![[提问]VR 来了，设计湿们还要学编程吗？](/skin/img/logo.png){kind=logo}
[提问]VR 来了，设计湿们还要学编程吗？
昨天，80建筑公众号发了一篇深度讲建筑和编程的帖子，摘录如下：
技术的进步终将导致体力劳动的解放（也就是体力劳动者——画图匠的消亡）
经过浅显的研究Alphgo的运算逻辑，我们发现逻辑简化一半的alphgo足以辅助建筑师做出大部分的设计,
未来5年可能会出现一种程序，我们称之为Alpharch,能够深度学习，从而解决方案阶段的大部分问题。
诚然建筑学是极端滞后的学科，享受着夕阳的余晖，还深陷在画图匠与BIM效率的战争中（就像是当年手绘与cad，喷绘与效果图的斗争）
但是稍有远见的人都相信，软件会不断进步直至能够适应国内设计的需要，然后淘汰掉不适应的人。但是如果在想深远一些，设计过程中大量性的，重复性的劳动也必将被取代，这并不是涌现推崇自我生成，而是基于效率最大化的客观判断。
Alpharch运作逻辑如下：
Alpharch是通过两个基于不同逻辑的“大脑”合作来改进设计。这些大脑是多层神经网络跟设计院的设计流程在结构上是相似的。它们从多层启发式二维分析器开始，去处理设计，就像设计院处理项目一样。经过过滤，多个完全连接的神经网络层产生对它们看到的局面进行评估（就像是设计总监评定方案），这些层能够做分类和逻辑推理。
（上图改自google deepmind）
这些网络通过大量的专家的反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以我们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。
第一大脑：条件生成器（Limites Builder）
1 将设计条件抽象成数学问题
2 特征提取及条件赋值
通过观察设计布局企图找到最佳的布局特征。事实上，它预测在限制条件下的每一种可能，你可以理解成条件分析器，负责应对在既有条件下的强制性分析。在这些不同层级赋值不同的情况下，生成多个可能的解法。
3 设计的算法问题
由于设计院的惯常套路是可以确定的，所以模拟设计院本身的选择可以推出一个惯常解，这不是最优解，而是合理解，所有的赋值是基准。
4 细化模型选择
我们需要了解，设计的总体设计与局部处理的联系的紧密型，
所以每一步的细化设计只关注上一层的局部区域，这样能充分利用输入数据的二维结构和局部特性，减少运算参数，同时在某方面更接近设计院的操作流程。
（上图改自google deepmind）
条件生成器是怎么设计的？
团队通过在分析设计团队的布局可能去训练这个大脑。这就是Alpharch最像人的地方，目标是去学习那些顶尖设计团队的布局。这个不是为了去得出最优解，而是去找一个跟设计团队同样的类似布局。Alpharch的条件分析器，能完全满足设计的硬性条件，同时能相当贴合设计团队的惯常手法。（不贴合的不是意味着错误，有可能设计团队自己做的选择）
第二大脑：价值评估器 （Value Evaluator）
这需要我们理解一个概念：
活动的平面布局（二维图像不断变化）三维实体化这种空间变化的赋值评估 与 网格落子的先后变化的赋值评估 在数学意义上的相似性
通过整体局面判断来辅助条件分析器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的设计布局的“好”与“坏”，Alpharch能够决定是否通过这个设计方向去深入研究。如果价值评估器说这个设计方向不行，那么AI就跳过在这一条方向上的任何更多设计。
（上图改自google deepmind）
价值评估器是怎么看这个棋盘的。 深蓝色建筑物价值的最优解及对应高度。
价值评估器也通过既有实例做训练。复制两个Alpharch的最强价值选择器，精心挑选随机样本创造了这些局面。在生成的两个选项中，借助专家评定中标方案，取得信息。这里AI 条件生成器可以高效创建大规模的方案供不同的专家评定，通过这个数据集去调整局面评估器是非常有价值的。这种快速的条件生成器让专家去判断布局的很多可能，也能从任意给定基地去猜测该方案大致的中标概率。
蒙特卡洛树搜索算法
让Alpharch装上MCTS系统的模块，这种框架让设计者去嵌入不同的功能去评估变种。最后马力全开的Alpharch系统按如下方式使用了所有这些大脑。
1、从当前的条件，做出设计的可能性。他们用基础的条件生成器。它集中在“明显最好”的布局而不是创造很多，也不是再去选择也许存在显著不利的布局。
2、 对于每一个可能的布局，评估质量有两种方式：要么用价值评估器在布局后，要么运行更深入蒙特卡罗模拟器（滚动）去思考可能的布局，同时使用快速阅读的条件生成器去提高设计速度，最后通过专家评估，将每一个猜测取权重。Alpharch使用使用价值评估器和模拟化滚动去做平衡判断。
使用条件生成器，Alpharch可以生成不犯错的的设计，但当使用这些综合手段，理论上可以到达职业建筑师的水平。
虽然美学暂时还无法评判，但是由于国内是采取专家评审制，所以如果能建立专家赋值库，反复训练，可以计算出在满足甲方条件下基于中标概率最优选，甚至可以做出基于某几个专家，某一个甲方的选择倾向的最优解。
优势和劣势
认为Alpharch在限制条件极端复杂的条件下会非常厉害。它知道通过很多位置和类型找到设计师最好的下法，所以不会在给定小范围的条件下犯明显错误。
但是，Alpharch有个弱点在全局判断上。它的限制是基于笛卡尔，这样会给集成局部设计变成战略设计上带来麻烦，同样道理，逻辑运算器往往对包含一个东西和另一个的搞不清。比如说设计在角落上一个构筑物或者高差，将会剧烈改变另一个区域上建筑的位置估值。
事实上，我们只用完成条件分析器，就可以让75%的画图匠失业。
其实大部分80后建筑师都会马上理解这些现象的意义：
过去人们递交设计稿时是没有cad和虚拟模型的，人们借助各式针管笔来完成图纸，同时借助各种手绘和实体模型完成建筑的表达。但是cad和su出现以后，短短十几年的时间，几乎所有人都更换到这两种的工作流程上来。近期犀牛和gh也开始成为必备。
这背后的真实原因，并不是从业者愿意“主动迎接新技术”，而是因为其他人一旦率先开始使用新的工具提高效率，我们为了和他们竞争就“必须要赶上”。如今，我们正在经历一次近在咫尺的智力工作革命！
在过去的30年间，cad和su已经彻底颠覆了人们的工作方式，那些重复性的、简单工作的学习成本降得越来越低，公司越来越少雇佣全职的喷绘画家或手工绘图员，取而代之的是将效果图、多媒体、实体模型、幕墙设计等工作充分地外包，从而让公司的全职员工可以专注于设计和运营管理等最重要的工作上。
基于本文当中所提到的不可避免的趋势，我建议你从现在就开始认真地考虑如下问题：我如何将新的技术引入到我的工作环境当中，来提高我的工作效率呢？
不要杞人忧天地把技术视作你的敌人，而是要把它看作你未来的可靠帮手，重要的是你能否坐在Alpharch的头顶上驾驭它，甚至是开发它，而不要被它拽着走。在未来几年之中，你一定要在这方面行动起来，因为一旦竞争对手先完成了借助人工智能提高效率的方法，你就会成为竞争中那个被迫在后面追赶的一方。
over，看完不管你晕不晕，反正我是晕了，一些设计事务所已经开始尝试VR了，那还离我们远吗？专业的本就一堆知识要学，以后是不是要学编程啊？
![[分享]检漏井](/e/data/images/no.jpg)
