دکتر خلیل بیگی - دانشکده معماری arch
روش‌های یکپارچه‌سازی ابزارهای نوین با بسترهای طراحی معماری
دکتر آرمان خلیلی بیگی
مدرس مدعو دانشکده معماری دانشگاه تهران
دکتری معماری دیجیتال؛ توسعه دهنده ارشد ابزارهای ساخت دیجیتال در سیروکولار فکتوریخلاصه سخنرانی
- تکامل ابزارها: نقد استفاده از ابزارهای جدید برای کارهای قدیمی (مثال «اردک رباتیک» قرن ۱۸) و تأکید بر اینکه ابزار جدید باید پتانسیل‌های جدید ایجاد کند، نه فقط اتوماسیون کارهای قبلی 15، 16.
- پارتنر طراحی: ابزار باید فراتر از یک ماشین ترسیم باشد و مانند سیستم «Auto-correct» موبایل، نقش یک شریک طراحی (Design Partner) و میانجی را ایفا کند 17، 18.
- نتایج پژوهشی: سیستم‌های «محدودیت‌محور» (Constraint-based) نسبت به سیستم‌های با پایان باز، منجر به عملکرد بهتر اما خلاقیت کمتر می‌شوند 19.
- تأثیر بر تصمیم‌گیری: هوش مصنوعی می‌تواند به عنوان «مفسر داده» عمل کند و اگرچه در ابتدا منحنی یادگیری دارد، اما در نهایت سرعت تصمیم‌گیری را افزایش می‌دهد 20، 21.
متن کامل سخنرانی
سلام به همگی وقتتون بخیر من یه مقدار دیدگاه شاید متفاوت باشه. من راجع به این صحبت میکنم که اساسا چون در روند پژوهشیم معتقدم که اتوریته یا حرف نهایی در تصمیم‌گیری رو باید غیرمتمرکز کرد؛ تمام کارایی که حالا در این سال‌ها ابزار استفاده کردیم در همین راستا بوده یعنی اگه یه پروسه‌ای هست که معمار باید حرف اول و آخر بزنه ما معتقدیم که باید یه پلتفرمی درست کنیم که همه بتونن حرف بزنن اگه یه دستگاهی هستش که فقط اپراتور ویژه‌ای میخواد ما معتقدیم که باید بتونیم اینو یاد بدیم به کارگر نیمه ماهر و ... و در همه این فرایندها من به پخش اتوریته معتقد هستم. سوای اینکه هوش مصنوعی ابزار خوبه یا بده من صرفاً اینجا در مورد این صحبت میکنم که اگر بخواد این به فرآبندهای معماری دیجیتال ما چیزی اضافه بکنه به چه نحوی میتونه این کارو انجام بده. بنابراین از اینجا شروع میکنم ببینید این اردک اولین اردک رباتیک ال ۱۷۹۰ و خورده‌ایه و ۲۵۰ سال بعدش اون استفاده از ال‌ال‌ام مثلاً در گرسهاپر و اسکریپتینگ. اینجا مسئله چیه اینجا مثلا این که وقتی اردک درست میکنن براش معده و روده هم میذارن چون باید دونه هم بخوره آب باید بخوره و ... بعد باید این دو تا رو مصرف بکنه یعنی معده داره و بعد کارای دیگه؛ یعنی اردک رباتیکه دقیقاً قراره کاریو که اردک واقع انجام میده بکنه این مشکلیه که الان میخوام راجع بهش صحبت بکنم یعنی اینکه شما یه چیزی مثل چت‌جی‌پی‌تی دارین دارین بهش میگین که بیا اسکریپتینگی رو انجام بده که بر یک بستر دیگه‌ای بنا شده یعنی نه اون مدیوم مدیومی‌ست که کارآمد‌ترین حالت ممکنش باشه, نه اصلا این ابزار برای این طراحی شده حالا من یه ذره دیگه دوباره پس و پیش خواهم رفت. ببینید اولین مشی که با دست اولین مشی که تولید شده به صورت دیجیتال اولین رندر دیجیتالی تاریخ ۱۹۷۹ و اون اسکچ پد مال 1963 .