【深度好文】“拟人算法”打开AI设计之门的利器

Supers227 · 发表于 2021-3-26 16:25:38

这可能是NCFZ第一次公开地讨论关于“AI”的话题

关于建筑的“智能化设计”这个技术领域，数字冥想（NCFZ）团队已经通过过去两年的诺亚算法开发工作逐步总结出了一套自己独特的技术研发体系，这套体系可以辅助我们更简单地编写 “模拟设计师创作思维” 的算法程序，并直接生成与人的设计目标更加贴合的创作成果。而对于支撑了这项崭新技术体系的核心算法，我们称它为 “拟人算法” 。

没错，这一次我用到了 “创作” 这个词汇。在以往的论述里，我习惯更加严谨地回避提到 “计算机创作” 这种字眼，因为这样容易让读者误解人工智能技术已经在设计领域发展得高度成熟了。但这一次，比起日前经常被提及的 “生成算法” ，“拟人算法” 的复杂程度已经远远超过了我们以往所理解的参数化生成算法的平均水平。所以，前文用到 “创作” 一词，我觉得更为贴切。

登录/注册后可看大图

画板 1 拷贝 4ff.jpg (538.1 KB, 下载次数: 34)

下载附件保存到相册

2021-3-26 15:09 上传

为了排除不必要的误解，我列举两个更清晰的描述：

1、“拟人算法” 几乎近80%地复刻了设计师在面对指定设计问题时，调动人脑创作过程中所经历的“分析、归纳、推演、判断、比对、评估、修正”等基本逻辑流程。整个运算过程更像是让人去设计过程的翻版。也可以理解为，它复制了人的在某一项固定命题上的创作过程。进而在高度复刻的程度下，用 “拟人算法” 的模拟的设计成果甚至会产生独立的“设计风格”。

2、应用 “拟人算法” 所直接生成的绝大多数方案结果均难以判断是“人”还是“机器”的设计成果。而且重点是在这个过程中，不是让算法生成海量方案再做比选，而是直接像人一样点对点的，线性地逐步将方案推敲生成。如果我们不统计个别底层基础运算bug的干扰，“拟人”算法生成成果的良品率可以近似90%。

有人说，以上的描述看上去更像是参数化设计思想中的 “将设计过程程序化” 的底层思维，我说一点没错，只是今天的数字冥想（诺亚开发）团队已经将这项技术的研发思维打通到了可以直接应用于实战的深度。所以今天在这里聊AI，我们抛开那些众人熟知的算法逻辑不谈，单纯借诺亚的研发经验谈谈 —— 国人的AI智能化设计应用解题之路。

从“青衫版”的开源数据中获得的启示

2020年4月15日，诺亚青衫版首次开源内测，所有算法模块全部在Grasshopper上公开内部算法。短短一个月时间“诺亚”的IP超过了“NCF”和“NCFZ”两个平台网站的知名度，在行业内引起了广泛的共振。可是，青衫版是内测版，几乎除了Grasshopper成手以外，更多的建筑师很难真正地感受到它的技术价值，甚至在不成熟的界面编辑器下，青衫版几乎无法参与设计实战。可即便如此，广大试用者们纷纷给青衫版打出了平均分9分的好评。看到这个数据的时候我也很惊讶，也深深感受到了这么高的评价并不代表是青衫版有多出色，而是象征了大家对诺亚产品的支持和鼓励。所以在此，感谢诸位“诺亚同行者”的支持和等待。接下来，也到了诺亚回馈大家的时候了!

