Часть третья из моей серии об архитектурных формах в эпоху искусственного интеллекта

Принципы архитектурной формы, описанные ранее (части 1 и 2 данной серии), основаны на идее, что значение определяется контекстом, а не внутренними характеристиками. В философии науки этот подход обсуждается в терминах онтического и эпистемического структурного реализма. Структурный реализм, хотя и существовал уже много лет, сначала стал популярным в философских дебатах о квантовых теоретических эффектах в физике. J. Х. Пуанкаре упоминает эту идею в своей публикации 1905 года Наука и гипотеза , цитируемой в начале части 1 . Там он утверждает, что мы не можем напрямую получить доступ к внутреннему значению объектов. Следовательно, мы вынуждены заменять эти объекты изображениями, которые можно интерпретировать как описания объектов. Показатели эффективности и символические интерпретации, упомянутые в предыдущем абзаце, являются примерами таких описаний. Пуанкаре продолжает объяснять основную идею структурного реализма, написав, что истинные отношения между реальными объектами - это единственная реальность, которую мы можем достичь, и единственное условие состоит в том, что между этими объектами должны существовать те же отношения, что и между изображениями, которые мы вынуждены создавать. поставить на их место . Это означает, что реальность доступна только посредством топологического порядка дескрипторов. Хотя это исключает все существующие в настоящее время внутренние подходы к автоматизированному архитектурному проектированию, это также представляет собой выход из этой функционалистской парадигмы. Семантические метки могут быть аппроксимированы с помощью статистических методов и новых дескрипторов. Известной реализацией этой идеи является модель n-грамма в обработке естественного языка, которая позволяет автоматически переводить или исправлять текстовые фразы. Другой пример - распознавание изображений, где ядра свертки в настоящее время являются наиболее успешной технологией обнаружения и распознавания объектов на изображениях. Обе реализации сосредоточены на простом подсчете локальных окрестностей и их отношений вместо того, чтобы пытаться описать объект глобально. Отход от глобальных функций к вычислению значимых описаний и их статистическому вычислению также нейтрализует функционалистский дрейф вычислительных методов; особенно когда статистика основана не только на композициях отдельных объектов, но вместо этого на больших комплексных наборах данных составных объектов.

Казалось бы, Ж. Х. Пуанкаре предвидел эффективность современных приложений машинного обучения более ста лет назад. Однако использование объектных топологий и получение семантики статистически, конечно, требует больших вычислительных затрат. Технические требования, касающиеся хранения данных и вычислительной мощности, были выполнены только недавно, спустя много времени после смерти Пуанкаре. За это очень короткое время мощные графические процессоры и соответствующие
программные среды уже позволили превзойти все прежние внутренние подходы почти во всех областях. За последние несколько лет эта стратегия стала все более популярной в области вычислительной геометрии.

Теоретически извлечение значения из контекста вместо попытки установить внутреннюю семантику обеспечивает альтернативу функционалистской традиции в архитектуре. Сосредоточив внимание на часто встречающихся соседях, эта стратегия потенциально является способом целостного приближения к особенностям и культурно сконструированным значениям формы. Предполагая, что предположения структурного реализма также справедливы для архитектуры, топологический подход к вычислению появляющихся дескрипторов может обеспечить обобщенный подход к поиску архитектуры. Таким образом, я предлагаю новую парадигму, чтобы бросить вызов кредо функционализма: форма следует за формой.

Это кредо может поставить под сомнение всю функционалистскую структуру параметрического мышления в компьютерном архитектурном проектировании. Можно было бы создавать системы поиска без необходимости предварительно определять моделирование производительности или каталоги семантических тегов. Таким образом, он может реагировать на концептуальный сдвиг в архитектуре и служить заменой динамической типологии. Такая поисковая система могла бы также стимулировать дальнейшие исследования в области проектирования в архитектуре, основанного на фактических данных, что неизбежно бросило бы вызов функционализму параметрического проектирования, в значительной степени ориентированному на производительность. Без узкого места внутренней оптимизации производительности, автоматизированное архитектурное проектирование и методы планирования в целом могли бы уйти от традиции функционализма. Однако для этого необходимо найти способ обработки архитектурно-специфической геометрии в соответствии с парадигмой структурного реализма. Это означает, что при применении методов машинного обучения к набору данных необходимо создавать новые кластеры часто встречающихся районов. Кроме того, сами геометрические данные должны обрабатываться в соответствии с тем, как эксперты в области архитектуры культивировали их описание. Таким образом, определенные архитектурные геометрические свойства должны обрабатываться таким методом изначально. Кроме того, необходимо тщательно учитывать различия между общегеометрическими объектами и геометрическими объектами, специфичными для архитектуры.

Этот вопрос позиционирует описание геометрии как центральную проблему для поиска нефункционалистической архитектуры. Текущая проблема с этим подходом заключается в сосредоточении внимания на геометрии, не связанной с архитектурой, предоставляемой другими областями. Это приводит к появлению дескрипторов, которые не включают информацию, необходимую для последующей архитектурно-зависимой обработки. Когда эта информация отсутствует, архитектурные явления, которые в основном описывают такую ​​информацию, не могут быть правильно выведены из геометрических данных. Это устанавливает тесную взаимосвязь между потенциальной семантикой и лежащим в основе кодированием или описанием. Даже самые лучшие статистические методы не могут генерировать прогнозы на основе неполных входных пространств: это всегда приводит к недооценке. Поскольку описание ориентировано на топологию, типы соседства описываемых геометрий должны быть выбраны в соответствии с архитектурной рецепцией. Тем не менее, доступные в настоящее время методы не решают эту проблему, а вместо этого сосредоточены на более общих описаниях. В частности, ключевая аудитория в игровой и анимационной индустрии в основном инвестирует в дескрипторы, оптимизированные для работы с более органической геометрией, такой как животные и растения, или более сложными геометрическими композициями, такими как транспортные средства или оружие. Архитектурная геометрия намного менее сложна, чем они. Из-за лежащих в основе производственных процессов, эти архитектурно-специфические геометрические фигуры состоят из меньшего количества граней и больших плоскостей. В дополнение к меньшему количеству граней таких многоугольных сеток, значительное количество углов между этими гранями составляет множество девяноста градусов, и многие отношения длины соответствуют определенным правилам проектирования. Принимая во внимание эти эффекты, гипотетически плотность доступных наборов данных может быть сжата, а статистические методы могут быть расширены для работы даже с небольшими наборами данных, где количество объектов составляет порядка десяти тысяч.

Эта статья изначально была опубликована как часть моей докторской диссертации, которая находится в открытом доступе здесь.