiau atsakomybė už architektūros kokybę išlieka žmogaus rankose.