可观的销售数量、平均分9分的好评，这些都和后来的客户端使用数据构成了鲜明的对比。在之后长达4个月的观测、交流、反馈数据告诉我们：比起开源的复杂运算过程，众人更需要的是算法能直接生成一个理想的设计结果。也就是用户只需要录入设计的要求，这套算法就可以全自动执行，并把一个好用的方案呈现出来。不需要多余的解释，不需要更多的操作。因为当我们打开诺亚的那一刻起，我们要的是“好用”的结果。也只有“好用”的运算结果，才能让我们相信这个技术是有未来的，我们才能正确地开启这个时代。于是去年9月，在反复地论证新的技术框架模式之后，NCFZ暂停了对青衫版的修正及更新，目标直指战斧版开发。希望能用战斧版直接证明这项技术的未来价值。

“这项技术是很厉害。但是……能好用吗？”

这几乎是去年所有人的疑问了。如果我们没有亲眼见过它能算出理想的结果，如果我们发现它还需要更多人为的介入才能完善，我们通常会觉得 “它是高科技，但还不好用” 。是的，诺亚也面对着同样的质疑，我们去年曾经尝试花了两个月的时间去解释怎样理解这种技术，并描述怎样通过它来高幅度地提效，甚至愿意把开发技术对外输出，去协助培养设计机构的研发人员。但现实情况告诉我们，每位建筑师都深处于行业的水深火热之中。即便是三个月的学习周期就可以让人脱胎换骨，但这对于整个行业来说已经是太高的成本了。眼看着AI大佬们纷纷解释AI还没有成熟到拿来实战的阶段，我们选择第二次闭关。既然三阶智能（人机结合）还会让行业质疑，我们就做四阶智能（拟人算法），在这段闭关的日子里，诸多的设计公司曾经联系过诺亚希望能共同开发合作，我们没能给予充分的回复，在此特别表示歉意。因为在产品没有说服力的前提下，无论技术走的多靠前，我们都需要大量的时间成本去对外解释，这显然会浪费我们双方的时间。那么什么样的产品可以用来检验技术是否过硬？“住宅强排” 自然成了众人瞩目的靶子。所以截止日前，诺亚已经完成了四阶住宅强排算法的最后闭合工作，而且这一次，我们的目标就是：

登录/注册后可看大图

让高科技好用.jpg (76.77 KB, 下载次数: 37)

下载附件保存到相册

2021-3-26 15:40 上传

录入信息

一键生成好用的方案！

智能化设计

就应该是这么简单！

登录/注册后可看大图

无尽衍生3.gif (598.37 KB, 下载次数: 34)

下载附件保存到相册

2021-3-26 15:12 上传

插图：诺亚战斧版三大智能衍生算法，辅助前期住宅强排工作，快速生成海量对比方案。该功能将于本月底在NCFZ数字设计平台（ncf.cz-studio.cn）向公众开放。届时欢迎各位业内人士关注。

GAAE的诞生和 “高尔夫球” 思想

青衫版的算法分级体系（开发级、绘图级、工作流级）逐步确认了诺亚是以模块化的算法思维在进行开发工作的，每个模块的开发任务等级和任务都有事先安排好的清晰定位。也正是这种模块层层分级打包的思维成就了目前数字冥想的核心技术“GAAE”（General Architecture Algorithm Engine）的诞生，我们称其为“通用建筑算法引擎”。在青衫版的模式里，每套逻辑算法都有固定的起点和终点，每次计算都是从数据流的起点出发，然后执行到终点形成一次完整的运算。这种模式其实很大幅度地限制了能够运算的逻辑过程，好比我们在去打高尔夫球的时候，要求我们一杆子就打进洞里，这太难了。我站在技术的角度可以很骄傲地说，青衫版的框架已经非常逼近具备一杆子进洞的能力了。但这对于诸多不同要求的工作流算法来看，依然是大幅度地增加了算法可实现的难度，并且无限地延长了研发和测试的周期。所以在去年上半年的研发计划中，我们制定了非常长远的规划和目标。可那些平心而论，确实太遥远了。

