周子騫 高 雯 賀秋時(shí) 林波榮,3 韓雨喬

(1.同濟(jì)大學(xué)建筑與城市規(guī)劃學(xué)院, 上海 200092； 2.清華大學(xué)建筑學(xué)院, 北京 100084；3.生態(tài)規(guī)劃與綠色建筑教育部重點(diǎn)實(shí)驗(yàn)室, 北京 100084)

0 引 言

20世紀(jì)末，建筑學(xué)完成了從手工作圖到數(shù)字化的轉(zhuǎn)型，使得建筑師從繁重的體力勞動中得到解放。數(shù)字化設(shè)計(jì)經(jīng)過了幾十年的發(fā)展，相似的問題再次出現(xiàn)?，F(xiàn)階段的建筑設(shè)計(jì)過程中，仍有很大一部分精力被投入到重復(fù)、低效的工作中。這些環(huán)節(jié)的效率提升之后，才可以使得建筑師有更多的精力進(jìn)行創(chuàng)作。近些年來，人工智能在建筑設(shè)計(jì)中的應(yīng)用潛力開始受到關(guān)注。相比于手工繪圖的時(shí)代，現(xiàn)在的建筑更加多樣和復(fù)雜，尺度也越來越大，這得益于計(jì)算機(jī)的幫助。在實(shí)際項(xiàng)目中，建筑師總是要統(tǒng)籌各個(gè)領(lǐng)域，尋找更優(yōu)的方案。建筑設(shè)計(jì)是一個(gè)不斷試錯(cuò)的過程，建筑師找到一個(gè)可行的方案受限于時(shí)間和精力。人工智能技術(shù)的引入，一方面，能夠用程序化的思維描述設(shè)計(jì)的過程，使其更有邏輯，更容易達(dá)到預(yù)設(shè)的目標(biāo)；另一方面，計(jì)算機(jī)能夠代替人腦來窮盡大量的可能性，盡可能找到最優(yōu)的結(jié)果。而從長遠(yuǎn)看來，計(jì)算機(jī)可能幫助人們找到新的建筑形式。以前被認(rèn)為過于復(fù)雜、人工無法駕馭的概念或思路，很可能在人工智能的幫助下煥發(fā)生機(jī)。

以往研究中，Zwierzycki等根據(jù)1980—2020年發(fā)表的176篇論文，對建筑設(shè)計(jì)中人工智能的應(yīng)用情況進(jìn)行了分析[1]。Pellitteri等以60個(gè)2017年近期的建筑項(xiàng)目為案例，分析了當(dāng)前建筑中的數(shù)字技術(shù)趨勢[2]。類似地，Pena等根據(jù)1995—2019年發(fā)表的74篇文章，分析了概念設(shè)計(jì)中人工智能的應(yīng)用[3]。該綜述選取的一些研究偏向概念，并不能很好地實(shí)際應(yīng)用。

因此，將對不同人工智能技術(shù)在應(yīng)用過程中輸入條件是否足夠自由、執(zhí)行過程是否達(dá)到了一定程度的自動化、輸出結(jié)果能否與主流的設(shè)計(jì)流程對接等三個(gè)方面進(jìn)行研究，在文獻(xiàn)分析時(shí)，側(cè)重實(shí)際應(yīng)用的研究，即使用目前較為成熟的技術(shù)，同時(shí)預(yù)想在近未來的實(shí)際應(yīng)用場景，而非偏向概念的尚難以實(shí)際應(yīng)用的研究。在研究時(shí)間上，選擇近5年的文獻(xiàn)，對近期的技術(shù)發(fā)展進(jìn)行分析。研究共收集了2016—2020年發(fā)表的73篇文獻(xiàn)，如表1所示。

表1 文獻(xiàn)來源和數(shù)量Table 1 Literature sources and quantities

1 人工智能技術(shù)

人工智能技術(shù)是使機(jī)器具有與人類似智能反應(yīng)和能力的技術(shù)，針對目前在建筑設(shè)計(jì)中常用的人工智能技術(shù)，簡單介紹其原理、特征以及應(yīng)用場景，包括優(yōu)化算法、人工神經(jīng)網(wǎng)絡(luò)、形狀語法、聚類算法、集群智能、元胞自動機(jī)。

1.1 優(yōu)化算法

優(yōu)化算法是對一類算法的統(tǒng)稱，可以運(yùn)用該類算法在某個(gè)系統(tǒng)中尋找最值。對于可以用函數(shù)表達(dá)式顯示表示的問題，梯度下降法是經(jīng)典方法之一，可以通過微分計(jì)算獲得精準(zhǔn)的優(yōu)化結(jié)果。但很多實(shí)際問題中，系統(tǒng)的函數(shù)表達(dá)式不可知，且不一定連續(xù)可微，這類問題被稱為黑盒優(yōu)化，遺傳算法是具有代表性的算法之一，通過自變量構(gòu)成的基因的交叉變異和種群進(jìn)化搜索全局最優(yōu)解。在建筑設(shè)計(jì)中，遺傳算法大多應(yīng)用于找形這一過程，它是由參數(shù)化建模與優(yōu)化算法組合而成的工作流，應(yīng)用較為廣泛。多目標(biāo)優(yōu)化從優(yōu)化算法發(fā)展而來，能夠處理多個(gè)指標(biāo)的優(yōu)化，優(yōu)化得到的帕累托解集是不同指標(biāo)下最優(yōu)解的集合，在遺傳算法的基礎(chǔ)上發(fā)展而來的NSGA-II是具有代表性的多目標(biāo)優(yōu)化算法之一。

1.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是目前較為熱門的人工智能技術(shù)，結(jié)構(gòu)上模仿人腦的神經(jīng)元網(wǎng)絡(luò)行為特征，能夠自發(fā)地學(xué)習(xí)和調(diào)整，具有強(qiáng)大的能力，能夠解決許多復(fù)雜的非線性映射問題，被廣泛應(yīng)用于多個(gè)領(lǐng)域。神經(jīng)網(wǎng)絡(luò)最早于1943年被提出，即MCP神經(jīng)元數(shù)學(xué)模型[4]。2006年Hinton提出了深度信念網(wǎng)絡(luò)[5]，成為神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的里程碑，自此以后深度學(xué)習(xí)迅猛發(fā)展，成為人工智能領(lǐng)域最前沿最熱門的研究領(lǐng)域。徐衛(wèi)國等總結(jié)了深度神經(jīng)網(wǎng)絡(luò)在建筑生成設(shè)計(jì)中的應(yīng)用[6]。

