如果你有一位建筑师朋友，请好好珍惜TA，由于对付建筑师来说，夜间加班、周末无休是家常便饭，尤其是在项目时限附近时，没日没夜的事情更是夺走了他们的就寝韶光，而且加班这件事，彷佛全天下的建筑师都难以幸免。
美国《2018年建筑业公正报酬》（2018 Equity in Architecture）报告显示，在参与调查的建筑师之中，70%的人都感到无力哀求店主供应远程办公、弹性事情制之类的“事情生活平衡福利”。
有没有什么方法来办理这个问题呢？好是，在未来的建筑领域，自动化和机器学习将有望减轻这种事情和生活顾此失落彼的痛楚，噜苏呆板的任务将被新技能接管，从而让建筑师有更多的韶光去构思设计创意，或者从事其他更故意义的事情。
过去几年里，我和欧特克研究中央（Autodesk Research）的同事们一贯在利用机器学习技能考验构思中的建筑设计项目。我们创造机器学习赞助设计有望以三种形式拓展建筑师技能、提升生产力并实现繁琐任务的自动化处理。
首先是“设计自动化”，即衍生式设计，也便是由设计师输入限定条件或参数，然后由算法创建出备选设计方案。欧特克研究团队曾利用这项技能设计加拿大多伦多MaRS创新集聚区的欧特克办事处。
第二种形式则是供应“设计洞察”，即由设计师全面掌控项目设计，但机器学习可以针对当地建筑规范和哀求之类的事变供应洞察和建议。这能授予建筑师更大的设计自由，而实用（但不参与）的设计指引还能加快从方案到预施工的建筑事情流程。
第三种形式是“设计交互”，即机器学习软件与建筑师共同创建设计方案，并自动完成较为噜苏乏味的事情内容。最近，我们与欧特克的两家互助伙伴——英伟达（NVIDIA）和甘思勒（Gensler）共同考试测验了这种设计方法。一个研究项目在三方共同目标的交叉地带应运而生，它揭示了机器学习将在建筑设计和施工领域产生何等深刻的影响。
我们用英伟达的一个办公楼项目（由甘思勒设计）作为实验，测试了将机器学习运用于建筑师事情流程的可行性，从而示范了一种人机协作的事情场景。
为了让实验保持大略，我们选择了三楼的部分区域作为测试平台，而没有选择整栋办公楼。我们着重关注三种建筑的要素——格子间、会议室和电话间，三方同等认为，这些部分足以供应必要的信息来让我们做出极具说服力的观点验证。
在英伟达和甘思勒的帮助下，我们搜集了这三种要素在当前项目中的所有变体，并创建出一个数据集，个中包含每种要素可能采取的所有空间组合形式。
机器学习模型是通过在大型数据集中探求规律和模式来进行“学习”——在这个案例中便是办公楼的内部布局示例。机器学习的一个基本原则便是模型必须同时用正面数据和负面数据进行演习——这些数据能让模型理解你想要得到若何的结果，比如实用、宜人、高效的事情环境，以及你不想看到若何的结果。如果只把正面数据输入模型，它就无从知晓自己是否犯错——它可能会让格子间延伸到墙壁之外，或者没在两者间留出足够的通畅空间。
对付这个项目，我们选择了一种称为“天生式对抗网络”（GAN）的模型。像人类设计师一样，机器学习系统也能就已习得的知识提出假设，并通过反复寻衅这些假设来加快并深化自己对一个知识领域的整体节制。
视频加载中...