就在诺亚开发团队尝试初步搭建四阶智能算法模式的时候，GAAE诞生了（特别感谢它的创造者：我们的诺亚设计师 -- KaivnD），它的能力是可以平行运算多个青衫版算法并在相互之间建立更进一步的逻辑运算联系。就好比我们原本必须一杆进洞的算法，现在可以分解成无数杆，每一杆的任务和目标都可以不一样，每一杆打错了都可以重新来。这项技术突破的意义，我相信大家读到在这里能体会到一些吧。没错，GAAE大幅度地简化了复杂逻辑算法开发的技术难度，也将整个智能化算法开发的技术门槛降低了一个层级。至此一直拴在诺亚脚上的负重枷锁被解开了，而开发团队在青衫版开发模式中被长期磨炼的开发功力被瞬间插上了翅膀。原本诸多看似不可能的功能算法，被平行地攻克。所以别看即将上线的战斧版算法复杂程度上会比青衫版复杂数倍，但开发难度却被大幅度地降低了。

我认为如今的数字冥想，正在攻克的是世界级的算法问题，而我们已经有相当的信心可以去解开它们，找到理想的答案。如果青衫版的上线已经可以让业内相信智能化设计不是空谈，是一定会实现的未来，那么今天的战斧版应该可以让大家清晰地看到这个行业的智能化之路已经就在脚下了。

“拟人算法” -- 任何成熟的"设计思路"都可以转移成程序

如果说GAAE是让“拟人算法”得以快速实战的基石，那么成熟的 “设计思路” 就是让这些算法得以好用的核心所在。直白讲人怎么设计，算法就可以怎么写。人怎么改方案，算法就可以怎么改方案。只要我们能理清设计创作的过程，只要我们将这些过程方法转译为程序算法，基本上任何设计方案都可以被计算机秒算，甚至无限衍生。当然，在这个过程中，不是所有的设计师都能理清设计思路，有些设计思路也没有成熟到可以转换成建筑图形语言，将图形语言进一步解构成图形生成逻辑又需要参数化思维，有了图形逻辑还需要相应的编程能力将其写成程序算法。这样一个复杂的转化过程和层层的专业技术屏障导致了我们的建筑行业迟迟没有看到理想的技术应用。可事实上编程是已经普及的技术，参数化思维是可以被快速培养的，设计的需求和问题也早就总结的非常清晰，唯有建筑师的转译 “设计思路” 这个步骤是真正卡住行业进步的关键，它是我们一看到方案图纸就知道怎么改的那种直觉，是我们开始创作之初就确信用什么样的方法和过程大概率能做出来好方案的那种经验。这些都是未来会被程序化的东西，而 “拟人算法” 就是为了实现这一目标而出生的。

在此之前，诺亚一直绕开有关AI的话题，因为我们曾经一直扎根于参数化技术实践，从技术的圈层来看“AI”这个词更多被贴着“机器学习”、“模式识别”的标签，直到诺亚开发团队在近期再次系统梳理自身研发思想的时候才更加深刻地体会到：诺亚做的也是人工智能，只是技术体系比较独特而已。与借助大量数据库自下而上 “学习迭代” 的方法相比，从源头出发自上而下的 “推演模拟” 方法也是早就存在在人工智能领域的另一种方法。二者往往并存于各个智能系统之中，只是看谁更占据主导地位而已。在以往的技术交流会上，我们更多倾向于讨论 “让算法自己学会怎么做方案”，这些听起来让人惊讶兴奋。而埋没了我们也可以“直接告诉程序怎么去做设计” 这样的基础方法。举个生动的例子，每次我们讨论AI围棋的故事时，更多的人会联想到AI算法可以战胜人类围棋大师这样的历史事件，但却很少提起在日常的电子游戏中，AI已经陪我们下了数十年的围棋这样的事实。所以，AI是很平民化的技术，它即可很高端很让人敬畏，也可以很平和就乖乖地帮你画图。我在此也重新更正一个观点，诺亚也是AI，而且是平民化的AI。就因为每当我们给诺亚输入一个设计要求，“她”就会给我们输出一份无法辨认是否是人设计的方案做为参考。这个AI不会挑战国际设计大师，“她” 将成为每位建筑师的智能助理，“她” 会辅助我们更快速地实现理想的方案。