1.3 形狀語法

形狀語法是一種生成特定類別的幾何圖形的方法。該方法被用于研究二維和三維圖形，可以按照人們的設(shè)計(jì)要求，按照一定的規(guī)則自動生成圖形。除了生成外，該方法也被用于對建筑案例的分析，解析它們的生成規(guī)則和生成過程。形狀語法歷史超過半個(gè)世紀(jì)，在建筑設(shè)計(jì)領(lǐng)域，最具代表性的形狀語法工作來自Mitchell團(tuán)隊(duì)的工作，他們探究了帕拉迪奧式建筑平面布局的形狀語法規(guī)則[7]。

1.4 聚類算法

聚類算法是一種無監(jiān)督統(tǒng)計(jì)分析方法，可以對多維空間中的點(diǎn)集按特定標(biāo)準(zhǔn)進(jìn)行分類，在聚合相似樣本的同時(shí)分離不同類樣本。該方法起源于分類學(xué)，從依靠經(jīng)驗(yàn)和專業(yè)知識，逐漸引入數(shù)學(xué)工具，和計(jì)算機(jī)的輔助，發(fā)展為智能的聚類算法，近年來越來越多地被應(yīng)用于建筑設(shè)計(jì)的研究。

1.5 集群智能

集群智能[8]是分布式人工智能的一個(gè)重要分支，在2002年由Johnson進(jìn)行了闡述，指的是在群體中存在眾多無智能的個(gè)體，它們只能相互間進(jìn)行簡單的信息傳遞和處理，但這種微觀上的合作在宏觀上體現(xiàn)出復(fù)雜的智能行為，可以作為一種指導(dǎo)智能過程的思路。例如自然中的蟻群、鳥群、魚群等行為等，每個(gè)個(gè)體遵循簡單的規(guī)則，在群體中即可產(chǎn)生復(fù)雜行為系統(tǒng)。蟻群算法和粒子群算法是兩種代表性算法。

1.6 元胞自動機(jī)

元胞自動機(jī)的概念最初由馮·諾依曼提出，用于模擬生命系統(tǒng)，元胞自動機(jī)起源于生命游戲，眾多個(gè)體被分布在網(wǎng)格上，可以根據(jù)相鄰個(gè)體的狀態(tài)做出調(diào)整。這一簡單的規(guī)則衍生出了復(fù)雜的系統(tǒng)時(shí)空演化能力，數(shù)學(xué)家在其中發(fā)現(xiàn)了各種有趣的現(xiàn)象。而后這一方法被設(shè)計(jì)師用于生成的過程，生成新的空間形態(tài)。蒲宏宇等總結(jié)概述了元胞自動機(jī)多智能體在生成式建筑設(shè)計(jì)方面的應(yīng)用，發(fā)現(xiàn)其具有應(yīng)用于復(fù)雜建筑方案的潛力[9]。

2 建筑設(shè)計(jì)研究中的應(yīng)用

人工智能算法被廣泛應(yīng)用于各種建筑設(shè)計(jì)任務(wù)和場景，按照設(shè)計(jì)任務(wù)的分類，下面分別對建筑形體、平面布局、外表面以及設(shè)計(jì)分析進(jìn)行綜述。

2.1 形 體

一座建筑的外形是它首先傳遞給人們的視覺信息，也是人們記憶一座建筑的主要方式。從城市尺度來看，這是建筑與城市交互的主要方式，建筑的形體能夠表達(dá)它對城市的態(tài)度。從建筑尺度來看，建筑師通過對體量的控制，溝通了建筑與周邊環(huán)境的聯(lián)系，也建立了外形與內(nèi)部空間的邏輯關(guān)系。人工智能技術(shù)的應(yīng)用使得建筑物理性能等可量化的評價(jià)指標(biāo)得到進(jìn)一步優(yōu)化，并探索了新的建筑形式。

二維圖像分為矢量圖和位圖兩種，與之類似地，建筑形體的生成也可分為參數(shù)控制和單元堆積兩種方法。前者可以得到光滑連續(xù)的建筑模型，后者的模型則由離散的單元堆積而成，顯得較為粗糙。使用參數(shù)控制這一方法時(shí)，建筑師會按照一定邏輯構(gòu)建一系列可變的曲線和曲面，即參數(shù)化模型，可以通過參數(shù)來進(jìn)行適當(dāng)調(diào)整，但最終得到的形體都較為相似。也就是說，參數(shù)化模型可以使得建筑形體在可變范圍內(nèi)保持幾何形體特征，但這也限制了建筑形體的變化。因而針對每個(gè)具體項(xiàng)目，都需要單獨(dú)建立參數(shù)化模型，很難推廣到其他項(xiàng)目上。單元堆積是一種截然不同的形體生成方法，用小的體量單元來堆積成形體。這類方法往往采用空間正交網(wǎng)格，因?yàn)橐环矫?，建筑形體的構(gòu)成邏輯需要被限制在某一坐標(biāo)系之中，便于程序化的操作控制；另一方面，正交體系適配于目前的大多數(shù)建筑，這些建筑的內(nèi)部空間往往是由若干個(gè)方形體塊構(gòu)成。在用單元堆積生成形體前，建筑師很可能對形體特征并沒有預(yù)期，因而結(jié)果具有一定的創(chuàng)造性。通過這種方法得到的形體，由于被限制在正交網(wǎng)格之中，會給人體素感或顆粒感。形體表面光滑程度的不同，是這兩種生形方法最直觀的區(qū)別。在形體控制的自由度上，參數(shù)控制的方法相對受限，而單元堆積的方法更為自由。

2.1.1參數(shù)控制

通過控制參數(shù)來生成形體也被稱為找形,是目前應(yīng)用較為廣泛的形體生成方式，使用參數(shù)化模型，程序根據(jù)預(yù)期的目標(biāo)來調(diào)整參數(shù)，以求達(dá)到最優(yōu)解。在相關(guān)研究中，與之契合的優(yōu)化算法被大量使用。這些優(yōu)化目標(biāo)必須是可以量化的指標(biāo)，而建筑形體涉及到外部環(huán)境，因而多數(shù)使用建筑物理指標(biāo)。

