Issuu on Google+

中華民國建築學會第十七屆第二次建築 研 究 成 果 發 表 會 論 文 集 2005 年 11 月 26 日

涵構察覺的應用研究 逢甲暨倫大巴特雷數位設計營之創作 Context-aware application approach The creation in the FCU-Bartlett digital design workshop 陳上元*

潘晨安**

一、 緣起與目的 涵構察覺(context aware)意謂能夠使用涵構資訊,一個具備涵構察覺的系統是說它 能夠萃取、詮釋與使用涵構資訊,調適它的機能,求取「涵構改變」與「需求」的最佳 化對應(Mari, 2000)。在非結構性、複雜度高的環境,類神經系統因為具備高度的「可 調適性(Adaptive) 」 (Principe. 2000) <圖 1>,擁有較佳的涵構察覺能力。教學的本質 應該是一個追求良好運作的涵構察覺系統,在這個系統裡,教的內容與學的質量能夠產 生良性的互動,但是設計教學的本質,卻充滿著不確定性與高度的複雜性,在這樣的本 質下,以短期教學為特色的設計營,將成為日益頻繁的國際交流活動,它所呈現亮麗的 設計成果,是否真能反映學生們程度的提升?設計營如何運作與如何進行評估?瞭解、 建構與分析它的模式有其絕對的必要性。

<圖 1> Adaptive System,

<圖 2> Nature system and formal models,

(Principe., Jose C., 2000)

(Principe., Jose C., 2000)

二、 理論與方法 本文的研究在於觀察一個國際性合作的數位設計營~逢甲暨倫大巴特雷數位設計 營活動(蘇智鋒,2005),根據它所提出的教學課程架構、特色與要求,相對的提出一 個在虛擬環境裡,情境相符的類神經網路模型。接著透過教學過程的實地觀察與參與, 進行類神經網路模型的驗證與修正。其目的在於證實在類神經網路為基礎的教學模式 下,於真實的世界裡,能夠以極短期的學習時間提升學生的程度。相對的、在虛擬環境 *作者一,成功大學建築系博士候選人,逢甲大學建築系講師 **作者二,成功大學建築系碩士

1


中,透過類神經軟體的模擬,此系統將再現設計的過程,定義評估指標,且可以藉由學 習獲得以歸納推論為基礎的預測能力<圖 2>。 長久以來,設計領域的人工智慧專家們不斷提出不同的「認知模型」,以解答設計 者的設計行為,除此之外它還可以作為教學課程架構的參考,或者用來研發教學平台、 發展電腦輔助設計工具,其應用範圍不限於在軟體或者是硬體上的,更不限於在真實世 界或者是虛擬的環境。一個設計的週期一方面可視為「解決問題的資訊傳遞過程」(Newell, Shaw and Simon 1957),它需要分節明示的步驟,定義良好的計畫,以避免成為無限漫 延的決策樹(Decision tree),因此一個修正的問題解決過程應該關聯到「決策循環模型 The decision-making circle」(Asimow, 1962)。然而,上述模型有其先天的限制,因為這 些奠基於「規則式基礎(Rule-based)」的運算模型,只適用於定義良好的問題,設計卻 多半屬於定義不良的問題(Ill-Define Problem)(Rowe,1987),尤其是設計的「創意」 , 更常被認為是摒除於常規之外的。類神經模型善長處理定義不良的非結構性問題,並且 具備科學性的演算法與評估指標,故為發展「設計認知」更佳的選擇途徑。 三、 研究過程與成果 3.1 逢甲暨倫大巴特雷數位設計營活動 國際交流的數位建築設計營,是藉著學者或者是學生之間的交換,來達到設計學習 的交流目的。此次逢甲暨倫大巴特雷數位設計營活動、邀請了英國倫敦大學巴特雷建築 學院的兩位講師馬可士(Marcos Cruz)與馬力安(Mariano <Marjan> Colletti)來台 灣進行八天的數位設計教學的示範,它雖然十分短期,卻承載過多的期盼。不但要求同 學們設計分工,快速累積學習成果,卻也強調合作,快速的收斂作品達到一定的水準。 在為期八天的學習活動裡(0302~0309/ 2005),他們企圖先“分述"再“整合"建築物 同時作為技術的“感知實體"也是視覺且動態的“仿生"的可行性。活動被計劃分成三 個階段,經過資格檢定遴選出的 26 個學生在第一階段、分成兩大組:可居牆與雲形動 物(inhabit wall and sp-line animal) ,“分述"可行性,在第二階段、依照同學作品的屬 性,分成六種元件(包括建築構造與設備裝置) ,它們分別是室外牆(external wall) 、室 內牆(internal wall) 、蓬罩(canopy) 、傢俱(furniture) 、感測裝置和纜線(sensor and cable) 與投影動畫(animation),接著將上述元件加以“整合",第三階段、整合後的設計, 不僅是停留於虛擬空間的,而是透過電腦、藉著電子化的施工圖檔指揮 CNC(Computer numerical control)機器切割實質的材料(木材、金屬等) ,並將切割後的部件在真實世界 中組裝起來,且並同記錄設計過程的模型與動畫,作為教學成果的展示(陳,2005)< 圖 3>。 3.2 建構情境相對映的類神經網路模型 類神經網路係以電腦來模擬生物神經網路的科學,它的運作系統係藉由平行且分散 的運算單元-「神經元」 ,與它們之間的連結來執行運算,它善於一次進行多筆資料的 處理,並且藉由調整神經元連結的權重來趨近期盼的輸出值,輸入資料與輸出值之間因 此不需要規則基礎的前提假設,只要具有充分的案例即可進行輸入資料與輸出值之間映

2


<圖 3>逢甲暨倫大巴特雷數位設計營活動流程

對關係的分析,這種具備「可調適性」的運算系統尤其適合非結構性決策的判定。具有從 輸入的環境訊息獲得學習、回想、與歸納推演的能力(張,2004)。基本上、類神經元 網路的設計是依如下原則來進行的,首先是根據處理事件的複雜度,決定網路架構,內 容包括決定神經元個數與層數、前饋或者是回饋的方式,接著是針對學習過程中,存在 期盼輸出值的與否來判斷屬於監督式學習或者是非監督式學習,最後根據處理問題的特 性,選擇適當的學習演算法(Girosi, 1995)。針對數位設計營的教學特性,我們建立了一 個類神經網路來模擬教學的過程。網路建構的步驟如下: .1.

