VEŠTAČKA INTELIGENCIJA, NEURONSKE MREŽE
Veštačka inteligencija, zapravo, predstavlja statistički pristup rešavanju problema. U osnovi mnogih modela veštačke inteligencije nalaze se Neuronske mreže (ANM) – matematički model koji se sastoji od više nizova povezanih čvorova, slično neuronima u ljudskom mozgu. Date mreže mogu uočiti obrasce i odnose iz treniranih baza podataka, omogućavajući im obavljanje zadataka bez eksplicitnog programiranja; radi se o programiranju neprogramabilnog. Za razliku od većine generativnih alata koji pri svakom pokretanju iznova počinju sa rešavanjem problema, jednom kada trenirate model veštačke inteligencije, možete ga bilo kada koristiti za rešavanje problema. Time pripadaju skupu intuitivnih digitalnih alata koji imaju nešto veći stepen autonomije u procesu donošenja odluka.
Modeli Neuronskih mreža su odlični za:
– predikcije: predviđanje ishoda, poput troškova izgradnje ili performansi zgrada;
– sugestije: predviđanje ulaznih parametara radi dostizanja određenih rezultata;
– kreiranje slika: radi istraživanja različitih ideja.
STVARANJE
Integracija veštačke inteligencije u arhitekturu otvara put inovativnim metodama, sa trenutno najvećim fokusom na generisanju slika. Koristeći date alate, arhitekte mogu da transformišu skice ili osnovne modele u foto-realistične slike i ispitaju različite ideje uz predloge veštačke inteligencije. Pored toga, mi razvijamo nove modele koji mogu biti trenirani na geometrijskim operacijama radi generisanja preciznih 3D objekata.
PREDIKCIJE
Možemo koristiti jednostavne neuronske mreže kako bismo predvideli performanse zgrade (npr. bruto površinu, površinu fasade, zapreminu, količinu materijala, troškove…) s visokim stepenom preciznosti. Da bismo postigli ovo, možemo raditi ili s vašom bazom podataka ili kreirati novu iz parametarskog modela. Kada imate čistu bazu podataka i trenirani model, možete postaviti ulazne vrednosti i predvideti rezultate za manje od pola sekunde, čime se štedi dosta vremena pri donošenju projektantskih odluka.
SUGESTIJE
Neuronske mreže možemo koristiti i za inverzne predikcije. Ovo podrazumeva da korisnik definiše željene rezultate (bruto površinu, visinu, zapreminu…), a algoritam pokušava da odredi koje ulazne vrednosti (dimenzije X i Y, rotacija…) bi trebalo koristiti kako bi se postigli traženi ciljevi. To je složeniji problem za rešavanje u poređenju s direktnom predikcijom performansi zgrade, jer različite kombinacije ulaznih parametara mogu dovesti do sličnih rezultata.
BAZE PODATAKA
Možemo da generišemo baze podataka za vas. Kada kreiramo parametarski model, možemo zadati računaru instrukcije da nasumično menja ulazne parametre, obavi sve potrebne proračune i sačuva kako ulazne, tako i izlazne vrednosti u CSV fajlu. Takođe, možemo eksportovati slike vašeg dizajna. Računar će ponoviti ovaj proces i više od 10.000 puta. Iako eksporti mogu da potraju nekoliko dana, imaćete bazu podataka s kojom možete dalje raditi i učiti kako da kreirate svoje AI modele.