以建筑物理性能為指標(biāo)的找形方法被應(yīng)用于建筑單體、組團(tuán)的優(yōu)化。Kormaníkov等的研究是基于風(fēng)環(huán)境的建筑組團(tuán)形體優(yōu)化[10]。類似地，Zhang等研究了以風(fēng)環(huán)境為目標(biāo)的高層建筑找形[11]。Agirbas的研究則是根據(jù)日照、輻射、面積指標(biāo)找形[12]。Rahmin Asl等構(gòu)建了較為詳細(xì)的建筑參數(shù)化模型，根據(jù)建筑物的墻、屋頂、地板面積和按方向考慮的窗戶面積，分析建筑物的能耗[13]。在優(yōu)化階段，運(yùn)用了人工神經(jīng)網(wǎng)絡(luò)和增強(qiáng)型決策樹，以能耗為目標(biāo)對建筑進(jìn)行了優(yōu)化。除建筑物理性能外，力學(xué)性能也可用于找形和優(yōu)化。Javidannia等以抗震性能為指標(biāo)，對高層建筑的結(jié)構(gòu)和外形進(jìn)行了優(yōu)化(圖1)[14]。

找形并不局限于形體的生成，其參數(shù)化的邏輯也可應(yīng)用于建筑的內(nèi)部空間。Mughal等運(yùn)用遺傳算法，以室內(nèi)風(fēng)速、溫度等自然通風(fēng)性能為目標(biāo)，對一種具有空中花園的高層建筑模式進(jìn)行優(yōu)化。參數(shù)化的建模邏輯也可以推廣到更大的空間尺度，將周邊的建筑都納入優(yōu)化的涉及范圍[15]。Luca等基于正交網(wǎng)格，在有周邊建筑的地塊中，用已有的平面類型，生成公寓式住宅的體量模型，以周邊建筑的采光為限制，以最大化的建筑面積和房間數(shù)量為目標(biāo)[16]。張倩等主要考慮風(fēng)環(huán)境，他們基于正交網(wǎng)格，對整個(gè)街區(qū)的參數(shù)化建筑模型進(jìn)行優(yōu)化，且開始前需要將周邊街區(qū)內(nèi)建筑的體量模型信息輸入程序[17]。

設(shè)計(jì)初期的方案決策對建筑能耗和物理環(huán)境性能有重要影響[18]，找形的過程中，優(yōu)化目標(biāo)需要量化，因此被普遍認(rèn)可的能耗和建筑物理性能指標(biāo)是最常見的優(yōu)化目標(biāo)，其他自定義的評價(jià)方式也作為優(yōu)化目標(biāo)進(jìn)行研究。Sardenberg等則探究了基于美學(xué)性能的建筑找形[19]。這一方法會用參數(shù)化的方式生成一組建筑的概念模型，把它們發(fā)布到網(wǎng)絡(luò)平臺獲得評分，并把評分作為下一代模型的優(yōu)化目標(biāo)，直到生成評分較高且較穩(wěn)定的一組模型，局限性在于受到參數(shù)化模型的限制，只能生成同一種邏輯的模型。

2.1.2單元堆積

單元堆積被應(yīng)用于住宅、辦公等建筑類型。Jansen等提出了一種獨(dú)棟住宅的生成方法，由于住宅具有尺度小、房間多、呈正交排布的特點(diǎn)，適合于通過在正交網(wǎng)格中堆積體量來生成形體[20]。Kim提出了一種辦公建筑的生成方法，運(yùn)用進(jìn)化算法，基于正交網(wǎng)格，生成辦公建筑的體量模型。生成過程中有最小庭院陰影、最大辦公面積、最小庭院面積三個(gè)指標(biāo)，在冬季以最小庭院陰影為首要優(yōu)化目標(biāo)，而在夏季以最大辦公面積為首要優(yōu)化目標(biāo)[21]。Barczik等研究了引入用戶主觀偏好的交互式生成過程，基于正交網(wǎng)格，在已有的建筑紅線內(nèi)隨機(jī)生成三維體量模型，用戶可以通過選擇來表達(dá)偏好。之后程序會運(yùn)用基因算法，根據(jù)用戶的偏好生成新的模型。用戶繼續(xù)做出選擇，直到生成較為理想的模型[22]。不過該方法生成的模型較為粗糙，只能用于設(shè)計(jì)的早期階段(圖2)。孫澄等提出建筑體量的AI智能設(shè)計(jì)系統(tǒng)，基于場地條件生成建筑初始體量，結(jié)合設(shè)計(jì)意向進(jìn)行設(shè)計(jì)探索[23]。

相較于參數(shù)化找形，基于基本體量單元的生成過程有更大的自由度，研究者嘗試引入建造的思想。Tebaldi等基于三個(gè)主要操作——置換、加法和減法來生成客車站的體量模型，并通過日照、公共空間面積、體形系數(shù)等指標(biāo)來評價(jià)模型，直到得到滿意的結(jié)果(圖3)[24]。Narahara引入集群智能的思想，利用若干個(gè)“建造者”，基于正交網(wǎng)絡(luò)，來生成建筑的體量模型[25]。每個(gè)“建造者”可以在局部進(jìn)行四種基本操作：搭建或移除建筑體量單元，靠近或消滅其他“建造者”，最終獲得建筑的整體結(jié)構(gòu)。

通過體量生成方法得到的模型一般較為粗糙，缺少細(xì)節(jié)，但可以通過提高網(wǎng)格精度來彌補(bǔ)這一缺陷，即引入體素的概念。Swahn運(yùn)用馬爾可夫隨機(jī)場，基于體素生成帶有女兒墻、窗口等細(xì)節(jié)的建筑形體。體素的尺度遠(yuǎn)小于建筑尺度，該方法類似于基于像素生成建筑圖紙，不過本質(zhì)上還是基于基本體積單元的生成方法(圖4)[26]。

基于正交網(wǎng)格的生成方法不僅限于單元體量堆積。正交網(wǎng)格中的格點(diǎn)相連得到線段，若干線段組成空間網(wǎng)格，也能用來表示建筑的形體。De Miguel等應(yīng)用了網(wǎng)格的邏輯，用線框來生成公共建筑的體量模型[27]。Yu將三維空間拆解為二維平面的組合，先根據(jù)線稿生成平面功能分布圖，在此基礎(chǔ)上再生成若干剖面圖，最后根據(jù)平面圖、剖面圖得到三維建筑組團(tuán)模型[28]。

2.2 平面布局

在設(shè)計(jì)建筑內(nèi)部空間時(shí)，建筑師很大一部分精力都投入到平面的空間關(guān)系上，豎向的空間關(guān)系則處理起來較為簡單。平面布局主要考慮的是平面上的房間排布，其中房間的大小、位置關(guān)系和使用者的流線等都是研究者關(guān)注的內(nèi)容。作為二維對象，平面布局任務(wù)中人工智能技術(shù)的應(yīng)用更為廣泛。