一个GAN中存在两个相互竞争的模型。这两个模型都用英伟达图形处理器进行了演习，因而已经“知道”什么样的办公室布局才是可取的：家具、根本举动步伐（例如暖通空调系统）、照明及空间的搭配组合要反响精良办公室设计所具备的特色。个中一个模型会不断天生上述举动步伐的组合办法，并对另一个模型发起寻衅，看后者能否准确辨别“精良设计”和“不良设计”。
如果测试得当 90秒即可绘出草图为了让“BIM到GAN”流程成为现实，欧特克创造了一个绘图界面，它遵照的事情流程与甘思勒设计师所说的“测试支配”（test fitting）颇为相似：建筑师先在一栋商用办公楼中选定部分区域，然后考试测验以最优办法将目标数量和最佳组合形式的电话间、会议室及格子间支配到所选区域。
测试团队输入了项目目标：20间会议室、20个电话间以及200个事情站。他们把布局哀求设置到四种类型的分区：三个项目目标分区外加“禁用区”——即厨房或天井等区域，此类区域或者不含格子间、会议室和电话间这三个构成要素，或者出于建筑物运营的须要不能存在障碍物。
设计师用笔和平板电脑在所选区域的轮廓图上边画边思考。然后，他们输入了目标数据来描述这块空间要支配哪些举动步伐。接下来，该空间的几何构造会转换成BIM，以全保真3D几何形式将草图呈现出来。
▲项目许可用户通过绘制所支配区域周围的边界来快速测试操持。供图：Chin-Yi Cheng.
▲一旦定义了区域类型，就可以考试测验组合支配功能。供图：Chin-Yi Cheng.
▲定义的区域包含房间布局细节。供图：Chin-Yi Cheng.
建筑师面临的一项紧张寻衅便是处理办公室布局变更——例如，格子间从400个缩减为350个。碰着这类变更，设计师常日只能在欧特克Revit中从头绘制设计图，创建并比较一块空间的各种变体每每是十分辛劳的过程。没有机器学习技能，建筑师常日只能把客户提出的所有哀求勉强塞进设计方案，末了可能就无法达到项目目标规定的详细数字。
但是，如果利用GAN稽核替代性布局方案，设计师就能摆脱大量噜苏沉闷的事情任务，从而集中精力进行创意构思。草图绘制或许只须要90秒，但如果没有机器学习赞助，这90秒背后便是甘思勒设计师在Revit中历时两到三周的反复考虑和修正。
该模型还能让用户利用英伟达图形处理器将设计方案直接转换成虚拟现实(VR)界面。草图绘制完成后，只要等待两分钟，你就可以戴上VR头盔在自己创建的空间里四处游走，体验办公环境的实际效果和不雅观感。如果你以为不好，只要再花五分钟就能提出新的设计思路。
▲在VR界面中查看和修正房间设计。供图：Chin-Yi Cheng.
机器学习将改变未来的事情流程未来的某一天，建筑设计事情中一些单调乏味的任务或许能由机器学习自动完成，但是，机器学习的运用仍应本着这样一个目标：让设计师始终掌控设计过程中的创意环节。建筑师的事情便是利用人类独占的技能来营造令人愉悦的事情环境和互动空间。
要把设计中的无形成分教给GAN是十分困难的，比如结实度与外不雅观、材料美感以及周边环境对团队间协作的支持和促进浸染。但是，机器学习能够在打算最佳布局、为不同类型的活动分配空间以及确定建筑物根本举动步伐需求时发挥主要浸染。这项技能有望指引并帮助建筑师选出最实用、最具施工可行性的设计方案。
机器学习赞助设计可能还要再过几年才能在建筑师群体中广泛遍及。并且，我们的实验对生产力产生的影响是难以量化的，由于它并不是一个经由优化的商用工具。但是这项实验的确表明，我们可以把机器学习运用于一种新型事情流程，这种流程能帮助建筑师、工程师和施工职员提高生产率（也让他们的事情少一些呆板和乏味），有一天，它或许能让我们的建筑师时时时地多休一次假。
原文作者：Mark Davis
Angus W. Stocking，作为Autodesk Research行业研究高等总监，Mark Davis及其团队探索一贯致力于探索和验证新技能，打造新一代的软件办理方案和沉浸式体验。在过去的五年中，该团队通过人工智能、仿照和前辈制造技能的研究来开拓衍生式设计，并运用到Autodesk Fusion 360中。目前，该研究已被用于同梅赛德斯奔驰、菲利普·斯塔克和美国宇航局喷气推进实验室的互助项目中。
想理解更多机器学习的故事，请点击“理解更多”！
