6、建筑领域的机器学习工具与方法

建筑领域的机器学习工具与方法

1. 机器学习在建筑领域的应用概述

在建筑设计与分析方法众多的当下，机器学习（ML）工具虽小众，但在与软件和编程相关的建筑师群体中得到应用。一些大型建筑事务所设有计算部门，不过更多的是小型专业独立团队，他们受建筑师、工程与建筑公司、设计师、项目开发商和相关部门的委托。许多 ML 工具是“问题驱动”的，常作为与相邻学科的接口，且多在项目和研究团队内部使用，未公开。

1992 年，萨格勒布大学的建筑学教授博扬·巴莱蒂奇（Bojan Baletic）是最早将 ML 应用于工作的建筑师之一。他的博士论文《突变形式的信息代码》（“Information Codes of Mutant Forms”）使用神经网络来确定楼层规划中的模式，以帮助建筑师进行未来规划。他当时使用的是 wardsystems.com 提供的 NeuroShell 软件，如今该软件主要用于金融预测。

建筑领域的人工智能（AI）工具主要分为以下几类：
- 作为现有软件解决方案的一部分，通常是如 McNeel Rhino 3D 和 Autodesk Revit 等程序参数化扩展的插件。
- 作为研究工作一部分开发的 ML 解决方案，这类工具针对特定研究问题，很少能应用于其他问题。
- 独立的软件解决方案，涵盖从虚拟现实到施工监督等建筑领域的各个方面。
- CAD/BIM 软件中用于解决特定功能的 AI 解决方案。

本文将对公开可用的工具进行简要回顾和分类。公开可用的工具可从 food4rhino.com、autodesk.com、archicad.com、github.com、gitlab.com 等网站下载和安装。除了进行性能基准测