2.2.1拓?fù)潢P(guān)系圖

拓?fù)潢P(guān)系圖是表達(dá)房間鄰接關(guān)系的一種圖結(jié)構(gòu)，源于圖論，由結(jié)點(diǎn)和邊組成，描述房間的拓?fù)潢P(guān)系。其中，結(jié)點(diǎn)代表房間，可以被附上房間的功能、編號等基本信息，邊代表房間的鄰接關(guān)系，也可以被賦予門連接、開敞連接、豎向連接等鄰接信息。通過優(yōu)化房間的拓?fù)潢P(guān)系圖，可以得到盡可能合理的流線。

Eisenstadt等運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)，根據(jù)已有的房間拓?fù)潢P(guān)系圖，模仿并生成新的圖[29]。As等運(yùn)用深度神經(jīng)網(wǎng)絡(luò)，通過學(xué)習(xí)經(jīng)過人工評分的建筑案例，生成住宅房間的拓?fù)潢P(guān)系圖，評價(jià)指標(biāo)為宜居性和睡眠質(zhì)量；他們還借助生成對抗網(wǎng)絡(luò)生成拓?fù)潢P(guān)系圖，可以生成尚未在建筑設(shè)計(jì)中出現(xiàn)過，但具有高評分的房間排布形式，用于開闊建筑師的眼界，啟發(fā)設(shè)計(jì)思維(圖5)[30]。目前針對拓?fù)潢P(guān)系圖的研究較少，但在平面圖的生成中，該類圖起著重要的作用。

2.2.2平面圖

建筑平面圖生成是一個(gè)較為熱門的研究方向，通過簡單的初始條件設(shè)置，生成具有良好性能的平面圖。不同生成方法在初始限制條件上具有不同的自由度，如平面圖有無確定的外墻輪廓以及外墻輪廓是否包含開窗位置；有無確定的房間拓?fù)潢P(guān)系圖；是否允許出現(xiàn)L形、U形等非矩形房間。除去這些特殊的限制條件，各種方法也有一些共有的初始條件，比如建筑紅線，包含面積、功能等信息的房間列表，有時(shí)也會將周邊城市環(huán)境納入考量。

不限制外墻邊界的方法自由度更高，獲得的方案多樣性更高，但可行性需要進(jìn)一步評估。Lima等提出運(yùn)用形狀語法和空間句法，基于正交網(wǎng)格生成住宅平面圖[31]。它是一種不事先確定外墻的生成方法，其操作邏輯是依次在已有平面圖上相鄰地添加矩形房間，而已經(jīng)出現(xiàn)在平面上的房間不再改動，直到所有房間都被添加到平面圖上。類似地，Nisztuk等提出運(yùn)用混合進(jìn)化算法和多目標(biāo)優(yōu)化算法，基于正交網(wǎng)格，不斷地添加矩形房間來生成平面圖[32]。該種方法會在房間之間形成一些空隙，程序會使空隙周邊的房間擴(kuò)展來將其填滿，最終允許L形房間的出現(xiàn)。

一些研究增加了對外墻輪廓的限制。Kwiecinski等運(yùn)用形狀語法和基因算法，基于正交網(wǎng)格，生成木結(jié)構(gòu)定制住宅平面圖，除車庫外的房間均不能超出邊界[33]。具體方法為，一個(gè)接一個(gè)地生成房間，并對已生成的房間不再改動。每一步都會對已有平面進(jìn)行評估，若不符合要求，則回溯重試，直到平面被所有房間填滿。Nisztuk等運(yùn)用混合進(jìn)化算法，根據(jù)已有的房間關(guān)系圖，基于正交網(wǎng)格，生成住宅平面圖[34]。雖然沒有確定的外墻邊界，但是其外墻形狀需要盡量為矩形。房間形狀均為矩形，不包含走廊,房間之間的鄰接關(guān)系只能通過相鄰房間的門來實(shí)現(xiàn)。

一些研究增加了對房間鄰接關(guān)系的限制。Egor等根據(jù)已有的房間拓?fù)潢P(guān)系圖，基于正交網(wǎng)格，生成沒有外墻形狀限制的住宅平面圖(圖6)[35]。其中走廊沒有被算作房間，且形狀和寬度難以控制，而房間關(guān)系都依靠走廊連接，導(dǎo)致走廊的面積明顯過多。華好等基于先例提取平面元素，通過平面重組、推理和篩選生成滿足要求的平面[36]。Veloso等引入了運(yùn)動的思想，在基地邊界不規(guī)則、不限制外墻形狀的情況下，在正交網(wǎng)格中生成住宅平面圖。該方法首先確定房間數(shù)量、面積、鄰接關(guān)系等基本信息，然后將所有房間以1×1單元格的初始面積隨機(jī)置入網(wǎng)格中(圖7)[37]。每個(gè)房間可以不斷對周邊環(huán)境進(jìn)行評分，并變形和移動，但形狀始終被限制在一定大小內(nèi)(該研究中的限制是5×5的方形)，類似于細(xì)胞的運(yùn)動。其中評分的指標(biāo)包括房間形狀是否規(guī)則，鄰接關(guān)系是否得到滿足。在移動的過程中允許房間變成不規(guī)則形狀，但最后的結(jié)果中房間都趨于矩形。

綜合以上研究，在平面圖生成，尤其是住宅平面中，走廊的生成是一個(gè)難點(diǎn)。研究者對于是否將走廊歸為一種房間類型存在分歧。此外走廊的評價(jià)標(biāo)準(zhǔn)與一般房間不同，不一定是矩形，但需要滿足各房間的連通性，且各處的寬度應(yīng)盡量相等。另一個(gè)難點(diǎn)，則是如何確保門廳、臥室等需要向外開門窗洞的房間處于平面的外側(cè)。在滿足這一點(diǎn)的基礎(chǔ)上，需要進(jìn)一步解決的是，如何調(diào)整窗口的南北朝向。

