El lenguaje arquitectónico de la inteligencia artificial. Generación de modelos de ocupación espacial a través de Machine Learning

Abstract

La arquitectura se diseña de forma mayoritariamente computacional. Entender las herramientas y expandir sus límites nos permite diseñar de manera más eficiente, automatizando procesos y dedicando más tiempo a tareas creativas. El uso de Machine Learning y Redes Generativas Antagónicas (GAN’s) ha permitido resolver de forma automatizada la distribución espacial y programática de proyectos con geometrías y usos sencillos. Se propone aplicarlo a proyectos complejos, para lo que se genera una herramienta propia de Grasshopper. Explorar el diseño con inteligencia artificial aplicado a problemas complejos permite probar múltiples soluciones, simulaciones y generar un lenguaje arquitectónico contemporáneo. Se genera un script de Grasshopper con ayuda de una serie de plug-ins (LunchBoxML, OWL, Squid) que replica el modelo de Red Generativa Antagónica formulado por Ian Goodfellow adaptando el código de Stanislas Chaillou para el análisis de plantas. Al no poder replicar una GAN al completo con Grasshopper, se da el salto a Pix2pix. La red se entrena con una base de datos de plantas y se prueba sobre plantas de clásicos de la arquitectura y sobre el proyecto Hypermobile Commuter’s City de JARD.