Il machine learning può bilanciare lavoro e vita privata nel futuro dell’architettura?
Per molti architetti, lavorare di notte e nei fine settimana fa parte dell’incarico, soprattutto quando si avvicinano le scadenze dei progetti. Secondo il rapporto Equity in Architecture 2018, il 70% degli architetti intervistati non se la sente di chiedere ai propri committenti agevolazioni che permettano di conciliare lavoro e vita privata, come lavorare in remoto e orari flessibili.
Eppure, nel futuro dell’architettura, l’automazione e l’apprendimento automatico (machine learning) potrebbero egregiamente alleviare parte di questo disagio, prendendosi carico delle attività ripetitive e concedendo agli architetti più tempo per dedicarsi alla creatività del design (e a qualsiasi altra cosa vogliano fare).
Negli ultimi anni, io e i miei colleghi di Autodesk Research abbiamo messo alla prova l’apprendimento automatico per progetti di architettura speculativa. Questo ci ha permesso di identificare i tre modi in cui la progettazione assistita dall’apprendimento automatico può aumentare le competenze degli architetti, migliorare la produttività e automatizzare le attività ripetitive.
Innanzitutto, c’è “l’automazione della progettazione”, o generative design, in cui il progettista inserisce vincoli o parametri e l’algoritmo crea le opzioni di progettazione. Di questo si è occupato il team di ricerca di Autodesk per conto della sede Autodesk nel MaRS Innovation District di Toronto, in Canada.
Il secondo è “l’intuizione della progettazione”, in cui l’architetto ha il totale controllo della progettazione, ma l’apprendimento automatico fornisce informazioni e suggerimenti su questioni come i requisiti del regolamento edilizio locale. Ciò offre agli architetti una maggiore libertà di progettazione, grazie ad una guida utile (ma passiva) che può accelerare il flusso di lavoro, dalla pianificazione alla pre-costruzione.
Il terzo è “l’interazione della progettazione”, in cui il software di apprendimento automatico realizza la progettazione insieme all’architetto e automatizza le fasi più ripetitive del lavoro. Di recente abbiamo approfondito questo metodo con due partner di Autodesk, NVIDIA e Gensler. Dalla sovrapposizione dei nostri obiettivi comuni, è nato un progetto di ricerca da cui si evince che l’effetto dell’apprendimento automatico nella progettazione e costruzione di edifici sarà notevole.
Dal BIM al GAN
Utilizzando uno dei progetti di costruzione di uffici di NVIDIA (progettato da Gensler) come test, abbiamo esaminato la fattibilità dell’apprendimento automatico nel flusso di lavoro dell’architetto per verificare uno scenario in cui umani e macchine lavorano insieme.
Per semplificare l’esperimento, abbiamo deciso di utilizzare come banco di prova una parte del terzo piano e non l’intero edificio. Ci siamo concentrati su tre tipi di componenti – postazioni di lavoro, sale conferenze e cabine telefoniche – concordando sul fatto che questi avrebbero fornito informazioni sufficienti per testare il concetto in modo convincente.
Con l’aiuto di NVIDIA e Gensler, abbiamo raccolto tutte le varianti di questi tre componenti utilizzate nei loro progetti attuali ed abbiamo creato una serie di dati che contiene tutte le possibili combinazioni spaziali di ogni tipo.
Un modello di apprendimento automatico “impara” trovando campioni in un’ampia serie di dati, in questo caso esempi di disposizione interna per un edificio adibito ad uffici. Uno dei principi fondamentali dell’apprendimento automatico è che il modello deve essere formato sia su dati positivi che negativi, dati che indicano al modello quali risultati si desidera ottenere (ambienti di lavoro pratici, piacevoli e produttivi) e quali no. Se fornissimo solo dati positivi, il modello non capirebbe quando ha sbagliato qualcosa e potrebbe trovarsi con intere pareti occupate dalle postazioni di lavoro, o potrebbe non lasciare tra loro lo spazio sufficiente per passare.
Per questo progetto, abbiamo scelto un tipo specifico di modello chiamato rete antagonista generativa (GAN). Come un progettista umano, un sistema di apprendimento automatico può accelerare e approfondire la propria comprensione di un dominio di conoscenza confutando ripetutamente le proprie ipotesi su quanto già appreso.
In una GAN, ci sono due modelli che si sfidano. Entrambi sono formati utilizzando le GPU NVIDIA, per “conoscere” le disposizioni ottimali per un ufficio: combinazioni di mobili, infrastrutture (come HVAC e impianti idraulici), luce e spazio, che rappresentano la buona progettazione di un ufficio. Un modello genera costantemente combinazioni di queste funzionalità che l’altro modello dovrà accuratamente classificare come “buona” o “cattiva” progettazione.
