smoke in eye
![](images/star2.gif) ![](images/star2.gif)
发贴: 302
|
2009-03-27 00:20
![收藏这篇帖子](http://abbs.cn/images/icons/icon_favorite.gif)
Crusadert wrote: 关于smoke in eye的一些论述,都是非常前沿的问题。这些问题得以解决,不仅建筑学设计理论将要大发展,其他的人工智能领域也大大收益。既然要说技术细节,就滥竽充数说一些吧。权当探讨。
首先是parametric是不是能够逻辑运算,进而具有智能的问题,这个就看怎么定义了,一套solution,加入多种预设的判断,知识,应该算拥有初步智能了。加入一些条件语句,做一些判断,只要能够用数学语言表达,不难的。至于你说的神经元设计构架的问题,我猜测应该是一个集群智慧的问题吧(swarm intelligence),用海量的相对设计简单的agent的群体行为去模拟智能的迁跃?而不是用传统的线性的控制方法?不知道我的猜测对不对。这个最原始的应该是细胞自动机了,就是设定一个系统让里面的棋子们自己玩。是不是大概这个意思。
至于进化设计的问题,自己没有具体玩过这个,但是感觉思路和集群智慧是一样的,就是达到非线性的智能,达到传统系统设计达不到的效果。本质还是用社会行为的仿生来达到相对高级的智慧。不知道近年来这方面新技术对建筑设计的辅助作用有没有突破?请指教了。
至于商业BIM之类,本人觉得技术上其实很简单,但是确实人家那是花了功夫,用了海量的既成的知识建构起来的,其实应对一般设计没问题了。也拥有了初步的智能。
兄弟我编了一年程,一开始也觉得自己很厉害,后来发现,这些东西前人该研究的都研究了,别说21世纪,建筑学里这些对数字化的认知水平人家搞IT的70年代就达到了。于是觉的这上面再无造化,只能研究科学哲学一类软科学了。最近也没有太去关心这方面的发展,因为以前感觉到建筑学学生搞这个有点偏了,尤其是要真正解决问题还是要知识,要专家,knowledge based design嘛。以前待的学校老搞空间句法,一个MIT毕业的博士已经编程很牛了,但是具体遇到算法的问题还是搞不定,举个例子,在一个位图系统里做个autocad里hatch的算法就不简单,有多种算法可以达到,但是具体编起来会有很多bug,所以结果执行编程的是个搞暖通出身的,人家懂算法,懂流体力学啊。
用编程去做设计其实是最终不是技术问题,是经济学问题,如果一个系统复杂到一定程度,当然可以具有近似于人的高级智慧,但是问题是就做一个建筑,标底10万,或者做几个同样套路的建筑,每平米给十块钱?
再说些题外话,这些东西即使在将来也不会入建筑学术主流的法眼,这是知识地图决定的,国外学校玩的人是很多,但是要说主流,我敢说还不是。这些东西确实改造了建筑设计认知(cognition),但是不是建筑学的核心知识。最终的结果是成为更好的工具,丰富了思想方法,充实了建筑学的内容,但是建筑学还是一门研究建造的艺术的学位(tectonics),一说艺术就搞玄了,还是多研究些建造本身的技术吧。
Crusadert 同学不愧是过来人,见解深入。针对你的回帖我有以下意见可供讨论。
1. 设计软件的智能,目前来看更多是一个见仁见智的定义问题。因为我们还没有完备的关于智能本身的定义。我个人更倾向于不将parametric系统定义为智能系统,因为就目前的发展来看,其架设仍停留在复杂反馈链的结构之上,本质上并不比一个自动贩卖机更智能。自动贩卖机具备了判断(你是否有足够的钱),处理(扣钱,出饮料)功能,同时可接纳多重外界参数输入(可乐还是芬达)。而系统本身的复杂程度,我认为并不是智能定义的绝对条件,如宇宙足够复杂,我们很少把它定义为一个智能体。总之,这个问题要看研究科学哲学那帮人怎么说了,对于我们来讲,能解决问题就好。