یعنی مثلاً اون مال ۶۰ سال پیش در نظر بگیرین. ازین منظر ببینید که مسئله من, مسئله‌‌ی یک پدیده جدید هست و تاثیرش روی ابزار. این زمانی که این اولین مش داره تولید میشه و میان پلی‌گون‌ها رو با دست میکشن اگر اون موقع ابزار پوینت کلاود و پوینت کلاود پراسسینگ و این حرفا وجود داشت دیگه ما مش تولید نمیکردیم. به طریق اولا ببینید اسکچ پدی که اونجا ازش استفاده میکنن اصلاً نوع رابط کاربریش که مثلاً بخواد خطچین بذاره قلم با قلم کاتودی داره کار می‌کنه با قلم روی صفحه نمایشی این مال زمانیه که حتی کامپیوتر در بزرگترین آفیس‌های معماری هم نیست مثلاً تو ارتشه منتها به مراتب هوشمندتر از اتوکدیه که اولین ورژنش ۱۹۸۲, ۲۰ سال بعد از این داره منتشر میشه و ببین اصلا اتو-اسنپ داره خودش هم همه کارهاییو که اتوکد سال‌ها بعد داشت میکرد همین اسکچ پد اون اول داشت میکرد یعنی اینکه خیلی وقتا ایده‌ها وقتی با ابزار مخلوط میشن اتفاقا پتانسیل اصلی خودشون رو نشون نمیدن حالا در باب تألیف و اینها هم که نکاتی فرمودن من یه چند تا عرض تکمیلی دارم ببینید همون موقعی که هیچ کدوم از ابزارهای رایانش توی دست معمارا نبود کسایی مثل یونا فریدمن و مثلا نیکولاس نگروپونته ۱۹۶۴ تا ۶۷ این ایده‌ها رو داشتند. مثلا اینکه کاربر دستش خسته میشد و بعد دستشو می‌ذاشت زمین بعد تصمیم گرفتن که موسو براش درست کنن یعنی اگه تصمیم می‌گرفت که مونیتوررو بذاره زمین احتمالاً اول تبلت درست میشد بعد موس درست میشد. خب اینجا هم یونا فریدمن معتقده که اون این ابزاره که قراره یه روزی بیاد دست معمارها به نظر من کیبوردش باید این شکلی باشه به نظر من اصلا باید کانفیگوریشن‌های پلانی داشت باشه نه کیبورد متعارف کامپیوتر‌ها. خب بنابراین حالا بعداً راجع به اینترفیس تئوری و این حرفا هم اگر لازم شد صحبت میکنیم ولی اینا خیلی بحثهای ریشه داریه که میگه که نوع رابطه شما با این هوش مصنوعی از چه مدیومی از هر نسبت به هر ابزار جدیدی از چه مدیوم استفاده می‌کنین با چه رابطی باهاش حرف می‌زنین خیلی تأثیر می‌ذاره روی فرایند شما بنابراین از همون موقع ۶۰ سال پیش ایده این بودش که ابزار طراحی اگر قرار است آگمنت – افزوده- بشود باید پارتنر طراحی باشه که از مشکل آگاهه. یعنی پارتنر یعنی یه کاری شما بکنین یه کاری اون بکنی یه کاری شما بکنید نه نه به صورت اینکه برون سپاری بکنیم یا اتوماسیون یا مثلاً کاری که اتوکد کرده و بعد از ۲۰ سال میگن خیلی کار بدی بود در روند توسعه فرنده طراحی میگن که ما اتوکد به عنوان یه نهاد تجاری میاد میگه من کجا این پروسه رو می‌تونم به شما بفروشم؟ میگن اتوماسیون مدارک خب در صورتی که کلی اون اول هم چیزهایی بود که می‌تونستیم برها برای اون‌ها هم راهحل‌های رایانشی داشته باشیم ولی اون اونکه ما بریم فقط اتوماسیونو برونسپاری بکنیم یه سطحیه ولی اینکه ما بتونیم یک پارتنری داشته باشیم در طراحی که بتونیم باهاش صحبت کنیم ضمن همه این ملاحظاتی که گفتم در مدیوم و غیره این اصلاً یک بحث دیگه‌ایه. بنابراین یک مثال دنبال یک مثال مشخص داشتم میگم می‌گشتم این بودش که صورت ایدآل گفته میشه که حالتی که مثل اتوکد کیبوردتونه ببینید اولاً یک فضای میانجگریه یک فضای مدیتد هست که شما رو خلاقیت شما رو یعنی شما این متنی می‌نویسین اگه غلط تایپی داشته باشین نمیگه این کلمه رو برات نمی‌فرستم خب به شما هی پیشنهاد