從草圖到數(shù)字未來：人機共生視閾下的建筑教學創(chuàng)新實踐

摘要：在教育領(lǐng)域，尤其是在建筑學教育中，深度學習與生成設計的融合已成為推動教學改革的重要方向。本文探索了機器學習與潛在形態(tài)學結(jié)合在建筑學教育中的應用，目的在于：超越傳統(tǒng)教學模式，激發(fā)學生的創(chuàng)造力和深度認知能力；通過碎片化感知、結(jié)構(gòu)化關(guān)聯(lián)和抽象化遷移，促進學生深度理解建筑設計原理；結(jié)合生成性任務，激發(fā)學生從二維到三維的創(chuàng)造性轉(zhuǎn)換，培養(yǎng)創(chuàng)新能力和深度認知。實踐表明，此教學模式不僅提升了學生對知識的掌握程度，更推動了建筑學教育的創(chuàng)新發(fā)展。

關(guān)鍵詞：機器學習；潛在形態(tài)學；建筑學教育；教學創(chuàng)新

中圖分類號：G434" 文獻標識碼：A" 論文編號：1674-2117（2025）04-0053-04

隨著人工智能技術(shù)的迅猛發(fā)展，數(shù)字建筑學作為應對全球技術(shù)與文化快速變化的重要方式，給人們帶來了新的挑戰(zhàn)與機遇。以“建筑智能”視角探索“再人文”，成為建筑師和學者們的回應路徑。因此，筆者深入探討了機器學習與潛在形態(tài)學在建筑學教育中的創(chuàng)新應用，并通過具體的教學實踐，展示深度學習與生成設計融合的教學模式如何有效推動建筑學教育的創(chuàng)新發(fā)展。

深度學習與生成設計在建筑學教育中的融合背景

政策層面：世界各國都已認識到AI在教育領(lǐng)域的潛力，并通過政策推動其發(fā)展。《關(guān)于加快場景創(chuàng)新以人工智能高水平應用促進經(jīng)濟高質(zhì)量發(fā)展的指導意見》等文件強調(diào)了AI對教育和社會的推動作用。同時，雷尼教育研究與政策中心在2024年的《反思教育》報告中倡導重新構(gòu)想學習方式以適應21世紀需求。[1]

學術(shù)研究：在建筑學教育領(lǐng)域，生成式AI正重塑教學與實踐。楊宗凱等的研究顯示，AI增強教學互動，促進從知識傳遞到能力培養(yǎng)的轉(zhuǎn)變。通過AI，學生能在實時反饋中深入探索建筑設計復雜性。

在輔助工具開發(fā)上，Steinfeld[2]和Cutellic[3]等為設計師提供了理解和應用機器學習的框架。這些研究不僅推動AI在建筑設計中的普及，還增強了建筑師在數(shù)字工具中的創(chuàng)造力。生成式AI為建筑學教育帶來深刻變革，要求教育者和學者在保留傳統(tǒng)精粹的同時，有效融入現(xiàn)代技術(shù)，培養(yǎng)應對未來挑戰(zhàn)的新一代建筑師。

教學實踐與案例分析

1.從知識學習到設計的綜合運用：構(gòu)建建筑教育新體系

為了有效地將人工智能技術(shù)融入建筑學教育，筆者首先對教學需求進行了深入分析。主要需求如下。

提高設計創(chuàng)新能力：學生需要掌握將傳統(tǒng)設計理念與新興技術(shù)相結(jié)合的能力，以創(chuàng)造出獨特和前瞻性的建筑作品。通過引入深度學習和生成設計技術(shù)，學生可以利用這些工具從大量設計數(shù)據(jù)中提取創(chuàng)新元素，生成多種設計方案，并在此基礎上進行優(yōu)化和創(chuàng)新。

增強實踐操作技能：學生需要通過實際操作，將理論知識轉(zhuǎn)化為具體的設計方案和建筑模型。生成設計工具和深度學習算法的應用，使學生能夠在虛擬環(huán)境中進行設計實驗，快速迭代和驗證設計想法，從而提高實踐能力和解決實際問題的能力。

