生成式深度学习 下载 生成式设计_迭代


原文

最近,我的朋友丹尼尔·戴维斯(Daniel Davis)发表了一篇名为《生成式设计注定要失败》的文章。毫无疑问,这是丹尼尔(Daniel)撰写的一篇引人入胜的文章,并且有一些非常令人不敢苟同的类比,以及关于丹尼尔(Daniel)为何认为生成式设计不是一个务实的过程,并且“注定要失败”的逻辑。我首先要声明,我对Daniel的职业、人格和行业领导者表示最高的敬意。丹尼尔(Daniel)是WeWork的前研究总监,曾在多个活动上发表演讲,甚至在《建筑师杂志》上发表过,主题为“ Can Algorithms Design Buildings(算法能设计建筑吗?)”。毫无疑问,他是一个非常聪明的人。话虽如此,我不得不写自己的个人见解并回顾最近的文章《生成式设计注定要失败》。

首先,我同意丹尼尔的很多观点。其中之一就是采用的技术越多,我们对它们的定义就变得越来越模糊。就他的文章而言,他使用的是Autodesk定义的生成式设计:

(1)设计师定义了项目的目标,

(2)算法产生了一系列解决方案,

(3)然后设计师选择了最佳结果。

我们会尽量靠近这些定义,但是有一些使用“共同设计过程”的混合模型概念,也许我个人觉得这些工具变得非常真实和实用。

Daniel概述了“生成式设计不太可能进行的6个主要原因”。让我们一起看看他们...

观点1-你要为生成选项做大量准备

“ ....没有用于生成所有设计选项的预建机制。 相反,您必须创建自己的系统。 从头开始。”

我实际上部分同意Daniel。 使用Project Refinery(以前称为Project Fractal),您基本上必须在Dynamo中构建自己的算法并将其馈送到Refinery,从而从根本上构建算法。 即便如此,我们(EvolveLAB)仍然非常成功地使用这种方法交付了项目。 以我们帮助Hufft的Hobbs Trail项目为例。


生成式深度学习 下载 生成式设计_生成式深度学习 下载_02


图片来源Hufft

我们能够从头开始创建几何算法,将其馈送到Refinery进行查询,然后选择最佳选择。


生成式深度学习 下载 生成式设计_生成式深度学习 下载_03


EvolveLAB进行的Hobbs Trail生成设计研究

我们从头开始构建的另一个示例(不是Autodesk的示例)是针对迪拜客户的总体规划项目,该客户运行了Grasshopper的进化求解器Galapagos。


生成式深度学习 下载 生成式设计_查询接待收待飞地数量失败_04


EvolveLAB使用Galapagos进行的总体规划研究

这两个示例都是从头开始构建的,我会把它们都放在成功实践的案例集中。 不管怎么说,最近在市场上出现了许多生成设计产品,您不必从头开始构建自己的系统和/或算法。 例如,您可以为开发人员利用http://testfit.io,该开发人员使用预先构建的打包算法,KPI和方案查询。


生成式深度学习 下载 生成式设计_迭代_05


图片来源http://testfit.io

我最喜欢的另一个例子是Hypar。 借助Hypar,您可以利用可以与Hypar的几何引擎即插即用的一组模块(预构建算法)。


生成式深度学习 下载 生成式设计_迭代_06


资料来源-AEC杂志

要点2-数量不能代替质量

“想法很简单:算法不能从坏处分辨出好主意,但是它们可以很快地创建设计,因此,如果我们迅速产生数百种选择,我们就会增加无意间生成好的设计的机会。……一百个糟糕的东西设计在任何地方都不等同于一种经过考虑的设计。如果您的软件是好的,它将产生更少的设计,而不是更多。

与此观点相反的,我最喜欢的故事之一是我在全球最大的医疗保健设计公司之一工作的经验。我的任务是协助我们的设计负责人为医院提供生成设计选项。我记得一个这样的项目有21个选项,每个选项都有一个子选项,即21a,21b,21c。我向您保证,这些不是最好的选择,只是我可以在8到10小时的工作日内做出的选择的数量。现在,想想沃伦·巴菲特(Warren Buffet)拥有您和我一样的24小时。尽管他很有钱,但在时间上他绝对没有超越你的优势。现在,假设您不仅有8到10个小时,而且有无限时间为您的项目设计无限数量的选项,并且您能够利用数据来帮助解决问题。用丹尼尔(Daniel)的话来说,为了数量而增加数量不能替代质量,但是,如果您可以通过利用数据解决问题的方式来询问更多的选择呢?那是黑魔法!

布雷特·杨(Brett Young)在M2x.AI所做的就是一个很好的例子,他在那里利用生成设计为机电空间做准备。您是否曾经需要3D协调项目?这是一个艰苦的过程,需要召开许多会议,工程师们辩论是否要移动风管、消防管道和桥架。生成设计帮助我们优化这类空间,这岂不是太棒了吗?