میده هی میگه اینم میشه اینم میشه اصطلاحاً بهش میگن اتوبان با گاردریله یعنی گارد ریل‌هایی وجود داره پیشنهاداتی داده میشه ولی شما آزادین که هر کاری میخواین بکنین یه کلمه فینگلیشم مثلاً تایپ بکنین بنابراین در یک فضای میانجگری یا مدیتد به بین انسان و ابزار اگر بشه خلاقیت رو محدود نکرد ولی در عین حال کاوش فضای طراحی رو همون چیزی که آقای دکتر فرمودن که تولید گزینه‌های بی‌شمار یا همون کاوش فضای طراحی اونو بشه به روش‌هایی واکاوی کرد من برای یک مثال عینی امیدوارم که ویدیو اگر بشه یه کلیک این بکنید من میکنم ین من من از یه تجربه واقعی خدمتتون عرض میکنم ببین در راستای همین بسترهای مشارکتی که بشه این امکان رو به همه افراد سهیم یعنی اونی که خونه رو می‌خره اونی که میخواد سرمایه گذاری بکنه اونی که دولپر زمینه و غیره بتونیم این بستر رو در اختیار همه بذاریم همه حرف بتونن بزنن کاری که انجام شده بود این بودش که خب یه بستری طراحی شد با یه سری ویژگی‌هایی و مثلاً من فقط ۲۰ ورژن مختلف از این درست می‌کردم. یه زمانی دستیار هوشم مصنوعی می‌ذاشتم. یه زمانی همه آنالیزا رو به صورت برخط و به صورت متداول می‌گرفتم و حتی مثلاً براش مشاور هوش مصنوعی هم گذاشته بودم که هیچکسی ازش استفاده نکرده. یعنی من همه اینا رو داشتم تست می‌کردم که ببینم اینا واقعاً در مرحله عمل کار میکنن یا نه. حالا اینجا موضوع این بودش که راجع به یک برون‌سازه تصمیماتی گرفته بشه و در دو حالت ما یه حالت که عواقب تصمیمات رو به کاربر نشون میدادیم یه حالتم نشون نمیدادیم و این ی‌خواستیم با هم مقایسه بکنیم که ببینیم اصلاً ما آگمنت میخوایم بکنیم به چه دردی به چه نحوی باید به درد بخوره به چه نحوی میتونه کارآمد باشه که حالا نتایج جالبی هم داشت اتفاقاً از نظر زمانی خیلی نتایج معکوسی داشت یعنی اصطلاحاً اثر متأخر داره وقتی شما یک سیستمی رو میاین آگمنت میکنید بهش یه دستوری بهش یه پنل جدیدی اضافه می‌کنین طول می‌کشه توتوریال‌های خاصی میخواد که آدما بهش عادت بکنن حالا راجع به اینکه حتماً باید همه چی نسبت آنالیز بر خط روش‌های متداولمون که آنالیز سازه بکنیم، انرژی بکنیم آیا همه اینا باید هوش مصنوعی بشه یا نشه حرف‌هایی دارم که میشه راجع به میشه راجع بهش بعداً صحبت کرد ولی عرض من اینه که نتایجی که از این به دست اومد یک چهارچوبی رو به ما میده که اگر میخوایم از این ابزار جدید استفاده بکنیم چه بایدها و نبایدهایی رو میشه استفاده کرد؟ اولاً اینکه مطالعات نشون میده که خلاقیت در سیستم‌های اپن پایان باز نسبت به سیستم‌هایی که محدودیت محور هستن کمتره. سیستم‌هایی که محدودیت محور هستن به شما اجازه میدن که کارهایی انجام بدید ولی در عین حال قید و بند رو اصطلاحاً توش کد کردیم اینا توش رسیدن به نتیجه و پرفورمنس نتیجه آخر اتفاقاً بیشتره و بنابراین یک شیفتی داریم از محتوای پروفشنالی-جنریتد :محتوایی که مهندس سازه تولید کرده مهندس انرژی تولید کرده و به نسبت به به سمت محتوای یوزر-جنریتد: که میشه از هر دوی اینها استفاده کرد و سیستم های طراحی رو تغذیه کرد. بنابراین ما با مطالعه برخی از تئوری‌هایی که راجع به دیسیژن