前文提到的都是具有普適性的平面圖生成方法，一些研究者提出更具針對性的方法，相應(yīng)地也增加了一定的限制條件。Das嘗試根據(jù)用戶的偏好生成平面圖，運(yùn)用基因算法，在正交網(wǎng)格中生成。用戶每次可以在程序給出的幾個(gè)平面圖中選出最滿意的一張，下一次生成的平面圖會繼承用戶的偏好，重復(fù)若干次，直到生成的平面圖滿足用戶要求[38]。這種方法能夠使設(shè)計(jì)師的想象力不受到其他現(xiàn)實(shí)條件的限制，生成一些平時(shí)難以見到的設(shè)計(jì)。Kwieciński等希望用戶能夠參與到平面圖的設(shè)計(jì)中。他們構(gòu)建了一種簡單的由一條走廊和兩側(cè)房間組成的住宅模型，用戶可以調(diào)整房間的位置和大小[39]。程序會針對用戶的操作做出適當(dāng)調(diào)整，或報(bào)告不合理的情況。用戶可以接受程序提出的解決方案，或繼續(xù)尋找符合期望的方案。Kasahara等學(xué)習(xí)了黑川紀(jì)章20世紀(jì)60年代“農(nóng)業(yè)城市”項(xiàng)目中的設(shè)計(jì)思路，在農(nóng)田等開闊場地中生成建筑平面圖[40]。先在某一地塊邊界中確定好正交網(wǎng)格，再在其中填入預(yù)置的建筑單元，從而生成建筑。此研究的用地較大，因而最終方案中的建筑外邊緣不整齊，并且單元的排列也不緊密。Newton嘗試基于位圖生成平面圖，運(yùn)用生成對抗網(wǎng)絡(luò)，以柯布西耶的住宅為樣本，來生成住宅平面的位圖圖像(圖8)[41]。不過將位圖轉(zhuǎn)換為矢量圖或三維模型等可編輯的文件又是另一個(gè)需要解決的問題。

對于不同類型的建筑，平面圖樣式各不相同。針對特定的建筑類型或應(yīng)用場景，研究者制定了不同的平面生成方法。Sousa等研究商場平面圖的疏散性能，基于正交網(wǎng)格，以走廊數(shù)量、走廊寬度、門的寬度、中庭面積等參數(shù)，建立了參數(shù)化的商場平面圖，并以疏散性能為目標(biāo)對該平面圖進(jìn)行了優(yōu)化[42]。Das等研究醫(yī)院平面的生成，基于正交網(wǎng)格，以鄰接性、結(jié)構(gòu)性能、可見性為優(yōu)化目標(biāo)，生成醫(yī)院平面圖，在此基礎(chǔ)上生成合理的結(jié)構(gòu)方案，主要由正交網(wǎng)格中的梁和柱構(gòu)成[43]。Tan等研究碼頭平面圖的生成，首先通過參數(shù)的調(diào)整隨機(jī)生成一系列碼頭平面圖，然后運(yùn)用聚類算法，根據(jù)不同的指標(biāo)對這些方案進(jìn)行分類，并把這些類別總結(jié)為描述性詞匯。用戶只需經(jīng)過簡單的選擇，就能得到滿足需要的平面圖[44]。Das等的研究主題是高層建筑服務(wù)核的生成，包含電梯、技術(shù)用房、樓梯和衛(wèi)生間。他們基于正交網(wǎng)格來生成服務(wù)核，其中電梯會根據(jù)垂直分區(qū)布置，這樣各區(qū)之間的電梯布置會有區(qū)別，其他組件的布置也隨之調(diào)整(圖9)[45]。高亮等針對高層辦公建筑提出基于形狀語法核心筒平面布置方法[46]。Mekawy等關(guān)注裝配式建筑的平面生成，根據(jù)用戶輸入的尺寸、運(yùn)輸限制、采光等參數(shù)，基于預(yù)設(shè)的裝配化建筑單元，在設(shè)計(jì)的早期階段生成簡單的建筑信息模型[47]。模型的各層平面相同，因而此研究聚焦于平面上各裝配化單元的組合。一些學(xué)者把研究重點(diǎn)放在歷史和文化上。Hadighi等為了在伊朗古都設(shè)拉子設(shè)計(jì)符合文化背景的建筑，分析了波斯花園風(fēng)格和國際風(fēng)格建筑的形狀語法，并生成了建筑[48]。Castro等運(yùn)用形狀語法，來進(jìn)行歷史建筑的保護(hù)和翻新[49]。其形狀語法中既包含歷史建筑的語法，又包含當(dāng)代建筑的語法，從而在保護(hù)歷史的同時(shí)適應(yīng)現(xiàn)代的生活環(huán)境。

除平面圖生成外，既有建筑改造也是一個(gè)值得關(guān)注的問題。Guerritore等運(yùn)用形狀語法，以米蘭的廢棄辦公樓為例，基于正交網(wǎng)格，將有確定邊界的平面改造為住宅平面[50]。Wurzer等運(yùn)用元胞自動機(jī)，基于正交網(wǎng)格，對住宅平面進(jìn)行翻新。該研究關(guān)注的重點(diǎn)并非平面的全局優(yōu)化，而是翻新時(shí)盡量少的改動[51]。

一些研究者將尺度擴(kuò)大，探索建筑組團(tuán)平面圖的生成方法，這是一種介于建筑與城市之間的尺度，在一些方面表現(xiàn)出與樓層平面圖的相似性。組團(tuán)中的建筑單體和樓層中的房間相比，在功能設(shè)置、面積分布、鄰接關(guān)系滿足等問題上均有共性，但在緊密度上相差懸殊，導(dǎo)致組團(tuán)中的道路布局和樓層中的走廊設(shè)置差異很大。Andriasyan等在給定的地塊生成陣列式的難民營，主要考慮基礎(chǔ)設(shè)施的布置和逃生路線的規(guī)劃[52]。Verniz等以巴西圣瑪爾塔貧民窟為案例，進(jìn)行形狀語法的研究，并生成類似的城市平面圖[53]。范偉等運(yùn)用形狀語法，基于正交網(wǎng)格，生成村莊的平面圖。程序可以移除建筑來創(chuàng)造開放空間，或進(jìn)行微小位移來讓出道路[54]。李飚等運(yùn)用多智能體對村鎮(zhèn)肌理進(jìn)行地塊優(yōu)化，再運(yùn)用形狀語法完成單體建筑[55]。孫澄等提出基于條件生成對抗網(wǎng)絡(luò)CGAN的居住區(qū)強(qiáng)排生成設(shè)計(jì)方法[56]。鄧巧明等研究了中小學(xué)教育建筑組團(tuán)的平面圖生成，基于正交網(wǎng)格，每個(gè)建筑在初始時(shí)大小和形狀確定。首先根據(jù)周邊環(huán)境對紅線內(nèi)的每個(gè)網(wǎng)格進(jìn)行評分，生成一張?jiān)u價(jià)圖，然后將建筑置于場地中，它們可以進(jìn)行平移運(yùn)動，但是不能改變大小或旋轉(zhuǎn)。建筑會根據(jù)評分圖向評分更好處運(yùn)動，同類建筑也會相互吸引。此外也有限制規(guī)則，建筑不可超出場地邊界，不可相互重疊，并且要滿足建筑間距的要求。此方法生成的組團(tuán)平面圖質(zhì)量不穩(wěn)定，很大程度上取決于初始狀態(tài)的選取(圖10)[57]。

