ИИ становится все доступнее для широкой аудитории. Но может ли он стать полноценным ассистентом архитектора — разбираемся с экспертом
Об эксперте: Светлана Леонтюк, главный архитектор проекта бюро APEX.
С появлением ChatGPT-4 в ноябре 2022 года ИИ стал стремительно менять привычные представления о профессиях, в том числе в сфере архитектуры. Сейчас в интернете можно встретить множество проектов фантастических зданий: ИИ действительно превращается в удобный инструмент в руках архитектора. Разбираемся, как оптимизировать временные и денежные затраты и быстрее находить нетривиальные решения.
ИИ как инструмент визуализации
Для архитекторов востребованы нейросети, генерирующие изображения, такие как Stable Diffusion, Midjourney, Dall-E.
Генераторы изображений — это удобный инструмент для создания первых набросков. Программы способны бесконечно создавать эскизы, снимая с архитекторов нагрузку и снижая риск усталости и выгорания. Архитектору останется выбрать идею из множества вариантов.
В дальнейшей работе с изображениями ИИ тоже экономит время. Он позволяет быстро вносить изменения в изображение согласно текстовому запросу (это можно сделать с помощью Adobe Firefly), улучшать качество изображения и добавлять на картинку новые элементы.
Точные геометрические расчеты пока недоступны ИИ — в первую очередь в силу самой природы нейросетей. Они не обучены представлениям о реальных пространственных характеристиках и не обладают необходимыми сведениями о физическом мире. Нейросеть не может представить изображение в нескольких ракурсах или изменить точку обзора: каждая картинка, обработанная таким образом, будет выглядеть немного иначе.
Главная задача, которую предстоит решить, — научить нейросети сохранять основу изображения и изменять лишь отдельные детали. Пока эта задача не решена, поэтому генеративные модели не подходят для создания полноценных визуализаций.
Даже профессиональные приложения, созданные на основе программного обеспечения Stable Diffusion, например, LookX, обученный на архитектурных изображениях, пока не заменяют создание рендеров и процесс визуализации полностью, а лишь служат инструментом для быстрой проверки гипотез.
ИИ как инструмент оптимизации рутины
Визуализация — это лишь малая часть многоступенчатого процесса проектирования. В перспективе ИИ может упростить выполнение задач, которые отнимают много времени и усилий, но не требуют большого интеллекта. Новым этапом внедрения ИИ в работу архитектора может стать появление профессионального ПО на основе нейросетей.
Например, ПО может генерировать строительные чертежи. Это одна из самых затратных стадий, занимающая до 60% времени и ресурсов. Сейчас перспективные разработки в этой отрасли ведет компания Swapp, основанная выходцами из израильского подразделения Autodesk* — крупнейшего в мире разработчика ПО для гражданского строительства и машиностроения (в 2022 году Autodesk заявила об уходе с российского рынка).
Кроме того, специалистами было бы очень востребовано ПО для генерации детальных планировок. Разработку такого софта с помощью ИИ начала технологическая компания Finch совместно с архитектурным бюро Herzog & de Meuron. Но эти решения пока в процессе разработки, ведь большая часть компаний, создающих софт, это достаточно молодые проекты, основанные в конце 2010-х или начале 2020-х.
Еще одно важное направление — создание программного обеспечения для обмена данными. Сейчас есть много разных форматов для разных задач, и часто они не совместимы друг с другом. ИИ может помочь решить эту проблему и организовать обмен данными без потерь. Вопросом намерен заняться уже упомянутый нами гигант индустрии Autodesk. Об этом высказался вице-президент компании по стратегическому развитию в сфере проектирования и строительства Николас Мэнон: «В будущем, когда данные будут освобождены от разделения на форматы и станут совместимыми, у вас будет нужная информация в нужное время».
ИИ как инструмент анализа больших данных
Спровоцирует ли появление такого ПО сокращение количества рабочих мест? Вряд ли этого стоит бояться. Это уже не первая большая инновация в области проектирования. Например, стандартом для отрасли стала работа с BIM — информационными моделями зданий, которые создаются с помощью специального ПО. Фактически это цифровые двойники зданий, которые содержат информацию обо всем жизненном цикле проекта. С развитием этого направления количество рабочих мест наоборот увеличилось — возникло целое направление BIM-интегрирования: в проектных бюро появились BIM-менеджеры, BIM-координаторы, BIM-отделы. Не исключено, что что-то подобное произойдет с развитием генеративного ИИ.
Еще одно направление, в котором могут помочь нейросети, — это быстрый анализ данных. Различные типы нейросетей могут быть использованы для того, чтобы проанализировать силу ветра, изменение температуры и освещенности на проектируемом участке. Работать с такими данными можно, например, с помощью Testfit — архитектурной программы, в которой появились функции на основе ИИ.
С помощью TestFit можно в режиме реального времени корректировать план жилого комплекса в зависимости от того, как меняется территория вокруг него.