ساپورت سیستمز بود پارتیسیپتوری دیزاین طراحی مشارکتی بود و غیره و غیره سعی کردیم که اینا رو به قول معروف عملی ببینیم که به چه نحوی می‌تونیم وارد بسترمون بکنیم. دوباره مطالعات نشون میده که کاربرد خیلی خوبی داره اینه که به عنوان مفسر داده استفاده کنید تجربه ما هم نشون میداد که ما یه مدت جواب آزمایشها رو به صورت عدد خام نشون میدادیم این قابل فهم نبود یه مدت به صورت نمودار نشون میدادیم این قابل فهم نبود نه اینکه بپرسیم قابل فهمه یا نه به صورت ضمنی از روی نتایج و تصمیمات اینا رو متوجه می‌شدیم و بعد گفتیم که خب می‌تونیم یه ایآی مفسر بذاریم بگیم که این عددا این معنی رو میده انقدر اوضاع خرابه انقدر اوضاع خوبه و باهاش صحبت میکنیم بنابراین مفسر داده‌ها رو می‌تونیم ازش کمک بگیریم از این ابزارهای جدید استفاده بکنیم ایجاد شفافیت در تصمیم‌گیری خیلی از مواقع یه تصمیمی گرفته میشد مثلاً بالکنو طولانی میکرد بعد می‌گفتیم این قبض مثلاً انرژیش زیاد میشه و این خیلی براشون عجیب بود اینجا دوباره می‌تونستن از مثلاً هوش مصنوعی بپرسن که این چرا اینجوری شده واقعاً عواقب تصمیمات من یا برای اصلاحش باید چیکار بکنم؟ میشه سیستم‌هایی برای اینکه چند نفر همزمان اعمال نظر بکنن درست کرد. مثلاً یک شهرکیه که ما د تا واحد بالای همو خریدیم. واحد بالایی اگه بخواد بالکنشو زیاد کنه نور منو کم می‌کنه ولی اگه قبول کنه که شارژ بیشتری بسازه شاید من شارژ بیشتری بپردازه شاید من قبول کنم. میشه سیستم ها رو اینجوری آگمنت کرد حالا یا به وسیله هوش مصنوعی یا به روش‌های ساده تر که این امکان ایجاد بالانس و تریدآف توش وجود داشته باشه و دوباره چند تا پیشنهاد مشخص بخوام بگم این بودش که اهمیت خیلی زیادی داره که ما اطلاعاتو با دُز قابل فهم به کاربر بدیم یعنی اینکه ما در چند سطح مختلف اطلاعات میدادیم مثلاً اول یه بار نشون میدادیم می‌گفتیم که فقط به صورت یه لایک یا یه دیسلایک یا یه صورت خندان یا یک صورت حتی مثلاً فیدبک انسان‌گونه استفاده کردیم. منتها در عمل اتفاقی که میفته اینه که اینا همشون به افزایش کارایی تصمیم‌گیری نخواهد انجامید. بنابراین فقط به دو نتیجه از مجموع نتایج اون پلتفرم اکتفا میکنم. یکی اینکه لزوماً در سرعت تصمیم‌گیری اینا کمک نمی‌کنه یا دست کم این مط بهتره دقیق‌تر بگم که این مطالعه خاص به به سرعت تصمیم‌گیری کمک می‌کنه. یعنی اصلاً یک منحنی یادگیری خودش رو داره که اول در مقایسه با کسی که عادت کرده مثلاً با راینو و لومیون و غیره و غیره کار بکنه باید یه مقداری بیشتر زمان بگذره بیشتر زمان بذاره ولی وقتی که عادت می‌کنه یهو تصمیمات با وجود اینکه داره خیلی عواقب تصمیماتشو می‌گیره دیتای خیلی بیشتری می‌گیره تصمیماتشو میتونه سریع‌تر بگیره ولی در مورد پرفورمنس تصمیمات نهایی در همه هفت شاخصی که ما فیدبک میدادیم ولی فقط می‌گفتیم در انرژی خوب عمل کردی در ساز بد عمل کردی ولی دیدیم که با وجود اینکه ما اینا رو اصطلاحاً بسته بندی شده نشون میدادیم تونسته بودن ۷ تا شاخص زیرینو بدون اینکه بفهمن, بهبود ببخشن در این بخش من به همین کفایت میکنم اگر توضیحات لازمی باشه در خدمتتون هستم مرسی