Великий компилятор: способны ли нейросети заменить архитекторов
Способна ли нейросеть проектировать полноценную архитектуру? Этот вопрос все чаще возникает и в профессиональной среде архитекторов, и в обсуждениях о будущем искусственного интеллекта. По мере того как мы узнаем больше о машинном обучении, дизайне, приходит понимание, что человек и нейросеть — это история не про соперничество, а про идеальный симбиоз.
Когда в мире появляется новая прорывная технология, то на первых порах ее всегда пытаются применить во всех возможных и невозможных сферах. Тестирование, комбинирование, поиск и отсеивание различных решений — естественный процесс на пути от инновации к стандартному инструменту. Эту дорогу в свое время прошли все изобретения — от двигателя внутреннего сгорания до персонального компьютера, а сейчас настал черед нейросетей.
Текстовые, а также графические нейронные сети сегодня невероятно популярны во всех сферах деятельности, и архитектура не стала исключением. Как и везде, тут можно выделить и перспективные направления, и те, где технология пока малоэффективна или даже бесполезна.
Важно сказать о глобальной тенденции цифровизации девелоперского процесса. Технологии в цифре развиваются не параллельно развитию строительства, а вместе с ним, тесно переплетаясь на всех этапах и жизненных циклах здания.
Нейросеть сегодня можно применять для генерации эскизов зданий и окружающего пространства. Это дает архитекторам и проектировщикам новые идеи, вариативность сценариев будущего проекта. Но при этом искусственный интеллект плохо справляется с определением объемов в рамках конкретных ТЗ, «рисует» далекие от реальности концепты. А вот что он делает хорошо, так это анализ. За кратчайший срок переработать гигантский объем информации не под силу ни одному, даже самому крупному проектному институту. С результатами этого анализа, безусловно, должен работать человек, но машинная и рутинная часть работы теперь отходит ИИ. Подобный симбиоз выгоден для поиска оптимального проектного решения в контексте указанных заказчиком условий по ТЭПам, бюджету и, в первую очередь, сжатым срокам.
Текстовые нейросети могут помочь архитекторам в составлении описания проекта и его концепции, структурирования технических заданий. Все инструменты, а это Bard от Google, Bing от Microsoft и, конечно же, ChatGPT от OpenAI, находятся в открытом доступе. Сейчас при помощи данных систем можно решать вещи сугубо утилитарные, связанные с ускорением, оптимизацией и улучшением. Они позволяют избавиться от шаблонных подходов, перейти к большей персонализации, сделать акцент на авторский подход. Нейросеть может посоветовать миллионы комбинаций и вариаций существующих решений для разработки новых, но финальная работа остается за человеком.
Качество работы с нейросетями зависит от двух факторов: уровня их «натренированности» и работы оператора, который обучает их или составляет запросы. Также как когда-то машинные переводы текстов от PROMT не вызывали ничего, кроме смеха, так и первые рендеры и аналитика от Midjournei и ChatGPT были пропитаны абсурдом. Но время изменилось, и теперь скорость обновлений и улучшений систем выросла в разы.
На текущем этапе взаимодействия с искусственным интеллектом основная польза заключается в эффективном использовании сложных алгоритмов анализа информации. Нейросети учитывают огромное количество заданных параметров и факторов, предлагая готовые решения в контексте инженерии и строительства. Это снижает риск допущения различных ошибок, не позволяет упустить из виду многие детали. Недавно в Новой Зеландии завершился эксперимент компаний Arup и Jacobs, которым поручили создать эталонный проект 18-мильного маршрута легкорельсового транспорта с 24 станциями в Окленде. Обычно выявление и купирование конфликтных ситуаций с городской инфраструктурой и инженерией в таких случаях является утомительным и дорогостоящим ручным процессом. Чтобы автоматизировать его, команда разработчиков разработала «нейронную сеть», объединяющую данные коммунальных служб с информацией об основных характеристиках данного вида транспорта. В результате общее количество конфликтных точек удалось сократить с 5183 до 443, сэкономив порядка 800 инженерных часов и потенциально несколько миллионов долларов.
ИИ высвобождает рабочие и временные ресурсы человека, избавляя его от рутинных действий. В подобной ситуации велик шанс попробовать отдать на аутсорсинг нейросетям все подряд, но сделать это пока невозможно, так как результат их полностью автономных действий обладает множеством изъянов и вызывает стойкое ощущение эффекта «зловещей долины». В качестве примера можно привести эксперимент известной tech-журналистки Wall Street Journal Джоанны Стерн, которая решила на один рабочий день полностью заменить себя цифровой копией, созданной на основе нейросети Synthesys. Она тренировала своего двойника при помощи изображений, аудио, видео и снимков мимики в течение полутора месяцев, а затем подключила его вместо себя к рабочим аккаунтам и системам. Хоть результат и получился интересным, а голос идентичным оригиналу, но отсутствие пауз в речи на вдохе, зависания в мыслях, сложность с логикой в длинных предложениях и порой пугающее выражение глаз выдали подлог. Да, при помощи цифровых дикторов уже активно проводятся брифинги и обучения, создаются аудиогиды, но заменить живого сотрудника ими нельзя.
И здесь мы подходим к главному заблуждению, которое состоит в распространенном мнении о всесильности новой технологии, ведь медийный ажиотаж сегодня превратил нейросети в своеобразную гик-религию. Правда же заключается в том, что они действительно способны помочь в решении определенных задач, которые со временем будут только усложняться. Они крайне полезны, интересны и перспективны в рамках аналитики, но все же алгоритмам нейросетей никогда не удастся заменить человеческое воображение и творческий подход. Ведь поисковые системы и моментальный доступ к огромным массивам данных не смогли заменить образования, навыков обработки и критического мышления информации, получения специфических компетенций.
Сегодня нейросеть — это условный «Яндекс» на максималках, действующий по принципу «быстрее, эффективнее, проще». Возможности обработки и компиляции данных возросли многократно, и мы должны не бояться их и придумывать им несуществующие свойства, а учиться применять, чтобы в первую очередь делать собственные проекты и идеи лучше. Нейросеть — хороший инструмент в правильных руках, и не более того. Это своеобразный сверхэрудит, «великий компилятор», который может легко подсказать любую нужную информацию, держит в базах петабайты уже известных фактов, способен сопоставлять их и жонглировать ими. До тех пор пока искусственный интеллект не получит самосознание, не научится делать самостоятельные выводы, изобретать новое, его возможности ограничены массивом информации, которым он оперирует. Но это уже совсем другая история и новый этап развития общества.