今年的战斧版一上线，估计会有更多的朋友要称诺亚是 “AI强排” 了。希望读到这里的朋友，能帮我跟更多的人解释一下，“她” 的能力是可以把任何成熟的"设计思路"都转译成程序，AI强排仅是行业的关注和需求给我们提出的一个产品命题。当然，我们也有足够的信心让这项看起来很高冷的技术变得好用，好用，再好用。

登录/注册后可看大图

无尽2.gif (1.99 MB, 下载次数: 35)

下载附件保存到相册

2021-3-26 15:13 上传

插图：诺亚战斧版三大智能衍生算法，辅助前期住宅强排工作，快速生成海量对比方案。该功能将于本月底在NCFZ数字设计平台（ncf.cz-studio.cn）向公众开放。届时欢迎各位业内人士关注。

AI与“建筑设计”之间的三道“鸿沟”

如上文所说，技术通道是健全的，但大多数设计师完全接触不到这些，甚至在交流过程中已经形成了跨行业的理解障碍。其原因是因为在AI与建筑行业之间的技术鸿沟已经超过了三道，这会导致大家即便用上了AI的产品，也会因为技术认识的屏障很难适应崭新的工作方式。举个例子，以往我们想到强排的解题思路，可能需要几个小时去把它画出来，在这个过程中，其实我们慢节奏地思考了大量的可能修改的信息，也读到了很多关于这个项目的特征信息。比如我本人还在做建筑方案时候的实际经验是：经常把做第一版设计的过程当作一个认识项目条件的过程，也就是先画一版，看看大概会有哪些问题，建立一个宏观的认识，然后第二轮针对这些问题开始修改或重做。这个时候如果给我空降一个方案会很不适应，比如别人画好的方案我就不看，更多是相信自己对问题的理解和消化。所以，如今的诺亚瞬间给出多个方案，我相信大部分的建筑师一开始都会想：“这哪里冒出来的？谁做的？” 我惊讶地发现如果同一个方案生成了20分钟会比用2分钟就把它生成出来要更能让人信服。这是因为我们还不习惯这种效率和速度的改变，还没有建立起和它互动的思维方法。如今的诺亚已经可以辅助我们实现在方案初期做大量的方案生成和比选，各种户型搭配、各种区域划分，几乎可以用原来10%的时间，推演出比传统模式更加科学合理的方案。当然也可以全自动生成比选方案，免去不必要的枯燥劳动，设计模式也可以因此提升至一种烧脑型的极具快感的工作。不同的时代、不同的工具，必然有不同的设计模式，为此数字冥想（NCFZ）会推出一系列的应用视频，相信它们一定能辅助到大家。

那有些关心技术本质的朋友会问：前文所提的 “三条鸿沟” 究竟是什么呢？下面我就来解释一下。跨越了他们，新一代的建筑师会变得非常强大。

第一道鸿沟，参数化设计思维及方法：

在日常的建模过程中，我们习惯用传统的制图工具一笔一画地绘制修改，人脑、视觉和手都已经适合了这种节奏去思考。而在参数化设计工具中，我们可以通过逻辑编写，矢量关联的方式来编写一种生成图形的算法，通过变量来快速调节。这种技术和经验会引导设计师更加重视建模的思路、设计的过程，通过设计算法程序来生成目标结果，这种思维便是参数化思维。

第二道鸿沟，“一键生成”式的意识：

在参数化技术高度成熟的前提下，参数化设计师可以编写出更加复杂的程序，这些程序算法往往是由多个运算步骤组成，最终一键生成我们想要的某一类图纸或模型。在青衫版的开源算法里，大家可以体会到看着图纸“一键生成”是一种什么样的感觉。虽然这个时候的我们，并不一定都理解它的运算原理，但通过变量对整个算法的控制，我们已经可以建立起一种对模型宏观调控的感觉。这种意识看似简单，但就像智能手机刚出现时一样，一方面使用它的人已经在意识中建立起智能应用的思维方式，另一方面没有用过智能手机的人还停留在原来维度的思维速度。

