16、风格与人工智能在建筑领域的应用探索

风格与人工智能在建筑领域的应用探索

在当今科技飞速发展的时代，人工智能与建筑领域的结合正展现出巨大的潜力。从风格的角度出发，人工智能为建筑设计带来了新的思考和方法。

神经网络在建筑风格学习中的表现

以密歇根大学机器人花园项目为例，分类网络在训练过程中展现出了独特的学习方式。在对喷泉特征的学习中，由于数据集中喷泉类只有泉涌式喷泉，网络将喷泉与水的喷射口建立了联系。在“梦境”过程中，这导致垂直线条上出现水龙卷的可视化效果，以及图像垂直维度上奇怪的颜色扭曲。这个例子表明，通过特定训练数据集学习的神经网络所产生的新颖表示和特征，能让设计师重新思考构成特定“风格”的低级视觉组件，并且神经网络对风格的表示可作为一种建筑审视的方法。

风格与人工智能的关联

风格转移神经网络是基于深度神经网络的合成系统，能够生成具有高艺术价值的图像。它利用创建图像神经表示的能力，将图像的“内容”（如建筑等全局结构）和“风格”（如笔触或边缘模糊等低级视觉结构）进行分离和关联，然后以新颖的方式重新组合，实现艺术表达。然而，目前还不清楚人类通过图像内容和风格创造独特视觉体验的能力如何编码到算法中，也没有合成结构能够模仿这种深刻的人类特质。

风格定义与神经网络的适配性

Gottfried Semper将风格定义为受文化共鸣、历史功能、创造性自由意志和独特材料固有品质驱动。若将此定义应用于神经网络，意味着神经网络需要理解共鸣、历史，具备创造性自由意志以及对物质世界固有品质的理解。目前，尚无证据表明人工神经网络能够合成复制共鸣和自由意志等方面，尽管它看似有模仿的能力。但在分析历史和材料方面，通过高质量的训练数据集，神经网络是有可能实现的。例如，可以训练神经网