Nachricht

Mar 03, 2024

Übermäßige Auflösung: Künstliche Intelligenz und maschinelles Lernen im Architekturdesign

Lineare sechseckige Stränge definieren eine Reihe dicker volumetrischer Schichten in Hextrata, entworfen von Gilles Retsin Architecture für eine Erweiterung des Wiener Kunstmuseums. Bild mit freundlicher Genehmigung von Gilles Retsin Architecture

Lineare sechseckige Stränge definieren eine Reihe dicker volumetrischer Schichten in Hextrata, entworfen von Gilles Retsin Architecture für eine Erweiterung des Wiener Kunstmuseums.

Bild mit freundlicher Genehmigung von Gilles Retsin Architecture

WanderYards, entworfen von Daniel Koehler und Bartlett UCL-Studenten, zeigt, wie Verschiebungen der kombinatorischen Granularität Vielfalt durch Wiederholung einfacher Raumbeispiele ermöglichen.

Bild mit freundlicher Genehmigung von Daniel Koehler, Bartlett UCL

VoxelChair v1.0, entworfen von Manuel Jiménez Garcia und Gilles Retsin vom Bartlett UCL Design Computation Lab, ist ein Prototyp eines Stuhls, der eine neue Designsoftware für den robotergestützten 3D-Druck verwendet.

Bild mit freundlicher Genehmigung von Manuel Jiménez Garcia, Bartlett UCL

Designer nutzen seit fast einer Generation computergestützte Werkzeuge für Design und Fertigung. Im Laufe der letzten 30 Jahre haben wir gelernt, dass Computer uns dabei helfen können, neue Formen von beispielloser Komplexität zu zeichnen und zu bauen, und wir haben auch entdeckt, dass wir mithilfe von CAD-CAM-Technologien Variationen ohne zusätzliche Kosten in Massenproduktion herstellen können: Das ist bereits der Fall Geschichte – die Geschichte der ersten digitalen Wende in der Architektur. Heutzutage können immer leistungsfähigere Rechenwerkzeuge jedoch weit mehr als das. Seltsamerweise scheinen Computer inzwischen in der Lage zu sein, einige Designprobleme selbst zu lösen – manchmal Probleme, die wir auf andere Weise nicht lösen könnten. Vor zwanzig Jahren dachten wir, Computer seien Maschinen zur Herstellung von Dingen; Heute erfahren wir, dass sie als Denkmaschinen noch unverzichtbarer sind. Das ist einer der Gründe, warum viele, darunter auch viele Designprofis, mittlerweile so begeistert von Künstlicher Intelligenz (KI) sind. Der Begriff selbst ist jedoch alles andere als neu: Er war bereits in den 1950er und 1960er Jahren populär, als Informatiker dachten, dass künstliche Intelligenz die Logik des menschlichen Geistes nachahmen sollte – dass Computer genauso „denken“ sollten wie wir . Heutzutage wird im Gegenteil immer deutlicher, dass Computer einige bisher undurchdringliche Problemkategorien gerade deshalb lösen können, weil sie ihrer eigenen, ganz besonderen Logik folgen: einer Logik, die sich von der unseren unterscheidet. Und es scheint bereits, dass diese neue, posthumane (oder einfach nichtmenschliche) Logik unsere in vielen Fällen bei weitem übertrifft.

Der Hauptunterschied zwischen unserer Denkweise und der Art und Weise, wie Computer Probleme lösen, besteht darin, dass unser eigenes Gehirn nie auf Big Data eingestellt war. Wenn wir mit zu vielen Fakten und Zahlen zu tun haben, müssen wir zwangsläufig einige weglassen – oder sie in kürzere Notationen komprimieren, mit denen wir leichter arbeiten können. Der Großteil der klassischen Wissenschaft war ein Mittel zu diesem Zweck. Geometrie und Mathematik – insbesondere Analysis – sind erstaunliche Datenkomprimierungstechnologien. Sie ermöglichen es uns, zu viele Details zu vergessen, an die wir uns ohnehin nie erinnern könnten, sodass wir uns auf das Wesentliche konzentrieren können. Sortieren ist ein weiterer Trick unseres Handwerks. Da wir niemals einen Namen in einer zufälligen Liste von 1 Million finden könnten, investieren wir viel Arbeit in die Sortierung dieser Liste, bevor wir sie verwenden: Wenn die Namen beispielsweise alphabetisch geordnet sind, wie in einem Telefonbuch, können wir direkt zielen Wir können den gesuchten Namen finden, ohne alle Namen in der Liste lesen zu müssen, was ewig dauern würde. Doch genau das tun Computer: Da sie jede große Folge von Buchstaben und Zahlen in kürzester Zeit scannen können, müssen sie nichts in einer bestimmten Reihenfolge sortieren. Nehmen Sie die alphabetische Sortierung als Metapher für unsere Denkweise im Allgemeinen: Wir legen Dinge an bestimmte Orte, damit wir wissen, wo sie sind, wenn wir sie brauchen; Wir sortieren auch Dinge und Ideen, um der Welt einen Sinn zu geben. Aber Computer brauchen das alles nicht: Im Gegensatz zu uns können sie suchen, ohne zu sortieren. Computer sind auch nicht dazu da, den Sinn des Lebens zu erforschen.

