Page 239 - 建筑结构设计理论及实践研究

第六章 建筑设计智能化技术 ◆

频率，排序数据库内的信息；将材料、环境、构造等设计相关的知识体系转变为
数据图谱，从中获取丰富的建筑信息，以提供更有针对性的支持。建筑师可根据
需求确定人类与机器生产数据间的主体地位，确立提示数据、输入数据与生成数
据的文本关系与互文流程。例如，人工智能生成的数据（即机器数据）与人机共

同生成的数据（共创数据），将作为数据集重新被输入训练过程中。清洗、集成、
变换、归约建筑信息数据，促使人工智能训练过程更快收敛，使得模型能够更好
地理解建筑细分领域下的语义和特征，实现从逻辑控制到自主生成的建筑智能。
2. 模型训练

模型训练是将人脑的设计思维与经验判断，转化为机器算法可理解的多维度
建筑表达。模型涵盖参数和超参数两类：参数是指材料、尺度、布局等与建筑学
科相关的知识，转译成变量、权重等；超参数是指学习率、批量大小等人工智能
认知过程的控制。由此，针对模型层面的定制化，也应从两方面进行：一方面，

通过人机交互的形式，将定制化的数据作为训练输入，逐步将建筑师创作思维融
入人工智能决策模型之中，促使人工智能更好地捕捉建筑领域的特征和规律，提
供专业性的设计解决方案；另一方面，记录和优化建筑师选择的超参数，提高训
练的收敛速度和准确性。通过比较不同算法的性能、观察生成结果的差异，并根

据需求选择和调整算法参数，实现设计目标。
3. 互动设计
互动设计本质上是指基于单一或多重目标的人机交互过程。目标可以是借助
公式的指标，也可以指建筑师的经验决策。人工智能生成并非一蹴而就，需要建

筑师检验设计形式、性能及可建造性，调整每一环节的生成结果，最终转化为建
筑师思维导向下的建筑方案。正如耶胡达·E. 卡莱（Yehuda E. Kalay）所说，建
筑设计可以被视为一个循环的连续学习过程。在调整的过程中，最大程度打破人
工智能与建筑师之间的藩篱，建立可追溯和可迭代的交互形式，使建筑师能够即

时反思、评估和调整设计方案，成为流程定制化的重中之重。契合建筑创作思维
的生成式 AI，将建筑师从烦琐的设计迭代中抽离；建筑师只需要积累快速筛选
和决策的能力，为建筑学的创作形式带来了新的可能。
4. 评价反馈

评价反馈不仅是建造完成后的最终复盘，还是设计至建造全流程中，建筑师
对每个环节进行反馈和评价，辅助人工智能的自我进化。通过人类与机器间渐进

·227·