自动化、人工智能和建筑的未来

来源: [英]尼尔·里奇 时代建筑  时间: 2019.12.10  打印本页  分享:
建筑师通常着迷于未来主义设计,他们对最新的设计和制造技术保持开放态度。事实上,如今许多建筑学院都着迷于机械臂,有些正尝试着在设计过程中使用人工智能。很显然,经典设计遭到了冷落。
       主题文章简介

 

       自布鲁诺·拉图尔在1979年出版《实验室生活》一书开始,实验性研究的技术性与社会性之间的关系便开始被不断地反思。21世纪初,随着数字化设计与建筑机器人技术的快速研发与应用,世界各地涌现出众多数字建造实验室,形成了一种如同当年包豪斯时代的实验设计与建造的社会共同体。在这个共同体中,数字工具的通用性为知识共享与合作提供了可能性,并在当代呈现出工作营、国际会议、展览、学术协会、客座教学等多重合作机制。这些动态的合作机制不仅从社会层面潜在地驱动着数字技术发展的导向,并且从根本上挑战着对知识生产的传统定义。基于数字建筑学的方法论,不同的高校、研究机构、建筑师的合作研究加速推动着技术更替和知识迭代。那么,这些实验性研究与实践共同体,是如何重新思考建筑教育以及设计方法、建造技术革新所带来的建筑产业升级呢?本期杂志希望通过基本问题的理论反思、个案分析和历史研究的方式做出探索性的思考。

 

       主题文章中,袁烽等试图勾勒实验建造共同体的概貌及特征,并展望了智能建造共同体对建筑产业进行知识更迭的未来图景。安东尼·皮孔的文章叙述了人工与更广义的建筑自动化问题之间的关系,并聚焦于人类与智能机器之间交互的未来前景。马里奥·卡尔波剖析了伦敦大学巴特莱特建筑学院的“数字粗野主义”,并探讨了它与当今超尺度的、体块化的构件形式语言以及离散化构件的堆叠设计方式之间的联系。闫超剖析了当代数字化实验建造中“数字工匠”概念所映射的感知机制以及“身体”在生产工艺中的重要位置,并推演出自我身体认知对于实验建造探索过程以及实验建筑共同体社会关系的影响。阿雷蒂·马可波罗、梅特·汤姆森等人以及罗兰·斯努克斯分别介绍了加泰罗尼亚高级建筑研究所,丹麦皇家美术学院建筑、设计和保护学院信息技术与建筑中心以及墨尔本皇家理工大学建筑学院斯努克斯实验室三个实验建造共同体的研究模式。尼尔·里奇的文章则面向建筑的未来,指出自动化和人工智能对建筑学科构成了潜在的社会经济威胁。

 

渐入遗忘

自动化、人工智能和建筑的未来

Sleep Walking into Oblivion

Automation, AI and the Future of Architecture

 

[英]尼尔·里奇  著    Neil LEACH

赵冰  译    Translated by ZHAO Bing

沈洁    闫超  校    Proofread by SHEN Jie, YAN Chao

 

Abstract

 

     人工智能和自动化在建筑学科中越来越受欢迎。但这种对最新和最先进技术的痴迷背后是否存在危险?自动化和人工智能可能对建筑造成什么样的长期社会经济影响?自动化有可能取代建筑工地上的工人,那么人工智能会取代建筑师吗?建筑师倾向于将自己定位成高度原创、富有创造力、永远不会被人工智能取代的人,但事实真是如此吗?文章旨在对看似未意识到自动化和人工智能对自身构成潜在社会经济威胁的学科提出警醒。

 

 

       在线阅读

 

       1 引言

 

       建筑师通常着迷于未来主义设计,他们对最新的设计和制造技术保持开放态度。事实上,如今许多建筑学院都着迷于机械臂,有些正尝试着在设计过程中使用人工智能。很显然,经典设计遭到了冷落。

 

雷菲克·安纳托鲁,StyleGAN使用扎哈建筑事务所的设计数据库生成建筑研究

©Refik Andadol,2019

 