2.2.3家具和路線

2.3 外表面

外表面是指建筑與外界環(huán)境接觸的界面，與形體不同，外表面的研究不關(guān)注建筑的體積，而是其表面結(jié)構(gòu)所負(fù)擔(dān)的功能和具體實(shí)現(xiàn)的措施。建筑的外表面連接了內(nèi)外環(huán)境，是為外界傳遞視覺信息的媒介，是室內(nèi)空間接收光線的途徑，也是熱量、氣體交換的通道。

2.3.1立 面

從功能上來講，立面承擔(dān)著室內(nèi)環(huán)境調(diào)節(jié)的職責(zé)，因此相關(guān)研究大多涉及到建筑物理性能；同時(shí)立面應(yīng)該美觀大方，給人良好的視覺體驗(yàn)。清華大學(xué)林波榮等梳理總結(jié)了近年來國內(nèi)外建筑遮陽的實(shí)踐和研究進(jìn)展，為建筑表皮遮陽系統(tǒng)設(shè)計(jì)的未來研究方向，尤其是在性能、模擬、控制策略等方面提供了重要支撐[61]。從構(gòu)成上來講，立面通常由若干單元組成，具體單元的設(shè)計(jì)和整體的組合方式都受到學(xué)者的關(guān)注。

在立面單元設(shè)計(jì)方面，Ashrafi等運(yùn)用形狀語法，對參數(shù)化的雙層幕墻單元進(jìn)行優(yōu)化，調(diào)節(jié)其尺寸、開口位置等參數(shù)，使其獲得最優(yōu)的溫度調(diào)節(jié)性能[62]。袁棟等基于表皮單元自遮擋的原理，通過四邊形單元的角點(diǎn)變形控制表皮形態(tài)，進(jìn)行冬夏日照輻射得熱量的多目標(biāo)優(yōu)化[63]。Narangerel等基于正交網(wǎng)格將立面分割為等大的正方形單元，為立面單元設(shè)計(jì)參數(shù)化模型，使其可以凹凸變化，并在上面加裝太陽能光伏板。以熱負(fù)荷、發(fā)電量、采光性能為目標(biāo)對立面構(gòu)件進(jìn)行多目標(biāo)優(yōu)化(圖12)[64]。

在單元組成整體方面Nogueira等運(yùn)用形狀語法生成方形瓷磚鑲嵌紋樣[65]。Engel研究更大的單元尺度，窗洞單元包括陽臺、落地窗等，每個(gè)單元為一層樓高；基于正交網(wǎng)格，根據(jù)已有的幾種立面單元生成立面，有三種模式可供選擇：完全隨機(jī)生成、有過濾的隨機(jī)生成、根據(jù)樣式的生成(圖13)[66]。

立面模式的研究中，涉及的立面系統(tǒng)較為概念化和整體化，通常采用參數(shù)化模型描述進(jìn)行優(yōu)化。Wageh等建立了五種立面遮陽構(gòu)件的參數(shù)化模型，其形式為簡單的條紋或網(wǎng)格。他們基于采光、眩光和視野性能對其進(jìn)行優(yōu)化[67]。Gadelhak等運(yùn)用多目標(biāo)優(yōu)化，以能耗、采光、熱舒適、視野和眩光、可再生能源為目標(biāo)，對參數(shù)化的立面進(jìn)行優(yōu)化[68]。Belém等設(shè)計(jì)了一種參數(shù)化外墻表皮模式，可以調(diào)節(jié)孔洞的數(shù)量和大小來調(diào)整采光情況[69]；他們以最大空間有效日光照明為目標(biāo)，用多種黑盒優(yōu)化算法來生成表皮，并比較各種算法的性能。Bomfim等的研究則更加概念化，以最大的太陽輻射為目標(biāo)進(jìn)行立面優(yōu)化，通過改變其各處的凹凸?fàn)顟B(tài)，使得立面上的太陽能光伏板盡可能多地收集電量[70]。Stein的研究從視覺角度出發(fā)，以建筑立面圖像為案例，運(yùn)用立面句法，基于正交網(wǎng)格生成二維立面圖案[71]。

2.3.2開 窗

開窗指的是外表面上洞口的布置方案，作為自然光和空氣的接收途徑，與使用者的體驗(yàn)息息相關(guān)。與立面所關(guān)注的整體性和統(tǒng)一性不同，開窗關(guān)注的是窗洞的位置和大小。De Luca等以日照和能耗為目標(biāo)對大學(xué)會堂的開窗進(jìn)行優(yōu)化，考慮了窗的位置、面積、朝向等因素[72]。李煜等根據(jù)運(yùn)動員和觀眾所需的光舒適性能，對體育建筑天窗的參數(shù)化模型進(jìn)行優(yōu)化(圖14)[73]。丁煒豪等主要關(guān)注窗洞的大小，根據(jù)光環(huán)境和熱環(huán)境，對地下交通樞紐中庭天窗的參數(shù)化模型進(jìn)行優(yōu)化，使得各處孔洞的大小不再均勻分布，而是根據(jù)優(yōu)化結(jié)果進(jìn)行調(diào)整[74]。

2.3.3屋 頂

屋頂這一概念在相關(guān)研究中較為模糊，因?yàn)槠渖婕耙蛩剌^多，且難以界定。一般平屋頂?shù)慕ㄖ⒉恍枰柚斯ぶ悄軄砩晌蓓?，而對于更為?fù)雜的建筑，有時(shí)屋頂和立面之間的邊界并不清晰。不過屋頂有著極具特征的要素，即屋頂結(jié)構(gòu)和天窗采光，這使得它值得被單獨(dú)研究。前文提到的中庭天窗優(yōu)化，在某種意義上即可以歸為屋頂相關(guān)的研究。而關(guān)于結(jié)構(gòu)方面，Gerber等設(shè)計(jì)了一種生成大跨屋頂?shù)囊?guī)則。該方法通過對初始位置、輪廓等參數(shù)的優(yōu)化，使屋頂能夠獲得更好的受力和遮陽性能[75]。