Genauso wie wir mit einer zufälligen Liste von einer Million Namen nicht so einfach umgehen könnten, wenn wir nach einem bestimmten Namen suchen, könnten wir nicht einfach mit einem zufälligen Haufen von einer Million verschiedener Ziegelsteine ​​arbeiten, wenn wir sie zum Bau eines Hauses brauchen. Auch in diesem Fall treibt uns unsere natürliche Abneigung gegen Big Data (oder gegen Daten, die zu groß sind, um sie zu verwalten) zu einigen drastischen Vereinfachungen. Zuerst standardisieren wir die Steine, sodass wir davon ausgehen können, dass sie alle gleich sind. Dann legen wir sie in regelmäßigen Reihen und ordnen alle Reihen in einfachen geometrischen Figuren an – meist Rechtecke oder Kreise, die in Grundrissen, Aufrissen und Schnitten gezeichnet sind. So können wir die physische Form und die Materialeigenschaften jedes einzelnen Ziegels vergessen und ganze Gebäude entwerfen, indem wir einfachere und klarere Umrisse aus größeren und vermeintlich einheitlichen Flächen und Volumina erstellen. Ein einzelner Handwerker, der keinen Bauplan befolgen und keine Rechenschaft ablegen musste, konnte mit jedem Ziegelstein (oder Stein oder Holzbalken) spontan und nach Lust und Laune umgehen und dabei seinem Talent, seiner Intuition oder Inspiration folgen – das ist die Vorgehensweise vieler vormoderner Menschen Strukturen wurden gebaut. Aber kein moderner Ingenieur oder Bauunternehmer käme auf die Idee, jeden Stein einzeln zu notieren, denn das würde ewig dauern und die Bauunterlagen wären so umfangreich wie die gedruckte Encyclopaedia Britannica. Und doch ist es wieder einmal das, was Computer tun. Heute können wir jeden einzelnen Ziegel oder Block eines Gebäudes notieren, berechnen und herstellen – einen nach dem anderen, bis auf das kleinste Teilchen. Wenn die Partikel klein sind, können sie vor Ort in 3D gedruckt werden. Wenn sie größer sind, können sie von Roboterarmen zusammengebaut werden. Dieser Vorgang ist genau derselbe und nimmt die gleiche Zeit in Anspruch, unabhängig von der Regelmäßigkeit der Komponenten, ihrer Anzahl, Größe und Anordnung. Berechnungen in dieser Größenordnung kosten heute bereits sehr wenig – und sie werden immer weniger kosten.

Die Vorteile des Verfahrens liegen auf der Hand. Die Mikroplanung jedes winzigen Gebäudeteils im kleinsten verfügbaren Maßstab kann eine Menge Baumaterial, Energie, Arbeit und Geld einsparen und Gebäude liefern, die den Spezifikationen besser entsprechen. Es überrascht nicht, dass auf diese Weise entworfene und gebaute Gebäude auch etwas ungewöhnlich aussehen können. Und das zu Recht, denn der erstaunliche Grad an Entschlossenheit, den sie zeigen, ist die äußere und sichtbare Form einer inneren, unsichtbaren Logik, die nicht mehr die Logik unseres Geistes ist. Vielleicht könnten menschliche Arbeiter immer noch auf diese Weise arbeiten – vorausgesetzt, sie hätten unbegrenzt Zeit und Geld. Aber kein menschlicher Geist könnte so denken, weil kein menschlicher Geist so viele Informationen aufnehmen und verarbeiten könnte. Jeder hat seine Aufgabe: Überlassen wir den Maschinen, was wir nicht können, und behalten wir, was Maschinen nicht können, und das ist genug.

Maschinen suchen – Big Data ist für sie. Wir sortieren: Daten zu komprimieren (dabei einige zu verlieren oder zu ignorieren) ist für uns. Mit Vergleich, Auswahl, Formalisierung, Verallgemeinerung und Abstraktion gehen Auswahl, Bedeutung, Wert und Ideologie einher, aber auch Argumentation und Dialog. Unabhängig von etwaigen metaphysischen Implikationen kann kein maschinelles Lernsystem alle Parameter eines Designprozesses gleichzeitig optimieren; Diese Wahl liegt immer noch beim Designer. Ängste vor der Konkurrenz durch künstliche Intelligenz können heute ebenso irreführend sein wie vor 100 Jahren die Angst vor der Konkurrenz durch die industrielle Massenproduktion. Aber genauso wie die Herausforderung des Industriedesigns im 20. Jahrhundert darin bestand, mit der mechanischen Art der Herstellung zurechtzukommen, wird die Herausforderung des postindustriellen Designs im 21. Jahrhundert darin bestehen, mit der Denkweise des Computers klarzukommen, denn die heutigen Denkmaschinen widersetzen sich und widersprechen die organische Logik des menschlichen Geistes, genauso wie die mechanischen Maschinen der industriellen Revolution sich der organischen Logik des menschlichen Körpers widersetzten und ihr widersprachen.

Zurück in die Zukunft der Praxis

Mario Carpo ist der Autor von „The Second Digital Turn: Design Beyond Intelligence“ und anderen Büchern. Er ist Reyner-Banham-Professor für Architekturgeschichte und -theorie am Bartlett, University College London.