提升研究和批判思維：學生需要培養(yǎng)深入探索建筑設計原理和結(jié)構(gòu)形成的能力，以及對設計方案的批判性思考。通過AI技術(shù)的輔助，學生可以進行復雜的設計分析和模擬，理解不同設計方案的優(yōu)缺點，培養(yǎng)批判性思維和科學研究能力。

2.從人際協(xié)作到人技協(xié)同：打造建筑教育的共生合成體

針對上述需求，筆者開展了以下技術(shù)研發(fā)和個性化定制工作。

（1）開發(fā)基于機器學習的設計輔助工具

筆者深入研究了西南少數(shù)民族的傳統(tǒng)紋樣，通過使用機器學習中的STABLE DIFFUSION技術(shù)和LORA算法，訓練模型來識別這些紋樣的布局規(guī)則（如下圖）。接下來，在Grasshopper環(huán)境中，利用這些規(guī)則進行參數(shù)化設計，生成了一系列基于傳統(tǒng)紋樣的現(xiàn)代建筑設計方案。這個過程結(jié)合了規(guī)則主導和規(guī)律主導兩種范式：首先使用規(guī)則主導的方法，將傳統(tǒng)紋樣的設計規(guī)則輸入到機器學習模型中，然后通過規(guī)律主導的方法，讓模型學習并生成新的設計方案。

丹尼爾·博勒簡（Daniel Bolojan）通過生成對抗網(wǎng)絡（GANs）找到圣家堂的設計規(guī)律，結(jié)合森林的視頻，探索了兩種意象的結(jié)合，這一研究為項目提供了重要的參考。在筆者設計的案例中，學生不僅能夠理解和掌握傳統(tǒng)元素的精髓，還學會了如何在現(xiàn)代設計中創(chuàng)新性地應用這些元素。通過這種方式，既提升了學生的設計創(chuàng)新能力，又增強了他們對傳統(tǒng)文化的理解和傳承。

（2）定制潛在形態(tài)學課程

結(jié)合機器學習技術(shù)和三維建模軟件，結(jié)合相應的課程，教授學生如何從人工智能生成的二維圖像中提取設計原則，并將其應用于三維建筑模型的創(chuàng)造。

例如，在教學實踐中，筆者開發(fā)了一個基于潛在形態(tài)學的《人體工程學》生成式互動課堂，通過結(jié)合機器學習技術(shù)和三維建模軟件，為學生提供一個全新的學習平臺。這個課程不僅注重理論知識的傳授，更通過實際操作和互動體驗，幫助學生全面掌握人體工程學的應用。

具體來說，課程包括以下幾個關(guān)鍵環(huán)節(jié)。

數(shù)據(jù)集收集與處理：學生學習如何收集和處理大量人體工程學數(shù)據(jù)，包括姿勢、動作和結(jié)構(gòu)圖像。通過數(shù)據(jù)清洗和標注，學生掌握了數(shù)據(jù)預處理的基本技能。

機器學習模型訓練：學生利用深度學習算法，特別是潛在形態(tài)學模型，訓練機器學習系統(tǒng)，使其能夠識別人類動作圖像并生成相應的機器人模擬。在此過程中，對模型的參數(shù)和超參數(shù)進行定制化訓練，使其能夠更準確地反映建筑領(lǐng)域的設計特征和規(guī)律。

三維建模與應用：在三維建模軟件如Rhino和Revit的輔助下，學生將從機器學習中生成的設計原則應用到三維建筑模型的創(chuàng)建中。通過這一過程，學生不僅提升了三維建模的技能，而且學會了如何將數(shù)據(jù)分析結(jié)果轉(zhuǎn)化為實際設計方案。

生成式互動課堂：整個課程采用互動式教學模式，學生可以實時與機器學習系統(tǒng)進行互動，調(diào)整和優(yōu)化他們的設計方案。通過這種方式，學生的學習體驗得到了極大的增強，實踐能力和創(chuàng)新能力也得到了全面提升。

這種基于潛在形態(tài)學的生成式互動課堂，既提供了一個高效的學習環(huán)境，也為未來的創(chuàng)新設計工作奠定了堅實的基礎。通過這種方法，學生能夠在掌握理論知識的同時，提升實踐應用能力，并為未來的職業(yè)發(fā)展做好充分準備。

