Исследование климатической стратегии фасадов с помощью искусственного интеллекта в Grasshopper Определение того, когда и где внедрять искусственный интеллект в архитектурный рабочий процесс, имеет решающее значение. Интересно наблюдать, как программное обеспечение (Rhino3d, Grasshopper, Revit) развивается в архитектурных рабочих процессах с течением времени. ИИ, будучи динамичным, поднимает вопрос: Где он должен быть? Инструменты ИИ (машинного обучения), такие как PlanFinder, наряду с вычислительным дизайном, могут существенно повлиять на ранние этапы проектирования. В этой демонстрации я рассматриваю простой пример: Генерация планов при оптимизации южно-ориентированного фасада на парижской улице Хаусманна. Сценарий учитывает такие факторы, как уменьшение поступления солнечного тепла летом и максимальное увеличение поступления тепла зимой, устанавливая взаимосвязь между глубиной балкона и геометрией арки. Если набросать идеи на бумаге и превратить их в вычислительные параметры - дело простое, то получить хорошие визуальные результаты с помощью Stable diffusion оказалось непросто. Почему так сложно? 🤔 Попытки заставить сгенерированные ИИ изображения соответствовать тому, что на уме, подчеркивают возможное неправильное использование ИИ.
Hide player controls
Hide resume playing