2. 神经元网络,安我掌握的信息来看,其本质在于训练计算体系在多个运算单元间建立起适当的链接关系,从而给类似的但从未经历过的运算问题求解。这与swarm intelligence的区别在于,后者是依据于预先制定的agent之间的连接关系进行演化的体系,而前者agent之间的连接关系是可被改变的。分子自动机与神经元网络的本质区别在于,分子自动机缺少系统层级上的评判,反馈机制,而此机制是训练神经元网络不可缺少的一部分。以上都是个人理解,如感兴趣还请自行google ![眨眼睛](http://abbs.cn/images/smiles/smile_wink.gif)
3. 进化体系,遗传算法与swarm intelligence为不同的运算模式架设。遗传算法运算操作的对象是迭代演化的agents,通过对其遗传信息的优选,重组和随机改变得到更符合评判标准的新一代的agent。其本质在我看来是一种复杂的开放问题,最佳解求解过程,在加入随机的基础上,具备了搜寻跨波峰的最佳解的可能性,因此被很多学科所采用。所谓跨波峰,是指问题求解的solution space的类似心电图一样的存在模式,如我们在其曲线上任意一点开始搜寻最佳解,如不具备随机采样模式,我们的搜寻将停止在临近的一个波峰,因为在其后的求解评判都将不及波峰的求解评判而被系统拒绝。随机参数可以打破波峰限制,这也是遗传算法在我看来的最大优势。其在设计行业内的劣势在于,大量的运算时间消耗,和将设计评判转化成计算评判的难度,由此少见基于遗传算法的设计实例。同神经元网络,以上个人纯属个人理解,不妥之处还请大家指正。
4. 编程,诚如Crusadert 所说,编程难,编设计程序更难。然而我对此问题吃更为乐观的态度。因为整个社会发展的大趋势在于跨行业合作,我们没有理由要求建筑师具备所有相关技能。由此,我理想中的设计模式为,由具备初步编程能力的设计师与具备专业编程能力的程序员的紧密合作,正如建筑师接纳了结构工程师,我认为我们没有理由拒绝程序员在我们设计实践内的贡献。
5. 经济学。这个问题很复杂,因为我们无法脱离市场谈经济。而市场本身又是复杂多变的体系。由此,以现行的国内市场需求探讨parametric的绝对生存空间,本身就是一个伪命题。试想,如果扎哈选择顺从20年前的设计市场经济规则,我们也不会看到她现有的风格作品。扎哈的选择,从市场经济的角度或可解释为创建属于自己的市场从而垄断之。
6. technology,tectonics,艺术。首先,艺术太繁,我选择不予讨论。其次在我看来,tectonics的严格理性的支撑来自于西方社会对technology以及其背后的科学精神的崇拜。从新进的建立在参数设计平台上的对于材料、工艺和施工的关注来看,parametric本质上可作为tectonics的直接延伸,关于这点人们造了个建筑理论的新词,新唯物主义neo-materialism。而关于tectonics和technology,我认为有必要退后一步重新审视。10年前,由日本高速火车频繁出轨曾引发了一场关于techonology究竟将世界变得更好还是更坏的国际讨论,最后不了了之。这里更为有意义的是探讨对于technology的不同地域文化的不同反馈。西洋人族群,为刷牙发明了电动牙刷,为擦屁股发明了喷水马桶,这一族群作为工业革命的直接既得利益族群,他们对于technology以致tectonics的迷恋不容怀疑。而我们,,,,这段比较难写,不写了。单就我个人来讲,我更倾向于看到technology与人本设计理念的有机结合,而此结合必然建立在parametric的平台之上才有可能突破传统建筑设计技术的瓶颈和传统设计文化的固步自封。或许此融合设计技术与人本设计输入的方向可为建筑设计方法论在超越parametric之后的新的发展目标。
|