（3）引入“拼貼”技術(shù)

教授學生如何使用現(xiàn)成的模型或部件進行創(chuàng)意拼接，以激發(fā)創(chuàng)新思維和提高設計效率。

例如，在多模態(tài)機器學習在園林設計中的應用的教學實踐中，將多模態(tài)機器學習技術(shù)應用于宋代園林設計教學。通過這種方式，學生不僅掌握了先進的技術(shù)手段，更深入理解了傳統(tǒng)文化與現(xiàn)代技術(shù)的結(jié)合如何為景觀建筑領(lǐng)域帶來新的設計思路。

在這一項目中，筆者采用了StyleGAN和LoRA技術(shù)，將宋代詩歌中的意境與情感融合到園林設計中，創(chuàng)造出高質(zhì)量且符合傳統(tǒng)美學的園林圖像。多模態(tài)機器學習技術(shù)的應用，使得學生能夠通過“數(shù)據(jù)-模型-互動-評價”四個方面的流程，重塑建筑設計過程，實現(xiàn)定制化的建筑設計智能生成范式。具體的教學步驟包括以下幾個關(guān)鍵環(huán)節(jié)。

①數(shù)據(jù)收集。

建立個性化數(shù)據(jù)庫：建立一個包含大量與宋代園林相關(guān)的文本、圖片和模型的數(shù)據(jù)集。這個數(shù)據(jù)庫不僅包括宋代詩歌和繪畫作品，還包含現(xiàn)代研究資料和相關(guān)圖像數(shù)據(jù)。

數(shù)據(jù)清洗與整合：通過數(shù)據(jù)清洗、集成、變換和歸約，提升人工智能模型的訓練效率，使其能夠更好地理解建筑細分領(lǐng)域下的語義和特征。

②模型訓練。

參數(shù)與超參數(shù)定制化：對模型的參數(shù)和超參數(shù)進行訂制化訓練，使人工智能能夠準確捕捉宋代園林設計的特征和規(guī)律，從而生成高質(zhì)量的設計方案。

人機協(xié)作下的工作流程范式：通過訂制化的人機交互形式，學生可以在模型訓練過程中實時調(diào)整參數(shù)，增強對模型和數(shù)據(jù)的理解。

③拼貼技術(shù)的引入。

創(chuàng)意拼接：教授學生如何使用現(xiàn)成的模型或部件進行創(chuàng)意拼接，以激發(fā)創(chuàng)新思維和提高設計效率。學生通過探索不同的拼接方式，創(chuàng)造出既體現(xiàn)宋代審美又具有現(xiàn)代設計元素的園林作品。

通過這些技術(shù)步驟，學生成功地將宋代詩歌中的意境與情感融入園林設計中，創(chuàng)造出了一系列高質(zhì)量的園林圖像和視頻。這些圖像和影像不僅符合傳統(tǒng)美學，同時也融入了現(xiàn)代設計元素，展示了傳統(tǒng)文化與現(xiàn)代技術(shù)的完美結(jié)合。

④圍繞深度學習模型設計生成式課堂。

在教學實踐中，筆者不僅采用了深度學習模型來設計生成式課堂，而且運用人工智能技術(shù)來模擬建筑師與學生的互動。為了使學習更加生動和直觀，筆者利用AI技術(shù)，讓知名建筑師通過虛擬形象直接向?qū)W生講解經(jīng)典建筑案例。

3.從知識本位到能力本位：探索建筑創(chuàng)新人才培養(yǎng)模式

在“建筑學概論”課程中，筆者致力于從知識本位教育模式轉(zhuǎn)型為能力本位，特別強調(diào)培養(yǎng)具備創(chuàng)新才能和解決實際問題能力的建筑專業(yè)人才。這一轉(zhuǎn)型得益于人工智能技術(shù)的賦能，它使得教育技術(shù)能夠滲透到建筑教育的每一個環(huán)節(jié)，建立起一個多維度的相互促進的創(chuàng)意和創(chuàng)新能力評估體系。