       然而,建筑师虽然对未来主义如此有兴趣,他们对自己职业的未来却令人惊讶地漠不关心。电影制作人一直在从广泛的社会经济和文化角度思考未来,制作了从《大都会》到《少数派报告》和《银翼杀手2049》这样的电影,而建筑师,除了关注一下设计趋势,似乎很少考虑到长远的未来。《由100栋建筑看建筑未来》(The Future of Architecture in 100 Buildings)这本书能够很好地概括建筑师未来发展前景,书中马克·库什纳(Mark Kushner)指出了可能影响建筑设计未来的100座建筑[1]。但看上去设计就像是唯一重要的因素,任何有关行业本身未来的社会经济问题都没有被提及。缺乏对未来的关注这一趋势似乎已延伸到了建筑教育上。虽然所有建筑学院都提供几门关于建筑历史的课程,但据我所知,没有一所学校提供关于建筑未来的任何课程。

 

       这有些自相矛盾,因为建筑是以未来为基础预测的,毕竟,每一个建筑设计都有在未来建成的可能。令人惊讶的还有一点,建筑师对最新的数字技术的迷恋并不会深入到这些技术的社会经济影响层面。事实上,已经有大量诸如警告我们可能会由于引入自动化和人工智能而导致未来人们失业的出版物出版,但建筑师却很少关注它们。现在引入了这些新技术,不是应该到了建筑师醒来,关心一下自己的未来,特别是社会经济性的未来的时候了吗?

 

       2 未来的失业威胁

 

       在《金融时报》(Financial Times)的畅销书《职业的未来:技术将如何改变人类专家的工作》(The Future of the Professions: How Technology Will Transform the Work of Human Experts)中,理查德·苏斯金德(Richard Susskind)和丹尼尔·苏斯金德(Daniel Susskind)对包括建筑在内的所有职业的未来发出了重大警告,其有关数字技术对职业的潜在影响,“我们处于一个涉及根基且不可逆转的变革时期的边缘……技术将是这一变化的主要驱动力。并且,从长远来看,我们既不需要也不希望专业人士以20世纪及以前的方式工作。”[2]

 

       两位苏斯金德首先指出,对于职业的未来将如何发展有两种可能的理解。一种是现有的主要源于19世纪的职业模型延续下去,但通过引入新技术逐渐得到简化并更加高效。在这种情况下,机器作为人类的“伙伴”承担日常工作或苦差事。因此,我们面临的挑战不是人类与机器竞争,而是与机器一起运行[3]。第二种则是完全不同的模式,涉及更多强大技术的引入。这些技术将开始取代人类,并侵蚀现有的职业模式。对于苏斯金德们来说,这两种模式都适用于当下,并且并行运作。然而,随着时间的推移,他们预测第二种模式将成为主导。

 

       两位苏斯金德概述了先进数字技术对个人职业的影响,他们的观察和结论有时令人不安。以新闻业为例,毫无疑问,线上新闻现在已经超越了印刷新闻。同时,正如大家所知的,个体算法根据个人偏好过滤新闻来源,可以产生浏览者“泡沫”,使他们正好看到所希望看到的新闻类型。在选举中,通过各种机器人自动产生影响选民的意见这样的外部干预变得越来越普遍,这些也早已不是秘密。但是很多人可能会讶异于很多新闻报道是由人工智能生成的,因为这些新闻令人十分信服。事实上,由伊隆·马斯克(Elon Musk)等人支持的非营利性研究公司OpenAI最近开发了一种工具GPT2,它生成的“假新闻”过于逼真,公司为了防止它被用在错误的地方,最终决定不向公众发布①。其后一周,马斯克便退出了研究小组②。

 