2.4 設(shè)計(jì)分析

2.4.1設(shè)計(jì)評價(jià)

在建筑設(shè)計(jì)中，人工智能除了在生成方面的重要作用，還能協(xié)助進(jìn)行各類分析，其中評價(jià)是一個(gè)重要方面。評價(jià)指標(biāo)包括傳統(tǒng)的建筑物理指標(biāo)，以及人為構(gòu)建的一系列指標(biāo)，如空間性能等，人工智能在兩類指標(biāo)中的應(yīng)用都受到了重視。

在建筑物理性能方面，人工智能技術(shù)為建筑綠色性能智能優(yōu)化設(shè)計(jì)提供了更有利的技術(shù)和平臺支撐[76]。Sebestyen等運(yùn)用機(jī)器學(xué)習(xí)，根據(jù)外墻的開洞情況預(yù)測房間的日照時(shí)間和輻射值[77]。Singh等在設(shè)計(jì)早期階段，運(yùn)用機(jī)器學(xué)習(xí)，先預(yù)測通過墻壁、窗戶、屋頂、底層地面等建筑組件的熱流，然后推算建筑的能源需求，包括供暖、制冷、照明等需求，最后計(jì)算建筑一年的總能耗[78]。

在建筑空間性能方面，Takizawa運(yùn)用聚類算法，以大阪梅田地鐵站地下商業(yè)街一處布滿柱網(wǎng)的通行空間為例，預(yù)測空間中人們可能停留并發(fā)生活動的區(qū)域，并生成分析圖[79]。Tarabishy等對平面的空間連接性和視覺連接性進(jìn)行評估。針對這兩個(gè)指標(biāo)，可以通過解析方法得出分析圖，而研究者運(yùn)用全卷積網(wǎng)絡(luò)，學(xué)習(xí)并生成同樣的分析圖，比較兩者的差異(圖15)[80]。

需要指出的是，這里所列舉的評價(jià)研究僅包括純粹進(jìn)行針對指標(biāo)評價(jià)的研究，而前文的生成研究中，也有一些方法包含了人工智能評價(jià)的部分，但評價(jià)指標(biāo)往往局限于特定方法。未來研究需要具有通用性的指標(biāo)，在各類生成方法中能夠被頻繁應(yīng)用，最終形成統(tǒng)一標(biāo)準(zhǔn)。

2.4.2圖紙識別

建筑設(shè)計(jì)圖紙的識別也是應(yīng)用人工智能技術(shù)的一個(gè)重要領(lǐng)域。現(xiàn)有的很多建筑案例都可以作為人工智能生成的學(xué)習(xí)樣本，但這些案例信息的錄入是亟待解決的難題。圖紙識別技術(shù)自動將建筑圖紙上的信息提取并存儲，能夠大大加快相關(guān)研究的進(jìn)程。

Brown等運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)，在平面圖中識別并標(biāo)出房間[81]。Huang等運(yùn)用生成對抗網(wǎng)絡(luò)識別住宅平面圖，用色塊標(biāo)記，還可以反向生成平面圖[82]。Uzun 等運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)，從圖集中識別出建筑圖紙，分類為平面圖和剖面圖，可以達(dá)到80%的準(zhǔn)確率，但是對于高精度的算法預(yù)測，必須根據(jù)數(shù)據(jù)集的樣本分辨率、樣本大小與樣本一致性對圖像進(jìn)行排序[83]。圖紙識別技術(shù)不僅是研究生成方法的工具，其本質(zhì)是將位圖信息轉(zhuǎn)換為矢量圖信息，因而還能用作草圖識別，或是幫助解決繪圖軟件之間的兼容問題。

在建筑規(guī)范智能審查方面，清華大學(xué)張荷花等研發(fā)了BIM模型智能審查工具BIM Checker，通過自然語言處理將復(fù)雜建筑規(guī)范進(jìn)行結(jié)構(gòu)化描述，將BIM模型轉(zhuǎn)換為語義模型進(jìn)行查詢和推理，實(shí)現(xiàn)基于知識圖譜的智能檢查方法[84-85]。

3 分析和討論

根據(jù)對上述73篇文獻(xiàn)的統(tǒng)計(jì)和分析，得出了以下結(jié)論：針對建筑設(shè)計(jì)領(lǐng)域的人工智能技術(shù)研究，在近5年間數(shù)量逐年提升(圖16)。其中2020年發(fā)表的論文數(shù)量占總體的35%，較上一年增長了67%。

從關(guān)鍵詞來看，出現(xiàn)次數(shù)較多的都是與技術(shù)相關(guān)的詞，而與主題相關(guān)的詞出現(xiàn)得則較為分散，并沒有相對熱門的單一研究主題(圖17)。最為熱門的關(guān)鍵詞是“生成式設(shè)計(jì)”，22%的研究都出現(xiàn)了該關(guān)鍵詞。

在各類主題中，最為熱門的是平面布局，占總量的42%；其次是形體，占總量的26%(圖18)。在列出的10個(gè)子主題中，平面布局中平面圖是最為熱門的子主題，占平面布局相關(guān)研究的84%，占總量的36%。排名前4的子主題是平面布局中平面圖、形體中單元堆積、外表面中立面、形體中參數(shù)控制，占所有研究的75%。

在各項(xiàng)人工智能技術(shù)中，出現(xiàn)頻率最高的是優(yōu)化算法，在41%的研究中出現(xiàn)過；其次是神經(jīng)網(wǎng)絡(luò)，在22%的研究中出現(xiàn)(圖19)。須要注意的是，不同的技術(shù)可能在同一項(xiàng)研究中被使用。此外，有11篇論文所使用的技術(shù)難以歸類，未被統(tǒng)計(jì)到此圖表。

在各類主題中，平面布局和形體相關(guān)研究的數(shù)量基本處于每年的第1和第2，且逐年穩(wěn)步增長(圖20)?？梢钥吹剑黝愔黝}都逐漸受到研究者的關(guān)注，各主題的相關(guān)研究數(shù)量基本上都在2020年達(dá)到峰值。