Se il test va bene. . .
Per rendere reale il processo BIM-to-GAN, Autodesk ha creato un’interfaccia schizzo che ha utilizzato un flusso di lavoro ben noto ai progettisti di Gensler chiamato “test fitting”: l’architetto seleziona parte di un edificio commerciale adibito a uffici e cerca di adattare, nel miglior modo possibile, il numero definitivo e la configurazione ideale per cabine telefoniche, sale conferenze e postazioni di lavoro all’interno dello spazio prescelto.
Il team ha inserito gli obiettivi del progetto: 20 sale conferenze, 20 cabine telefoniche e 200 postazioni di lavoro. Questi requisiti sono stati configurati per quattro tipi di zone: le tre zone obiettivo del progetto più le “zone riservate”, ovvero cucine o ingressi, in cui non sono previsti questi componenti e che devono rimanere sgombre per motivi pratici.
Usando una penna e un tablet, i progettisti hanno disegnato all’interno del perimetro dell’area da considerare. Hanno poi immesso i dati di destinazione, descrivendo cosa inserire nello spazio. La geometria di quello spazio potrebbe quindi essere convertita in BIM, visualizzando lo schizzo come una geometria 3D ad alta fedeltà.
Una sfida impegnativa per gli architetti si presenta quando bisogna elaborare le modifiche alla configurazione di un ufficio, ad esempio 400 postazioni invece di 350. Tali modifiche, generalmente, richiedono che il progettista inizi da zero in Autodesk Revit, seguendo un procedimento meticoloso mirato a creare e confrontare le varianti di uno spazio. Senza il supporto della tecnologia di apprendimento automatico, gli architetti di solito si affannano per soddisfare ogni richiesta del cliente, finendo col trascurare qualcuno degli obiettivi del progetto.
Ma la GAN, consentendo l’analisi di configurazioni alternative, può far risparmiare ai progettisti un’enorme quantità di compiti ripetitivi, permettendo loro di concentrarsi sugli elementi creativi del proprio lavoro. Per la fase di sketching basterebbero 90 secondi ma, per elaborare quei 90 secondi senza l’ausilio dell’apprendimento automatico, i progettisti di Gensler potrebbero impiegare due o tre settimane, per fare e rifare il lavoro in Revit.
Il modello consente inoltre agli utenti, utilizzando le GPU NVIDIA, di convertire il progetto direttamente in un’interfaccia di realtà virtuale (VR). Immediatamente dopo aver terminato il disegno, si potrebbe indossare un visore VR e passeggiare nello spazio appena creato per vedere come sarebbe realmente l’ambiente di quell’ufficio. Se il risultato non piacesse, basterebbero cinque minuti per trovare un’alternativa.
Il futuro del flusso di lavoro
Se, da un lato, in futuro l’apprendimento automatico potrebbe automatizzare alcuni dei banali compiti degli architetti, l’obiettivo dei progettisti dovrebbe essere quello di mantenere il controllo degli aspetti creativi della progettazione. Un architetto utilizza abilità tipicamente umane per creare un ambiente che sia un luogo piacevole nel quale lavorare e interagire.
Sarà difficile far comprendere alle GAN le parti immateriali del progetto, come l’aspetto e la finitura, l’estetica dei materiali e quanto l’ambiente circostante possa favorire la collaborazione tra i team. Ma l’apprendimento automatico gioca un ruolo importante nel calcolo di una configurazione ottimale che ripartisca lo spazio per i diversi tipi di attività e determini le esigenze infrastrutturali dell’edificio. La tecnologia potrebbe fornire una guida che possa aiutare gli architetti a scegliere il progetto più pratico e realizzabile.
Potrebbero passare alcuni anni prima che la progettazione assistita dall’apprendimento automatico sia ampiamente a disposizione degli architetti. Ed è difficile quantificare l’impatto del nostro esperimento sulla produttività perché non si trattava di uno strumento in versione commerciale ottimizzata. Ma abbiamo avuto la conferma che l’apprendimento automatico può essere applicato a un flusso di lavoro capace di aumentare la produttività (e diminuire la ripetitività) di architetti, ingegneri e costruttori. E di permettere agli architetti di concedersi qualche giorno di vacanza in più.
Contenuto aggiuntivo fornito da Chin-Yi Cheng, principale ricercatore scientifico, Autodesk AI Lab.