       两位苏斯金德仅简要介绍了建筑行业。他们提到了CAD和BIM的引入,以及一些更高级的应用程序,例如用于模拟集群行为的多代理系统;他们引用了奈瑞·奥克斯曼(Neri Oxman)对集群印刷和实验性建造的探索;评论了格拉马齐奥·科勒(Gramazio Kohler)使用无人机建造的探索;并且提到了欧特克公司(Autodesk)的Dreamcatcher项目。然而重要的是,在这本书出版之后,建筑学科中的人工智能领域出现了一些非常重要而当时他们还不了解的发展。我们接下来会看到,这些发展似乎表明人工智能很快就能够脱离人类帮助来设计建筑物。

《纽约时报》畅销书马丁· 福特(Martin Ford)的《机器人的崛起:技术和无业的未来威胁》(The Rise of the Robots: Technology and the Threat of a Jobless Future)提出了类似的论点[4]。虽然两位苏斯金德是学者,而福特是硅谷软件开发公司的创始人;苏斯金德比较的是不同的学术观点,而福特比较的是ABB集团和Kuka AG机器人公司之间的差异,但两者得出的结论却非常相似。

 

       福特的观点也许可以通过一个思想实验得到最好的总结。福特想象了一个地球突然被一大群外星人入侵的场景,侵入者是通过执行有效用的工作来满足他们的主要动机的,“外星人对休闲、娱乐或一般的智力追求毫无兴趣。他们没有家庭或个人空间、私人财产、金钱或财富的概念……外星人逐渐融入我们的社会和经济。他们渴望工作,而且无需工资……他们从较常规、低水平的工作开始,但迅速展示了承担更复杂工作的能力。外星人逐渐取代了人类工人,即使那些最初拒绝用线路取代人的企业主最终也别无选择,只能在竞争对手这样做之后进行转型。”[4]194-195

 

       显然,这些外星人就是机器人。而且,随着故事的展开,后续情节显而易见,“失业率开始无情地上升……就业竞争增加……公众对未来越来越害怕,消费市场变得极为分化,少数人……随着业务盈利能力的提高表现得非常出色,奢侈品的销售额快速上升,服务业蓬勃发展。其余的是美元商店经济[1]。随着越来越多的人失业,或者他们害怕很快就会失去工作,节俭成了生存之道。”[4]195重要的是,这些“外星人”不会买任何东西,因而没有资金回馈经济。人们抵押贷款违约,债务飙升,税收收入崩溃。最终,这将导致经济完全崩溃。

 

       福特认为,自动化和人工智能不仅会从蓝领工人那里夺走工作,也会从白领工人手中夺走工作,问题将蔓延到对整个经济的影响,他所预测的是撼动根基的经济崩溃③。

 

       3 人工智能、自动化和创造力

 

       随着人工智能和自动化的引入,建筑将如何发展?建筑作为一门被认为是依赖于创造力,很少与计算机相关联的学科,是否能在很大程度上免受这些问题的影响?

 

       在最近的一项调查中,贝内迪克特·弗雷(Benedikt Frey)和迈克尔·奥斯伯恩(Michael Osborne)通过计算机化的广泛类别就人口流离失所方面的潜在敏感性评估了美国700多个职业[6]14 。据他们的调查所示,建筑看起来并不太糟糕。在702个职业中建筑位列82,排名靠前,这表明它不易受到计算机化的影响。他们称,建筑作为一门创意学科看起来相对安全,“在未来几十年内,需要高度创造性智慧的职业似乎不太可能实现自动化。”[6]26但情况确实如此吗?

 

       很多人会质疑机器是否能像人类一样富有创造力。举例来说,日本计算建筑师渡边诚真琴(Makoto Sei Watanabe)撰写的关于人工智能在设计领域的潜在应用的文章指出,“机器在解决许多错综复杂条件下的复杂问题方面优于人。在这一领域,人们无法与机器相匹敌。但能够创造尚不存在的形象的只有人,机器没有梦想。”[7]

 

       然而,越来越多的迹象表明人工智能非常具有创造力。如同两位苏斯金德所观察到的,“与普遍的认知相反,机器现在完全能够超出它们的原创设计师人类的思考,生成新奇的结果。 ”[2]xi