第三道鸿沟，我才称之为“智能化设计”：

有了“参数化”作为技术基础，有了“一键生成”的上层思维，这时才能更理性地认识和理解“智能化设计”的意义和价值，才能理解我们之前一直说的“一参、二适、三合、四拟、五智”的算法升级流程。我们讲的“智能化设计”是“参数化设计”从技术方法层面向着日常通用算法整理归类并形成体系化的探索实践。它的技术方法将会带来全行业的工作模式的升级，而诺亚所做的也就是先于行业发展，用产品的途径来让广大建筑师优先感受到这种工作模式即将来临。

新职业：建筑界的“算法设计师”

“算法设计师”我更愿意称其为“新一代设计师”。因为这群人会从根部修改未来的行业状态，也会是未来各大设计及相关机构的必备人才。举一个不难理解的论据，以往设计工作的优势积累往往是通过感性的成长，实战的磨练，这些会受到了个体经验的制约。同理目前设计公司的优势积累是通过项目的积累、人才的积累、体系的完善，而这些模式也都有各自的天花板。但是“算法”的积累模式是怎样的呢？第一、它是以“库”的形式积累，一旦一种智能算法编写完成，它就永远地存在了，再也不需要去做重复性的工作。第二、它是以“云”的形式共享，一个人的智慧，就可以是所有人的智慧。甚至不需要多余的沟通，一键复制、一键执行。所以说前者的模式是模糊的、原地打转的，后者的模式是线性叠加的，量级可成指数翻倍的，我们很难否认：未来的建筑师，大多数人都会借助算法来做设计创新。接下来整个行业的设计模式一定是会被 “算法” 加持的。

登录/注册后可看大图

办公2.gif (525.5 KB, 下载次数: 34)

下载附件保存到相册

2021-3-26 15:51 上传

插图：2020年4月15日，诺亚青衫版在Rhino+Grasshopper平台开源上线，图为算法设计师在实战项目中，利用1个小时重新diy青衫版算法之后，实现了有针对性的项目生成控制。

既然我如此肯定这个职业，下面就来讲讲建筑界的“算法设计师”是一群什么样的人？他们都需要具备哪些能力？

1、建筑设计基础：最好是建筑学本专业出身的人。因为没有完整的设计创作体验，即便很擅长算法工作，也很难理解设计行业的应用需求。

2、设计从业经验：这个因人而异，很多建筑师走出校园的一刻发现自己所从事的和所学的往往不一样，而行业的需求和模式又是算法开发更需要理解重视的内容，所以有一定的从业经验将有利于设计师写出更有针对性价值的算法。

3、良好的逻辑能力：也可以理解为是在设计方案过程中，能建立自己独立的设计方法或解题思路。尽管建筑学各个高校对于“设计方法”的培养很不相同，大多数建筑师毕业后都很难总结出一套自己的“设计方法”。但大部分擅长逻辑思维的建筑师，在遇到客观实际的项目问题时，都会经历归纳问题主次，设立解题步骤等思考。这个能力虽然抽象，但也是必备条件。理清问题，解析问题是我们可以将设计程序化的前提条件。

4、图形解构思维：这是参数化设计师的基本能力，可以将一个几何图形解析成一群矢量的关联组成，或能从几何生长的角度去将图形看作是某一种运动的定格状态。当我们将设计问题拆解若干个节点目标之后，必要的过程就是设计诸多的图形来推敲并解决这些问题。那么这些原本需要手画的图纸就完全可以用参数化模型来代替，而将问题模型参数化的过程就需要有这种图形结构思维。

