AI dringt door in architectuur en design

AI nestelt zich steeds meer in ons dagelijks leven en dringt ook langzaam door tot de complexe en creatieve gebieden van architectuur en design. Niet altijd even succesvol. Want hoewel de huidige taalgebaseerde AI-applicaties indrukwekkend zijn heeft AI moeite met het begrijpen van bijvoorbeeld ruimte. Toch een fundamenteel aspect van architectuur. Fatemeh Mostafavi en Casper van Engelenburg, twee promovendi aan de TU Delft, werken aan het integreren van architectonische kennis in het hart van AI-systemen. Onder meer om AI in te kunnen zetten bij het zoeken of genereren van bouwplattegronden.

Dat AI moeite heeft met het ‘begrijpen’ van ruimte blijkt onder meer uit het feit dat AI-gegenereerde plattegronden vaak losstaande kamers vertonen. Of ze negeren de omgeving en context van het gebouw. Ook missen beeldanalyses van architectuurtekeningen belangrijke details en elementen of interpreteren zij ruimtelijke relaties op een verkeerde manier. Daaronder rust nog een ongemakkelijk besef: de aanzienlijke milieubelasting die het gebruik van dergelijke modellen met zich meebrengt.

De vraag die twee promovendi aan de TU Delft – Fatemeh Mostafavi en Casper van Engelenburg – zichzelf dus stelden luidde: hoe kunnen we AI-systemen ontwikkelen die ruimte fundamenteler begrijpen, minder vatbaar zijn voor hallucinaties, en tegelijkertijd minder energie verbruiken?

Slimmere modellen en betere data

Om deze vraag te beantwoorden werken de twee wetenschappers, aan het integreren van architectonische kennis in het hart van AI-systemen. In plaats van simpelweg enorme AI-modellen te trainen op alle mogelijke data, trainen ze kleinere modellen op hoogwaardige architecturale data. Dit komt de prestaties ten goede, maakt een hogere mate van transparantie mogelijk en is energiezuiniger.

Eén factor tot succes zijn hoogwaardige architecturale data. “We ontdekten een enorme kloof tussen de diversiteit aan plattegronden in huidige datasets en wat er in de echte wereld te vinden is. Daarom ontwikkelden we, samen met een groep uit Zwitserland, de eerste grootschalige plattegrond-dataset van voldoende complexiteit. Het heet Modified Swiss Dwellings en is volledig open-source en klaar voor gebruik.”

Plattegronden genereren of vinden

De meeste projecten voor het automatisch genereren van plattegronden richten zich op de organisatie van de lay-out, terwijl architecten weten dat de context een cruciale rol speelt in de kwaliteit van de ruimte. Mostafavi ontwikkelt AI-modellen en evaluatiestrategieën die niet alleen rekening houden met de omgeving, maar ook met duurzaamheidsmaatregelen zoals de energieprestaties van het gebouw en zelfs met het thermische, visuele en akoestische comfort van de bewoners. “Ik heb onlangs een AI-model getraind op de oriëntatie die de indeling moet hebben; dit is een belangrijk kenmerk om rekening mee te houden bij het ontwerpen van gebouwen.”

Van Engelenburg onderzoekt wat nodig is om betere zoekmachines voor architecten te ontwikkelen. “De meeste visuele zoekmachines met AI-modellen, zoals Google Lens en Pinterest, matchen plattegronden op uiterlijk: vergelijkbare tekenstijlen, kleurenpaletten, etc. Ze missen de onderliggende ruimtelijke structuur waar architecten meer interesse voor hebben.” Hij stelt voor om plattegronden te representeren in termen van deze structuur. Door AI-modellen te trainen op zulke representaties, laat hij zien dat ruimtelijke gelijkenis effectiever, sneller en zonder enorme AI-modellen geleerd kan worden – een stap richting slimmere, architectonisch bewuste zoekmachines met een kleinere voetafdruk.

De toekomst

Voor een betekenisvolle toekomst van architectuur in een AI-gedreven wereld moeten we machines leren om ruimte te begrijpen en te synthetiseren zoals architecten dat doen. Hoe deze AI-systemen eruit zullen zien – en hoe we ermee om zullen gaan – is op dit moment nog onbekend, maar het werk van Fatemeh en Casper geeft een kleine indruk van onze potentiële nabije toekomst.