以“第37手”(Move 37)为例,这指的是AlphaGo在2016年与李世石(Lee Sedol)的第二场比赛中下的第37手棋,当时是围棋世界冠军第一次被电脑打败。一开始李世石对AlphaGo的这一手棋感到非常惊讶,但最后他意识到了内含在其中的机智和创造力。围棋专家范辉评论道,“当AlphaGo下这一手棋时,我认为它犯了一个错误。我立刻想看看李世石的反应。起初,他似乎笑了起来——好像他也认为它犯了一个错误——但随着时间的推移,很明显他开始意识到对方的聪明之处。事实上,赛后他说,当看到这一手棋时,他最终意识到AlphaGo很有创意。”[8]

 

       4 建筑与创造力

 

       到底什么是创造力?玛格丽特·博登(Margaret Boden)曾说,“创造力可以被定义为产生新颖和有价值的想法的能力。”[9]对于博登来说,“有价值”有许多含义:“有趣,有用,美丽,简单,非常复杂等等”。同时,“想法”可以以多种形式出现,包括“概念、理论、解释、故事”等抽象的观点,也包括诸如“图形图像、雕塑、房屋和喷气发动机”等人造物[9]。

 

       博登指出,创造力并非魔法。虽然我们认为创造力是一个神秘的过程,是一个往往与直觉相关的“黑匣子”,但这仅仅是因为我们并不完全了解它的运作方式。创造力也不需要在很高的水平上运作,她举了一些由人工智能生成的相对老套的笑话的例子,如,“你把一个奇怪的市场叫做什么?一个奇异的集市(A bizarre bazaar)。”[9]虽然这种创造力明显水平很低,但它仍然是创造力。此外,我们是否也无需质疑我们对人类创造力的理解呢?如同上述,人类的创造力可能并不是一种“神话”?[10]

 

       博登将创造力分为三种不同的类别——组合、探索和转化。对于博登来说,建筑同音乐和艺术生产一样,是探索性创造力的一个例子。探索性创造力是基于一种文化认同的思维方式或“概念空间”,是由一系列的生成规则所定义的。这里重要的一点是,如果建筑是基于一组生成规则的,那么,一旦建立了这些规则,建筑形式就很容易生成。博登举了一个稍显过时的研究弗兰克·劳埃德·赖特(Frank Lloyd Wright)作品的形式语法案例,该研究提出了许多其他可能产生的设计[9]。然而这篇文章写于20多年前,远在最近的基于深度学习的人工智能(Deep Learning AI)大爆发之前。人工智能的爆发可以说是各种因素共同作用的结果,例如大大改进的算法,基于云的计算,数据的巨大增长以及纯粹的市场竞争。如果20年前的形式语法可用于设计相对令人信服的建筑物,那么现在能够深度学习的人工智能可以实现什么?

 

       5 创造力和人工智能

 

       我们可以从最近发展的生成对抗网络(Generative Adversarial Networks,下文简称“GANs”,由伊恩·古德费勒(Lan Goodfellow)在2014年提出)中一窥深度学习人工智能的创造潜力[11]。 GANs是基于两个神经网络之间的竞争,始终存在一个自下而上的生成器——或者说“艺术家”(通常是反卷积神经网络)来生成图像,以及一个自上而下的鉴别器——或者说“批评者”(通常是卷积神经网络)来评估这些图像。在竞争中,生成器试图通过产生逼真的图像来欺骗鉴别器,图像非常逼真,以至于鉴别器不能将它们与真实数据集区分开来④[12]。有效的GANs是一种通过生成过程来训练计算机执行复杂任务的方式,两者协同工作,“艺术家”训练“评论家”,“评论家”训练“艺术家”。一旦“艺术家”完成培训, “评论家”就可以被移除。GANs虽然也被用于生成服装、鞋子、工业设计品,甚至建筑物的室内和室外,但它们最适合生成的还是非常逼真的面部。

 