涉及建筑物理性能的研究在外表面和形體這兩個(gè)研究主題中占比最多，分別為79%和58%；而在平面布局相關(guān)研究中占比最少，僅為10%(圖21)。這可能是因?yàn)樾误w和外表面這兩個(gè)主題經(jīng)常涉及到建筑外部環(huán)境，對建筑物理性能的影響較大；而平面布局主要是研究建筑內(nèi)部空間組織，與建筑物理性能關(guān)聯(lián)性較弱，但也有例外，如建筑組團(tuán)的平面布局對室內(nèi)采光有影響。未來研究中，尋找除物理性能外的通用評價(jià)標(biāo)準(zhǔn)，也是重要的研究方向之一。

優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)基本上是每年應(yīng)用最多的熱門技術(shù)，其相關(guān)研究數(shù)量呈現(xiàn)增長趨勢(圖22)。形狀語法作為一項(xiàng)提出較早的技術(shù)，在近年也有著一些研究熱度。各項(xiàng)技術(shù)的相關(guān)研究數(shù)量都在2020年達(dá)到最大值。

從技術(shù)和主題的綜合分析來看，平面布局是應(yīng)用人工智能技術(shù)最豐富的主題(圖23)。優(yōu)化算法在大多數(shù)主題中都有突出表現(xiàn)，其中在形體相關(guān)研究中出現(xiàn)得最多，這可能是由于形體研究中參數(shù)化模型和優(yōu)化算法這一工作流的廣泛使用，而這也導(dǎo)致形體主題中大部分研究都采用了優(yōu)化算法。神經(jīng)網(wǎng)絡(luò)在形體、平面布局、設(shè)計(jì)分析這三個(gè)主題中的出現(xiàn)次數(shù)較為均衡，體現(xiàn)了這一技術(shù)的泛用性，但其未在外表面相關(guān)研究中出現(xiàn)，可能是由于外表面的研究思路較為單一和傳統(tǒng)，未能有效地融合這一較新的技術(shù)。形狀語法僅在平面布局和外表面這兩個(gè)主題中出現(xiàn)，可能是因?yàn)樵摷夹g(shù)主要解決的是二維平面上的問題。

4 結(jié)束語

從人工智能技術(shù)和設(shè)計(jì)任務(wù)的角度進(jìn)行分類和分析，總結(jié)了在建筑形體、布局、外表面和設(shè)計(jì)應(yīng)用等方面的研究前沿和熱點(diǎn)。主要得到以下結(jié)論：

1)建筑設(shè)計(jì)的數(shù)字化為人工智能技術(shù)的應(yīng)用提供了基礎(chǔ)，建筑設(shè)計(jì)領(lǐng)域中應(yīng)用人工智能技術(shù)的研究呈現(xiàn)增長趨勢，2020年發(fā)表文章數(shù)量增長了67%。

2)在不同設(shè)計(jì)任務(wù)中，人工智能技術(shù)的應(yīng)用研究逐年增多，其中，平面布局和形體是研究數(shù)量最多的設(shè)計(jì)任務(wù)，分別占比42%和26%。

3)人工智能的新技術(shù)和傳統(tǒng)技術(shù)都能夠被廣泛應(yīng)用于各類主題的研究中，解決不同尺度和層級的設(shè)計(jì)問題，輔助設(shè)計(jì)并提高工作效率，啟發(fā)設(shè)計(jì)思路。其中，優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)是應(yīng)用最多的人工智能技術(shù)，分別占41%和22%。從評價(jià)指標(biāo)來看，建筑物理性能是最常用的公認(rèn)的客觀評價(jià)指標(biāo)。對于其他方面的性能評價(jià)，例如空間效率、私密性、視野等，還沒有明確的公認(rèn)的量化評價(jià)指標(biāo)。

目前大部分研究尚未達(dá)到能夠?qū)嶋H應(yīng)用的程度，或是只能在單一項(xiàng)目上使用而無法推廣，這與建筑領(lǐng)域問題的定義不夠清晰、人工智能算法的能力范圍有限、數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)構(gòu)化程度不高等因素有關(guān)，這三方面的提升也是未來重要的研究方向。首先，在問題定義方面，建筑設(shè)計(jì)建造領(lǐng)域問題十分復(fù)雜、開放、難于界定，涉及的項(xiàng)目內(nèi)容維度眾多，鏈條龐大，因此形成分散、各自為政的研究情況，沒有形成統(tǒng)一的理論體系，這對人工智能技術(shù)的應(yīng)用形成了阻礙。人工智能算法能夠針對定義明確的具體問題給出高效的解決方案，例如在醫(yī)療、安防等領(lǐng)域，人工智能主要解決圖像識別等具體問題，應(yīng)用較為廣泛。而在建筑領(lǐng)域，問題的定義還不夠明確，以平面布局生成為例，如何判斷不同平面的好壞和合理性、用統(tǒng)一的數(shù)據(jù)結(jié)構(gòu)描述平面布局，都沒有標(biāo)準(zhǔn)的做法和定義。因此，為增強(qiáng)建筑領(lǐng)域的人工智能技術(shù)應(yīng)用，設(shè)計(jì)目標(biāo)和建筑模型描述等問題都需要進(jìn)一步的研究。其次，在算法能力方面，人工智能算法往往針對特定類型的問題，例如監(jiān)督學(xué)習(xí)中的回歸、分類問題，而建筑設(shè)計(jì)中的問題不完全能轉(zhuǎn)化為這類任務(wù)，因此針對設(shè)計(jì)任務(wù)中的特定問題，在明確定義的基礎(chǔ)上，新模型和新算法的開發(fā)是未來研究的重要方向之一。此外，在數(shù)據(jù)方面，建筑數(shù)據(jù)的標(biāo)準(zhǔn)化和結(jié)構(gòu)化是亟待解決的問題，一方面，人工智能算法需要結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析和學(xué)習(xí)，另一方面，建筑形體特征、平面布局等仍沒有統(tǒng)一的結(jié)構(gòu)化的幾何描述方式和數(shù)據(jù)結(jié)構(gòu)。各個(gè)研究者使用的軟件工具平臺不盡相同，相互間的對接和兼容也是一大問題，這需要建筑信息模型(BIM)等更大型系統(tǒng)的支持。統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)是面向未來智能化、數(shù)據(jù)化建筑設(shè)計(jì)發(fā)展的基礎(chǔ)，也是未來一個(gè)重要的研究方向。

綜上所述，標(biāo)準(zhǔn)性和通用性是目前建筑設(shè)計(jì)領(lǐng)域人工智能技術(shù)發(fā)展面臨的重要挑戰(zhàn)，如何解決它們也是今后研究者的重點(diǎn)之一。