5、计算机编程能力：今天的Grasshopper就是一种编程工具，面向设计师界面优化，不需要代码。所以编程对设计师来说门槛已经很低了。而现象表示，建筑师因为长期处在几何图感和设计逻辑的工作环境中，对Grasshopper这种可视化、模块化编程的工具具有更强的学习能力和应用潜能。

以上五点具备任意三点，我们都认为是“算法设计师”的潜力股。而据我们了解能同时具备上述五点中任意四点的人真的很少。目前的数字冥想（NCFZ）正在计划加大培养此类型技术人才的力度，也欢迎诸位志同道合的设计师们来关注我们的平台信息。

一份迟到了一年半的礼物

最后，我们的诺亚战斧版本月底就要上线了！在此预祝这枚“火箭”能够成功“发射升空”。

也要郑重地向诸位道一声：

久等了！我们要为这迟到了一年半的礼物表示歉意。

感谢过去的一年里，所有诺亚的支持者和关注者带给我们的鼓励和智慧。也正是这波折的一年将诺亚从一套算法体系真正地打磨成了一套应用产品。

我相信，当诸位第一次运行诺亚、录入信息并得到生成方案的那一刻，一定会为这烧脑的瞬间感到惊喜！这是NCFZ全体成员在过去两年半的时光里，全部技术与智慧的结晶。我相信从这一刻起，我们可以告别无休止的排楼、告别反复的指标校对，住宅方案策划的效率可以直接提升十倍，我们会有更多的时间去思考创意，会有更多的精力去做自己想做的尝试。我相信更有价值的是，整个行业都能因此看到智能化设计的应用潜力，重新思考参数化设计的技术价值，和数字冥想（NCFZ）一起坚信属于设计行业的智能化时代已经到来了！

2019年，有人问计算机到底能否自己做方案？我们回答：未来一定能。

2021年，有人问，现在计算机能否自己做方案？我们回答：有些方案可以了。

2023年……
“诺亚，把B15-3项目地块测算一下，我需要100套设计方案。”
“好的，已经准备好100套参考方案，指标比对分析也已经准备好了。”
“诺亚，将中心开放空间偏向西侧的方案帮我筛选一下，我要看到具体的功能关系数据。”
“好的，已经筛选出15套符合该特征的方案，推荐前五个功能关系评分较高的方案。”
“诺亚，帮我把2号、4号方案打印出来，我想修改一下。”
“好的，正在打印……提示：铅笔在左边柜子第二行抽屉里。”
（一段安静地设计思考绘制之后……）
“诺亚，帮我按这个草图的特征，重新绘制20套方案。”
“好的，定向方案绘制已生成，推荐前三个功能关系评分较高的方案。”
“诺亚，将1号方案深化设计，图纸深度S级，然后发到我的云盘里。”
“好的，图纸生成中，稍后发送。”

—— 来自《诺亚，您的智能建筑助理》

登录/注册后可看大图

lu992 · 发表于 2021-3-28 21:20:47

本帖最后由 lu992 于 2021-3-28 21:25 编辑

作为一名转行为数据分析师的前建筑师，现在每天研究的是统计学、机器学习、深度学习、因果推断等，真的很高兴看到建筑行业还有人在AI这个方面探索，大数据和算法真的很强大，希望你们可以坚持下去，解放更多的中国建筑师！......

望衡 · 发表于 2021-10-20 23:18:18

这种划时代的技术，必然带来新的矛盾。服务对象也就是潜在客户其实更适合的是巨型地产开发公司，或者是大型的施工企业，新技术会大幅度的消减成本，不光是设计费，后续的施工管理成本也会大幅降低。而矛盾的对立面是老的生产方式的设计院。当前地产公司大部分其实是资本运作公司，自身不做产品设计研发的，而大型施工企业真正EPC或PPP的项目还很少，生产力过于超前于生产关系，这就会让新技术缺乏客户，社会痛点不强烈，新技术获得的资源和关注就会少。但是生产力毕竟绝对生产关系的，相信会有爆发的一天。

帐号		自动登录	找回密码
密码			注册