       GANs的升级版本,创造性敌对网络 (Creative Adversarial Networks,下文简称“CANs”)也被用来生成艺术作品,“该系统通过观察艺术和学习风格来创作艺术;通过偏离学习风格来唤醒更多的艺术潜力,从而变得具有创造性。”[13]它生成的艺术作品非常令人信服,人类难以将它与真正的艺术家作品区分开来,因而CANs似乎能通过图灵测试。事实上,CANs制作的一幅画最近已在一家拍卖行售出。

 

Edmond de Belamy(2018年)一幅由巴黎艺术家“显然”集体生成的创意对抗网络肖像画

©显然,2018年

 

       最新版本的GANs,即StyleGAN,是迄今为止能力最强的。StyleGAN是一种基于开源风格的生成器架构,不仅更易于使用,而且改善了分辨率和质量。Style生成的一些人脸图像看起来已逼真到无法与真实的面孔区分开来,但它提供的最重要的改进或许是可以将图像简单地输入,而不需要像以前版本的GAN那样必须标记或分类,这节省了大量时间⑤ [14] 。

 

StyleGAN 人脸,使用www.thispersondoesnotexist.com生成

©Neil Leach,使用StyleGAN网站生成的图像,www.thispersondoesnotexist.com

 

       在建筑领域内,最近有许多使用StyleGAN来生成建筑物图像的尝试。如,媒体艺术家雷菲克·安纳托鲁(Refik Anadol)探索了如何使用StyleGAN来“幻觉化”动画电影,从中可以提取潜在建筑物的静态图像。这是以扎哈建筑事务所(Zaha Hadid Architects)的大量设计的照片为数据库来实现的。

 

雷菲克·安纳托鲁,StyleGAN使用扎哈建筑事务所的设计数据库生成建筑研究

©Refik Andadol,2019

 

       然而从建筑的角度来看,人工智能最复杂的应用体现在小库(XKool)的工作上。小库是一家位于中国深圳的初创公司⑥,它开发了一个基于云的计算应用程序,将人工智能应用到生成从建筑到城市规划等不同尺度的设计。该程序使用了深度学习,不仅可以搜索巨量的可能性,而且也能基于训练模型自动生成设计,并进行评估,再从各种评估模型中得到回馈。其意图使设计过程线性化,使之效率更高,更具有创造性。小库还尝试使用StyleGAN的变体来自动“幻觉化”建筑物。虽然它的数据库由现代主义建筑图像组成,导致生成的图像也明显具有现代主义风格,但在技术上,这与安纳托鲁所用的没有什么不同。

 

小库,StyleGAN使用现代主义建筑的数据库生成建筑图像

©Wanyu He,2019

 

       然而,这些技术仍存在一些局限性。目前,它们只能生成2D图像,而非3D形式;它们不仅需要大量的图像数据,还需要巨大的计算能力。尽管如此,它们对建筑设计的潜在贡献是显而易见的。一旦更强大的计算机出现,并且这些技术得到改良和提高,我们便可以期待更好的结果。那么,考虑到摩尔定律的逻辑,我们可以这样假设:技术的发展过程将加速,在未来短短几年内基于人工智能的强大技术便可用来生成3D建筑图纸⑦ [15](图10,图11)。

 

小库,人工智能辅助绘图

©Wanyu He,2019

 

       6 结语

 

       人工智能的这些发展将如何影响建筑行业?大多数评论家都会认同,人工智能最初会被用作加快设计过程和提高生产的工具。这种情形下,人类将使用计算机,而不是抵触它们。因此,人工智能将成为人类的一种“假肢”,是人类智慧的延伸。事实上,“延展智能”和“智能增强”这两个术语已经被用来描述这种形式的人机共生⑧[16-17]。这将不可避免地导致建筑事务所发生变化,因为人工智能提供的帮助将导致所需建筑师的数量大大减少。

 

       然而,像两位苏斯金德一样的一些评论家,认为人工智能最终将完全取代人类。这是否真的会发生仍然是一个悬而未决的问题。但是,无论是哪种情况,似乎都很清楚的是,一些建筑工作将会消失,建筑事务所的社会经济情况将因人工智能和自动化的引入而发生重大变化。