Чтобы такие программы функционировали корректно, нужна точно отстроенная модель города — цифровая копия реального города или его части, которая используется для анализа, планирования и принятия решений в сфере городского развития. Такая есть, например, у Нью-Йорка, Сеула, Шарджи и Сингапура. Имея виртуальную среду с данными о рельефе, высоте зданий и других параметрах, можно посчитать параметры солнечного освещения, силу ветра, температуру в максимально жаркие дни и точнее оценить последствия изменений.
В России с 2019 года появился и развивается Цифровой двойник Москвы — точная виртуальная копия города. Причем информация регулярно обновляется. Архитекторы участвуют в формировании этого двойника: муниципальные власти собирают от проектировщиков данные и модели новых зданий для формирования единого геоиформационного пространства. Цифровые двойники есть и у других российских городов — например, у Калуги.
Цифровой двойник города — это отголосок метавселенной, но в прямом практическом применении. С его помощью городские власти могут уже на этапе принятия решения о строительстве оценить, как постройка впишется в городской контекст и какую нагрузку она создаст на инфраструктуру, спланировать транспортную доступность. Такая модель позволяет виртуально проигрывать разные сценарии и выбирать из них лучший. Использование нейросетей при условии доступа к открытым данным о городской среде может существенно упростить работу проектировщика.
При помощи нейросетей едва ли удастся уменьшить расходы на строительство и вследствие этого стоимость квадратного метра. Например, в Москве на архитектурное проектирование уходит всего 3–9% от общего бюджета строительства, в Великобритании — 8–15%. Зато освободившиеся ресурсы можно направить на разработку множества вариантов дизайна и выбор оптимального.
ИИ как инструмент для творчества
Искусственный интеллект не художник и не архитектор, это лишь инструмент работы с человеческим интеллектуальным наследием. Согласно исследованию Оксфордского университета, вероятность, что ИИ и компьютерные технологии заменят архитекторов, составляет всего 1,8%. И тем не менее генеративные нейросети создают новые изображения, поэтому одной из главных проблем в их использовании становится регулирование авторских прав.
Применение ИИ в работе ставит сразу несколько вопросов. Как получить права на использование изображений для обучения моделей? Могут возникнуть спорные ситуации. Например, в 2023 году Getty Images подал в суд на разработчика генеративной нейросети Stability AI за использование 12 млн изображений без «разрешения или компенсации». Дело все еще находится на рассмотрении.
Другой вопрос — как определить автора контента и обладателя прав на сгенерированные изображения. К тому же хорошим тоном становится маркировка текстов и изображений, сгенерированных ИИ. Сфера использования искусственного интеллекта развивается быстрее, чем ее правовое регулирование, и вполне вероятно, что решение со временем будет найдено. Но пока остается много вопросов.
В использовании ИИ для упрощения творческих процессов есть обратная сторона. Возможно, наибольшая опасность заключается не в том, что он лишит нас рабочих мест, а в том, что мы привыкнем использовать программы и взаимодействовать с их результатами вместо развития собственных творческих навыков.
ИИ как драйвер развития экономики
Генеративные нейросети решают не только локальные задачи. Они также способны открыть серьезные перспективы для глобального рынка, в том числе в сфере архитектуры. Представители одного из крупнейших в мире инвестиционных банков Goldman Sachs считают, что генеративный ИИ может увеличить годовой мировой ВВП на 7% в течение десяти лет.
Согласно исследованию консалтинговой компании McKinsey, в 75% случаев генеративный ИИ в бизнесе будет использоваться в четырех областях:
- в операциях с клиентами;
- в маркетинге и продажах;
- в разработке программного обеспечения;
- в научно-исследовательской деятельности.
Все эти области играют важную роль в развитии архитектуры и девелопмента, и оптимизация работы в них будет способствовать развитию отрасли.
В масштабах большой компании оптимизация особенно заметна. Поэтому гиганты индустрии, такие как всемирно известное архитектурное бюро Zaha Hadid, активно внедряют в работу DALL-E 2, Midjourney and Stable Diffusion. Адаптация этих инструментов для работы компании, например, позволила создать 100 тыс. проектов интерьера за 27 часов, тогда как у архитектора на это ушло бы десятилетие. Команда бюро приводит как пример проект Infinitus Plaza в Гуанчжоу в Китае: при помощи ИИ архитекторы сгенерировали сотни вариантов, как разместить ядро здания.
На российском рынке сейчас существуют определенные трудности с доступом к новейшим разработкам и программному обеспечению, в том числе к программам, включающим решения на основе генеративного искусственного интеллекта. Тем не менее крупные девелоперы, такие как «ПИК» или «Эталон», тоже разрабатывают собственные инструменты — на основе того же игрового движка Unreal Engine. Такие инструменты, например, помогают определять коммерческий потенциал земельных участков: экспресс-моделирование позволяет учесть их особенности (высотные ограничения, окружающую застройку) и оценить эффективность тех или иных решений.