生成式深度学习 下载 生成式设计_解决方案_07


资料来源-M2x.AI的Brett Young

观点3-比较选项困难

“由于没有明确的获胜者,因此生成设计通常是这样,这使我们无法在几乎相同的选择之间做出似乎不可能的选择。”

如果我们只是在视觉上对模型进行比较,我认为确实存在这样的问题,但是利用散点图,平行图形图表和跨产品查询,您实际上可以找到一个“明显的赢家”,具体取决于您在生成的设计模型中所衡量的标准 。 在下面的示例中,我们利用Refinery的内置数据可视化来优化视图比例。


生成式深度学习 下载 生成式设计_迭代_08


EvolveLAB使用Project Refinery执行的查看比率研究

实际上,这种使用数据比较模型的新方法实际上是主流建筑设计中较新的过程。 利用数据驱动的设计,可以帮助您对对您重要的项目和对客户重要的项目做出明智的决策。

观点4-您可以衡量的并不重要

在建筑领域,关于什么是好的建筑没有共识,也没有确定的衡量方法。

今天,我们可能要看太阳日照或视图分析,这是建筑性能的组成部分,而不是全部内容。 也许在将来,我们将能够量化建筑性能的其他更多内在方面,但我没有寄予过高的希望。 容易无意中对可计算量而不是重要量进行优化。

在我看来,这可能更像是一种哲学或主观的陈述。 这假设您可以衡量的不是什么重要的方面,但是如果您可以衡量的是什么重要的方面呢? 如果您能够优化项目以使其对每个所有者都很重要的方面呢?

例如,为医疗保健客户测量和最小化行走距离,以便护士可以更快地到达他们的患者...


生成式深度学习 下载 生成式设计_迭代_09


图片来源Alvaro Ortega Pickmans-Isovists

或根据太阳光照研究通过最小化孔径开口来衡量和最大化能源效率。


生成式深度学习 下载 生成式设计_生成式_10


EvolveLAB编制的Millenneum Airport项目研究

当然,就丹尼尔而言,我们有时很难获得“完整的故事”(将生成式设计应用于整个项目)。要为所有项目的所有客户的所有目标拥有一个软件是非常困难的。我认为,您不能为所有项目的所有客户解决所有目标的论点不应阻止我们对针对性强的应用(例如行进距离)利用生成设计。

观点5-设计师不能像这样工作

“在一个真实的项目中,您永远不会一次就做对–生成设计算法还不够好,一旦创建了初稿,项目的情况就会改变。因此,您必须进行修订由于生成设计假定设计过程只是向前发展,因此它不能进行修订。设计师不遵循线性过程...要进行修订,您要么将所有内容扔掉然后重新开始生成设计过程,或者您可以放弃使用生成设计并手动进行更改。无论哪种方式,生成设计都会使设计人员难以反复进行工作。”

我非常同意丹尼尔的观点。设计人员通常不会线性工作,这实际上证明了更多理由要利用迭代/生成设计解决方案。使用生成-> 询问-> 迭代-> 重复的方法,这将帮助我们更快地创建设计,并能够更快地迭代设计选项。


生成式深度学习 下载 生成式设计_迭代_11


此外,将项目的各个部分划分成生成设计的机会,使我们可以在对其他部分进行迭代工作的同时,最大限度地减少对项目其余部分的影响。 这与Revit设计选项没有什么不同。


生成式深度学习 下载 生成式设计_解决方案_12


使用Project Refinery的示例EvolveLAB切片模式研究

观点6-其他领域没有像这样工作的

“ Adobe不会举行新闻发布会,说生成设计是图形设计的未来”

我在这个领域还没有看到Adobe的任何产品,但是我看到很多人在传统上使用Adobe产品的其他行业中使用生成设计,特别是在网站和LOGO的图形设计领域。 Wix(我们通过其托管EvolveLAB网站的公司)宣布了自己的针对利用人工智能的网站的生成设计解决方案。

此外,在线上有许多Generative Design公司会为您设计Logo。 这只是http://freelogodesign.org的一个示例。


生成式深度学习 下载 生成式设计_查询接待收待飞地数量失败_13


结论

“直到我们到达算法取代设计师的地步(这可能永远不会发生)之前,算法只有在与人类合作时才切实可行。”

作为结束语,我想在这一点上非常同意Daniel。 我认为Daniel和我非常同意AEC领域中的算法并不是要取代设计师,而是要与设计师一起工作。 我个人认为,最佳解决方案是一个共同创作过程,在此过程中,我们将利用生成设计来解决非常针对性的问题,同时能够覆盖由我们自己设计的生成解决方案。


生成式深度学习 下载 生成式设计_查询接待收待飞地数量失败_14


EvolveLAB为TVS设计开发的迭代计划工具

此外,我认为这不应该是全有或全无。 与任何过程类似,我们应该使用正确的工具完成正确的工作。 我们应该在适当的时候使用(唉)AutoCAD,在适当的时候使用Excel,并且在适当的时候使用Generative Design。 进一步介绍我们的Hobbs Trail项目的第一个示例; 即使我们使用Generative Design来帮助我们合理化Hobbs Trail项目的几何形状,我们也使用Revit,Rhino,纸和铅笔。

最后,我鼓励我们所有人利用正确的工具完成正确的工作,并进行有礼貌和友好的辩论。 我认为铁可以磨铁。 我要感谢Daniel的工作,并一直为我们的行业做出无私的贡献。 我要感谢他帮助我挑战自己对本行业的个人信念和想法。

关于作者:Bill Allen是EvolveLAB,Disrupt Repeat和On Point Scans的首席执行官兼总裁。 这些公司协同帮助建筑师,工程师和承包商优化建筑环境。 他在AEC行业中为最先进的公司管理建筑技术方面拥有超过15年的经验。 比尔·艾伦(Bill Allen)曾担任主题演讲嘉宾,并在多个活动中担任主讲嘉宾,并且是有史以来收看次数最多的Autodesk University演讲:“ BIM的未来不是BIM,而且比您想象的要快”。 比尔还共同创立了非营利组织-裸根基金会(Bare Roots Foundation),该组织相信每个人都应享有满足人类基本需求的权利,包括住房,食物和干净的饮用水。


生成式深度学习 下载 生成式设计_解决方案_15