 

       在整个社会中,自动化和人工智能的威胁已经被广而告之。它甚至成为当代美国国内政治的一个问题,在这一点上来说,安德鲁·杨(Andrew Yang)是在一个有技术带来的就业风险的平台上担任总统候选人⑨。然而到目前为止,建筑行业内尽管已有人在使用人工智能生成设计,但这个问题实际上还没有被开始着手解决。

 

       建筑师设计了许多东西,但他们明显未能设计自己的未来。他们好像鸵鸟一样,把头埋在沙子里。除非建筑师很快开始解决这些问题,否则建筑行业将梦游向被遗忘的地方。

 

注释:

① 例如,在被输入乔治·奥威尔(George Orwell)的反乌托邦小说《1984》(Nineteen Eight-Four)的开场白之后——“四月真是寒冷的日子,钟声敲打了十三下”,它生成了以下文字:“我在开车去西雅图参加新工作的路上。我给车加油,将钥匙插入,然后让它跑着。我只是在想象那一天会是什么样的。从现在起一百年之后,2045年,我在中国农村贫困地区的一所学校任教,我会以中国历史和科学史为开始。” OpenAI能够根据原始的反乌托邦和超现实的文字来推演出这些文字行。参见:https://www.theguardian.com/technology/2019/feb/14/elon-musk-backed-ai-writes-convincing-news-fiction

② 参见:https://futurism.com/the-byte/elon-musk-quits-research-group

③ 有趣的是,对于最近有关美国与墨西哥南部边界的辩论,福特发表了具有高度话题性的评论:“我觉得具有讽刺意味的是,美国许多保守派坚决捍卫边界,以阻止那些想得到很少有美国人想干的工作的移民,而与此同时,却对虚拟边界完全没有担忧,而虚拟边界则对能够承担大多数美国人想干的高级技工完全开放。这在事后看来是非常有先见之明的。值得注意的是,福特的书是2015年出版的。

④ 正如拉尼·霍列夫(Rani Horev)所说,“生成器的输入是随机矢量(噪声),因此其初始输出也是噪声。随着时间的流逝,当它从鉴别器接收反馈时,它学会合成更多的“真实”图像。通过将生成的样本与真实样本进行比较,鉴别器还可以随着时间的推移而不断改进,从而使生成器更难以欺骗它。”参见:https://towardsdatascience.com/explained-a-style-based-generator-architecture-for-gans-generating-and-tuning-realistic-6cb2be0f431

⑤ 正如作者指出的那样:“新架构会导致自动学习,无监督地分离高级属性(例如,在人脸上训练时的姿势和身份)以及所生成图像(例如雀斑、头发)的随机变化,它可以实现直观、特定尺度的合成控制。

⑥ 何宛余曾经在OMA工作,因此得名“ Xkool”(即前库哈斯)。根据《城市词典》,Xkool也意为“超级酷”。“城市词典”参见:https: //www.urbandictionary.com/define.php?term = xkool

⑦ “摩尔定律”来自1965年时任飞兆半导体公司的首席执行官戈登·摩尔(Gordon Moore)所发表的评论——他后来成为英特尔的联合创始人。集成电路板上的晶体管数量每年将增加一倍,而成本会相应下降。这会导致指数增长。此后,雷·库兹韦尔 (Ray Kurzweil)等人将其应用于所有形式的技术。

⑧ 例如,正如阿南特·井格然(Anant Jhingran)所指出的那样,“人工智能使机器具有自主性并与人类分离。另一方面,人工智能则将人置于控制之中,并利用计算能力来增强我们的能力。”参见:https://www.wired.com/2016/01/forget-ai-the-human-friendly-future-of-computing-is-already-here。同样,正如伊藤穰一(Joi Ito)指出的那样:“与其从比较人和机器的角度考虑机器智能,不如更多地思考将人与机器集成在一起的系统,不是人工智能,而是扩展智能。”

⑨ 参见:https://www.yang2020.com/

 

参考文献:

[1] Mark Kushner.The Future of Architecture in 100 Buildings[M]. NYC: Simon and Schuster/TED, 2015.

