人工智慧會設計您的下一棟建築嗎？
近年來，人工智慧 (AI) 與機器學習 (ML) 工具已經從理論上的有趣躍進到實際上的難以置信。我們將討論是否有可能要求人工智慧「為我設計一棟建築」。
近年來，人工智慧與機器學習工具已經從理論上的有趣躍進到實踐上的驚人。
有了龐大的資料集與強大的處理能力，開放式人工智慧（Open AI）所開發的 GPT-3 等產品，已超越其創造者的預測，似乎有能力依序寫出有能力、有說服力與說服力的散文、詩歌甚至圖片。當 GPT-3 在 2020 年夏天首次亮相時，許多人對於它所展現的某些能力感到驚訝、印象深刻，甚至震驚，反應從衛報（The Guardian）略帶危言聳聽的「你害怕了嗎，人類？
因此，GPT-3 能夠根據簡短的提示產生令人信服的文字（以及在其他變體中，根據文字描述產生的圖像），那麼幾年之後，GPT-3 的後代可能會是什麼樣子？它又會如何影響建築、工程與施工產業？是否有可能要求人工智慧「為我設計一棟建築」？
設計師與工程師的機器學習夥伴？
GPT-3 有能力從數十億人類寫作的不同元素中辨識出有意義的模式，讓它看起來能通過類似圖靈測試的東西。您只要寫下一兩個句子，它就能延續您的思路，將其發展成一段段的文案，如果使用它的分支「DALL-E」，還能產生各種反映您所要求的圖像。那麼，是否可以請 GPT-100 來「幫我設計一棟建築」呢？
首先，我們需要更明確：「適合這片土地」的建築物、「碳排放量為零、有五個房間、大窗戶等」，光是用文字是很難精確描述需求的。更重要的是，我們比以往任何時候都更加意識到，我們生活在一個相互聯繫的世界，而這個世界正在快速變化。因此，建築物必須與鄰近環境相輔相成，有效利用材料和能源，並與其他用途和方案相比，呈現出良好的性價比。業界已經使用參數設計工具，以嚴謹且富有想像力的方式，根據高度相關的離散資料集，統一這些不同的目標。目前尚不清楚生成式預訓變壓器 (GPT) 機器學習工具是否有助於駕馭建築專案的多維現實與限制。至少目前是這樣。
身為一個能力超群、以語言模型為基礎的人工智能，GPT-3 是非常了不起的成就 - 但其他形式的人工智能也在不斷進步。GPT-3 也體現了當前人工智能技術的一些弱點：不可捉摸性。GPT-3 所使用的資料規模驚人，但肯定會有偏差，很可能無法公開以供檢查或評估，而且其所使用的資料集很可能為私人公司所有，這些公司都有自己的商業目的。當我們在建築環境中使用更多的資料時，直接的人為因素就會被能力更強的機器學習工具的決策能力所取代，這就會導致一個迫在眉睫的倫理問題。
科學與機器學習攜手合作
身為建築師、設計師、工程師和規劃師，我們的工作環境既複雜又動態 - 我們所關心的不僅是現在和過去的情況，還有未來的情況。除了 GPT-3 令人印象深刻的創意之外，我們身為社會大眾真正需要的，是對現實世界環境的洞察力，我們的設計決策必須在這樣的環境中取得成功並經得起考驗。我們需要知道一個地區的暴風可能有多強，或未來的暴風雨可能會產生多少降雨量，氣候會如何影響地下水，或其他越來越多挑戰建築與自然環境的因素。機器學習能夠在極其複雜的條件下辨別模式並作出預測，這可能正是我們所需要的。
另一個大有可為的領域是機器學習與科學之間新興的融合，這將帶來建立在數學、物理學和其他科學的龐大知識基礎上的新技術。傳統的運算方法已變得更為強大，但即使在今天，所需的運算能力水準仍可能相當昂貴，且使用速度緩慢。在建築環境產業中，建模與模擬是我們需要持續改善計算任務的速度、規模與複雜性的領域。機器學習工具具有類似 GPT-3 的能力，可以同時考慮數十億個因素，並在更大的資料集上進行訓練，這應該可以讓我們在研究科學替代方案、尋找最佳解決方案以及處理更複雜模型時，實現質的飛躍。這對於典型的流體流動現象，例如風、大氣、水流、結構、材料、化學和其他難以計算的元素，將非常有價值。在奧雅納，我們已經開始嘗試使用 AI 加速氣流模擬（風與建築物的互動）。過去，這些模擬在設計中所扮演的角色有限，而且通常只研究一或兩個案例（因為時間與運算成本的關係）。這種新的方法（雖然技術尚未完全成熟）能更自由地探索各種選項，並更快地達到最佳解決方案。
在洪水預測的案例中，我們看到從歷史資料中學習並獲得物理學知識的人工智能模型，能夠更好地歸納例如未來氣候中的極端暴風雨事件，我們已經開始在專案中測試此方法。
機器學習與地球
隨著淨零承諾在整個建築環境行業生效，我們的行業將被越來越多（也理所當然）地期待回答關於我們提出的設計以及這些解決方案可能產生的能源和排放的更嚴峻問題。這是機器學習可以幫助我們克服複雜性的另一個領域。
鑑於建築物與基礎設施的使用壽命，我們需要開發更多更強大的機器學習工具，以回答這些專案將加入的世界的問題：從海洋上升、更強大風暴和洪水的影響，到更高的溫度上升和極端寒冷。對於工程師和設計師而言，能夠做出越來越準確預測的氣候建模工具將是無價之寶，可讓他們在快速暖化的世界中調整自己的決策。
在更具戰略性的層面，我們已經開始利用機器學習的力量來評估最有效的系統與技術組合，幫助 Whole Foods 超市連鎖店符合加州的淨零規範。這種「遺傳演算法」可評估出數量驚人的冷凍、照明和空調系統組合，該工具可模仿進化壓機剔除較弱的解決方案，直到定義出一系列低排放、高效能的選項。這是一個令人興奮的範例，證明不久之後可能會普及。
機器與人類的合作才剛剛開始
雖然我們常說「設計語言」，但建築物與語言模型不同，我們不該期望這種機器學習方式會取代正常、高度跨領域的設計流程。但即使我們還不可能要求軟體設計下一座音樂廳或大教堂，機器學習對於建築環境從業人員而言，仍是一個令人興奮且不斷發展的領域。機器學習顯然是「力量倍增器」，能以我們還無法完全想像的方式，增強我們自身、人類的能力與創造力。
就目前而言，GPT-3 之類的發展提供了一個誘人的預覽，讓我們知道我們明天可能回答的工程與設計問題的規模，同時也突顯出道德與開放資料對整個產業的重要性。
