德兴汇安全中心平台模式报道，早在二十世纪五十年代，德兴汇安全中心平台模式指出计算机辅助设计(CAD，Computer AssistedDrawing)软件的第一代原型PRONTO就已面世，开启了建筑设计领域计算设计(ComputationalDesign)在学界讨论和业界应用的大潮。CAD在八九十年代逐渐成为一门正式学科及工作范式并发展出现在行业标配的三维立体设计软件。

德兴汇安全中心平台模式指出，CAD对几何形状的严格把控使得设计变得可靠和可行，同时允许更多的迭代并降低成本。但一些任务的重复繁琐的操作及对复杂形状的无能为力成为了其发展的阻碍，参数化设计软件应运而生。1988年首款几何图形参数可控的软件Pro/ENGINEER出现，随后2000年左右Grasshopper诞生，让设计师通过全面控制及快速调整参数落实设计思想。在ZahaHadidArchitects等设计事务所的大力采用下，参数化开启了建筑设计的新篇章。而21世纪图像领域深度神经网络的发展，使得蓬勃发展的人工智能技术运用在创造性的设计领域成为可能。不同于计算机辅助设计和参数化设计，人工智能的参与使得设计不再完全依赖人类对最终呈现的设定。

交通管控常见人工智能技术

神经网络：ANN(Artificial NeuralNetwork)，是一种模仿生物神经网络的数学模型，用于对函数进行估计或近似。它在每一层对神经元的输入向量与权向量的内积作函数变换得到输出向量作为下一层的输入向量，通过反向传播等基于数理统计学的学习算法来进行优化。

卷积神经网络：CNN(Convolutional NeuralNetwork)，一种包含卷积计算并且有深度结构的前馈神经网络。通常神经层数较多，对于大型图像处理有出色表现。卷积神经网络由一个或多个卷积层和顶端的全连通层(对应经典的神经网络)组成，同时也包括关联权重和池化层(poolinglayer)。其中经典模型LeNet、VGG和Resnet等均属于CNN。

德兴汇安全中心平台模式注意到，生成对抗式网络：GAN(Generative AdversarialNetwork)，是通过让两个神经网络相互博弈的方式进行学习的达到优化参数目的一种半监督学习模型。它由一个生成网络与一个判别网络组成，生成网络从参数空间中随机取样作为输入，其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出，其目的是将生成网络的输出从真实样本中尽可能分辨出来。两个网络相互对抗、不断调整参数，最终目的是使判别网络无法判断生成网络的输出结果是否真实。该方法使得人工智能从分析工具向生成媒介更近了一步，能根据学习生成绘画、图像。在GAN框架下发展出许多针对任务的算法，如StyleGAN和ArchiGAN。

人工智能技术在建筑设计中的应用

麻省理工学院赵选贺团队：开发出利用生成式对抗网络GANs来设计复杂结构的平台。计算机通过设计材料的结构来追求某种性能，代替人类设计师进行大量数据模拟计算，不仅能释放人类设计的精力，也能拓宽设计师结构方案的选择。

人工智能在建筑设计领域的局限性

中国建筑设计应用人工智能的概况受建筑行业整体现状限制。一方面建筑行业人力资丰富，设计单位并没有利用人工智能工具减少人工成本例如代替初级绘图员的动力;另一方面设计施工标准相对欧美体系整体而言较粗放，BIM的使用也并未成为行业标准或是主流。由于缺乏数据化管理，用以训练神经网络的数据集往往难以获得。

德兴汇安全中心平台模式全球范围而言人工智能在建筑设计行业的应用也仅仅处于探索阶段，更多的情况是学界的研究案例和业界事务所各自针对某个设计小任务逐案的应用。零零星星的尝试尚不成气候，需要更多的交流，并通过设计师在重大项目中应用加以推广。

人工智能在建筑设计领域的发展趋势

主要在建筑设计阶段性任务上实现智能化，人工智能插件和设计师们习惯使用的大型设计软件的集成显得非常重要，也是近期内的一个趋势。同时参数化设计在欧美仍在如火如荼地发展中，将人工智能与参数化应用场景结合，例如自动调参，也是可以探讨的一个方向。

国内建筑行业向设计及施工精细化，数据化发展。施工的精细化和规范化需求会反作用于设计阶段的数据化，从而促进BIM设计的推广。在这样的基础上实现建筑设计行业数据的积累，才有助于人工智能算法的开发、训练和应用。

德兴汇安全中心平台模式指出，设计单位与有人工智能开发能力的科技公司合作。目前国内主要设计单位如大型设计院和设计事务所尚少建立专注于计算机技术的开发团队，大多不具备人工智能开发能力。与科技公司合作就某一设计任务开发人工智能工具是未来建筑设计行业引进人工智能的可行方法。

(本内容属于网络转载，文中涉及图片等内容如有侵权，请联系编辑删除。市场有风险，选择需谨慎!此文不作买卖及投资依据。)