[2] Richard Susskind, Daniel Susskind. The Future of the Professions: How Technology will Transform the Work of Human Experts[M]. Oxford: OUP, 2015: 1.

[3] Erik Brynjolfsson, Andrew McAfee. The Second Machine Age[M]. New York: W. W. Norton & Company, 2014: 12.

[4] Martin Ford. The Rise of the Robots: Technology and the Threat of a Jobless Future[M]. NYC: Basic Books, 2015.

[6] Carl Benedikt Frey, Michael A. Osborne. The Future of Employment: How Susceptible are Jobs to Computerisation?[EB/OL]. [2019-09-10]. https://doi.org/10.1016/j.techfore.2016.08.019.

[7] Watanabe, Makoto Sei. Can AI Make Designs[M]// Neil Leach, Philip Yuan, ed. Computational Design. Shanghai: Tongji UP, 2017.

[8] Demis Hassabis,Fan Hui. AlphaGo: Moving Beyond the Rules[M]// AI: More Than Human. Chloe Wood, Suzanne Livingston, Maholo Uchida,ed.  London: Barbican International Enterprises, 2019: 89.

[9] Margaret Boden.Computer Models of Creativity[J]. Association for the Advancement of Artificial Intelligence, 2009, 103 (I 998): 347-356.

[10] Rochelle King, Elizabeth Churchill, Caitlin Tan. Designing with Data[M]. Sebastopol, CA: O'Reilly, 2017: xi.

[11] Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair,Aaron Courville, Yoshua Bengio. Generative Adversarial Networks[C]//Proceedings of the International Conference on Neural Information Processing Systems (NIPS 2014): 2672-2680.

[12] Rani Horev.Explained: A Style Based Generator Architecture for GANs-Generating and Tuning Realistic Artificial Faces[EB/OL]. (2018-12-30)[2019-09-10]. https://towardsdatascience.com/explained-a-style-based-generator-architecture-for-gans-generating-and-tuning-realistic-6cb2be0f431?gi=30769c35415a.

[13] Ahmed Elgammal, Bingchen Liu, Mohamed Elhoseiny, Marian Mazzone. CAN: Creative Adversarial Networks, Generating "Art" by Learning About Styles and Deviating from Style Norms[EB/OL].(2017-06-21)[2019-09-10]. https://arxiv.org/abs/1706.07068.

[14] Tero Karras,Timo Aila, Samuli Laine, Jaakko Lehtinen. Progressive Growing of GANs for Improved Quality, Stability, and Variation[EB/OL].(2017-10-27)[2019-09-10]. http:// arxiv.org/abs/1710.10196.

[15] Ray Kurzweil. How to Create a Mind: The Secret of Human Thought Revealed[M]. NY: Penguin, 2012.

[16] Anant Jhingran. Obsessing about AI is the Wrong Way to Think about the Future[EB/OL].[2018-05-01]. https://pubpub.ito.com/pub/resisting-reduction.

[17] Joi Ito.Resisting Reduction: A Manifesto[EB/OL]. (2017-11-01)[2018-05-01]. https://pubpub.ito.com/pub/resisting-reduction.

完整深度阅读请参见《时代建筑》2019年第6期 实验建造共同体,[澳]罗兰·斯努克斯 著;宋雅楠 译;闫超 校《行为物质化:皇家墨尔本理工大学建筑学院斯努克斯实验室的设计实践》,未经允许,不得转载。

 

作者单位:同济大学建筑与城市规划学院、高密度人居环境生态与节能教育部重点实验室

作者简介:尼尔·里奇,男,同济大学建筑与城市规划学院 教授

译者单位:同济大学建筑与城市规划学院

译者简介:赵冰,女,同济大学建筑与城市规划学院 博士生

校者单位:同济大学建筑与城市规划学院

校者简介:沈洁,女,英国杜伦大学 博士候选人

闫超,男,同济大学建筑与城市规划学院 博士后研究员