4.從同質(zhì)發(fā)展到獨特成長：架設建筑學生的個性化成長路徑

在關(guān)于構(gòu)建“人工智能背景下建筑學教育新生態(tài)體系”的研究中，筆者發(fā)現(xiàn)通過引入AI技術(shù)，學生能夠獲得針對性的學習體驗，在個性化環(huán)境中形成自主決策能力。

生成式AI增強設計不僅僅是專業(yè)算法和模型的簡單移植，更需要系統(tǒng)性地認知建筑知識體系。AI算法是否能理解建筑學中抽象的概念、各維度間的不可見關(guān)聯(lián)以及回答特定的問題仍是未知數(shù)。因此，人工智能增強建筑設計要求同時滿足“通用性”和“知識性”兩方面的需求。通用性：整體性、系統(tǒng)性地理解建筑學科體系及內(nèi)部關(guān)聯(lián)。這需要建立認知策略，將建筑學知識轉(zhuǎn)化為可計算的數(shù)據(jù)圖譜，并通過大規(guī)模建筑數(shù)據(jù)讓人工智能學習建筑的經(jīng)驗和知識。知識性：細分化、顆粒化地分解建筑領(lǐng)域問題。這需要建立細分模型，引入環(huán)境性能化、結(jié)構(gòu)性能化、行為性能化等元素到算法技術(shù)中，優(yōu)化特定建筑設計的各個方面。

教學效果與學生反饋

整合深度學習的理念與生成性教學的策略在建筑和設計教育中的實施，取得了一定的教學效果：

一是，借助仿真和模擬工具，不僅加強了學生的互動學習體驗，而且通過碎片化感知、結(jié)構(gòu)化關(guān)聯(lián)以及抽象化遷移的深度學習模型，促進了學生從直觀理解到創(chuàng)新實踐的全方位發(fā)展。

二是，通過引入AI定制的學習路徑和課后虛擬實驗室，學生能夠在虛擬環(huán)境中進行多次設計實驗和迭代。這種實踐操作使學生能夠?qū)⒗碚撝R轉(zhuǎn)化為具體的設計方案和建筑模型，提升了他們的實踐操作技能。

三是，AI技術(shù)在課程中的應用使學生能夠進行復雜的設計分析和模擬，理解不同設計方案的優(yōu)缺點。通過這些技術(shù)，優(yōu)化了傳統(tǒng)的教育方法，將學生在課堂上獲得的碎片化知識結(jié)構(gòu)化，并引導他們將這些知識遷移到具體的設計實踐中。

四是，個性化學習路徑和智能化自我評價工具使學生能夠自主規(guī)劃和跟蹤自己的學習進度，培養(yǎng)了學生自主決策能力。

五是，跨學科整合的教學方法使學生能夠?qū)⒔ㄖW、環(huán)境科學和工程學等領(lǐng)域的知識融會貫通。

參考文獻：

[1]Rennie Center for Education Research amp; Policy.（2024）.Rethinking education：Reimagining when，where，and how learning happens. Boston，MA：Rennie Center for Education Research amp; Policy.

[2]Steinfeld.K.（2017）.Machine Learning Frameworks for Designers.In Proceedings of the 37th Annual Conference of the Association for Computer Aided Design in Architecture（ACADIA 2017）：Disciplines amp; Disruption（pp.234-243）.Cambridge，MA：ACADIA.

[3]Cutellic，M.（2018）.Integrating AI Tools into Architectural Design Processes.In Proceedings of the Design Modelling Symposium Paris 2018 （pp.112-121）.Paris，F(xiàn)rance.

作者簡介：陳虹屹，國家一級注冊建筑師，高級工程師，研究生導師，高級人工智能訓練師。

基金項目：重慶市教委科學技術(shù)研究計劃項目“西南住區(qū)參數(shù)化節(jié)能設計與碳排放優(yōu)化路徑探索”（KJON202401805）；重慶市教育科學“十四五”規(guī)劃項目“共生理論視角下新工科現(xiàn)代化思維教育創(chuàng)新策略與實踐研究”（K23YG2180454）。