決定網路模型:為了以很短的時間獲得大量的教學成果,初期採取設計的平行處 理。又因為實體建造的預算有限、且必需兼顧到爭取同學們合作的向心力,將眾 多的教學成果、先分類成建築不同部位的元件,從中挑選整合成為一個設計作品, 後續進行施工圖繪製與建造,是較佳的策略。輸入端將為多維的向量,輸出端則 為單維的向量,網路架構將以「多層的回饋式(倒傳遞)的網路」來表示<圖 4>。

<圖 4>Chaining of operations in the back propagation algorithm (Principe., Jose C., 2000)

.2.

判斷學習屬性:這樣的學習,時效上為求快速的收斂,採用「監督式」的學習,即 根據「老師」的期盼值,來修正網路中傳遞的權重。權重的調適過程將直到輸出值 與期盼值之間的差距小於一定的「臨界值(threshold)」為止。

.3.

選擇學習演算法:根據網路架構回饋式(倒傳遞)的特性,以及「監督式」的學習屬

3


性,選擇最常用的「最小均方演算法(least-mean square algorithm, LMS)」。它根 據「最陡坡降法(steepest descent)」,調整權重值Δ w ji ,來尋找「最小的均方誤 差值 E

Min

」 (Mean-Square-Error, MSE),這值也稱為「成本函數(Cost function)」,

作為神經元「輸出值

y k 」與「期盼值 d k 」之間誤差程度的指標。而權重調整的

速度,稱為「學習速率η」,η值的大小影響學習的速率與學習的穩定性。「最小 均方演算法」的重要函數與公式如下,(Principe, 2000): „

網路中,第 n 層第 j 個神經元的輸入值為第(n-1)層神經元的非線性函數, 第(n-1)層「輸出值」 :Y j = f n

„

第(n-1)層的「集成函數」 :

(net ) n j

n

n

n −1

t

ji

i

net = ∑ w y i

„

「均方誤差函數」: E

⎛1⎞ 2 = ⎜ ⎟ ∑ (d k − y k ) ⎝ 2⎠K

„

「權重調整值」 :Δ

w

=-η ji

„

「調整後權重值」:

w ( p ) = w ( p − 1) + Δ w ji

−bj

n

∂E ∂ w ji ji

ji

3.3 資料的編碼與類神經模型的測試 為了在類神經軟體中進行模擬與驗證,對搜集到的設計資料需先加以編碼。設計營教學 過程的第一階段裡,學生被分為兩組進行討論(可居牆與雲形動物)。老師們從中挑出 各 9 個作品,它們分別編碼,十位數字 1 開頭的代表可居牆組(例如 11、12、13 等), 十位數字 2 開頭的代表雲形動物組(例如 21、22、23 等),<表 1>。 <表 1>資料的編碼

.1.

訓練資料與測試資料的建立:在第二階段、同學們從上述 18 個作品,每次仔細挑 出 4 個以分別扮演外牆、內牆、蓬罩、傢俱等影響「造形」的建築元件,並整合 成一個作品。整合作品依序排列,分別將作為建築元件的 4 個號碼記錄下來,並 且對整合的作品公開的評比。前述的 4 個號碼將成為訓練資料的「輸入端」 ,整合 作品的得分成為「期盼值」 。如表所示此次勝出的作品 3 是由 25;14;22;19 所 組成,得分 90<表 2>。除此之外,必需將資料分成兩群,一群作為「訓練資料」 <表 3>、一群作為「測試資料」<表 4>。

.2.

訓練資料:運用類神經軟體 Neuro-Solution 作為訓練模擬,首先選擇網路的模型, 在此選擇多層的倒傳遞網路,接著順序、導入訓練資料、選擇 LMS 演算法、挑選

4


活化函數、調整學習速率,控制輸出值與目標輸出值之間的 MSE 差距的「臨界值」 <圖 5>。<表 5>則顯示在此網路架構的訓練下,訓練 325 世代(epoch) ,學習 曲線趨於穩定時,得到「最小均方誤差」為 0.001。 <表 2>作品 3 是由(25;14;22;19)所組成,得分 90

<表 3> Train data

<表 4> Test data

<圖 5>運用類神經軟體 Neuro-Solution 訓練模擬流程 <表 5>訓練 325 世代,得到最小均方誤差為 0.001

3

<表 6>測試結果: 輸出值與期盼值比對

測試結果:若網路訓練完成,「訓練資料」的輸出值將會十分趨近期盼值。表示此 系統在設計思考過程的模擬上,已經具備有歸納推演的能力。因此,運用「測試資 料」確認訓練結果,新的輸出值,應該也趨近於期盼值。但事實上、偶有較大差距, 若輸出值高於期盼值,表示網路推論的得分值高於學生作品的實際得分,那麼表示 學生還有很大的進步的空間,反之則表示學生的程度已經超越網路推論的得分(作 品 No.12; 13; 17)<表 6>。根據觀察,在這種教學架構下,學生的成果受到兩種主

5


要因素的影響,一是學生們自身的天分和努力,二是被選擇的建築元件整合的難易 程度,前者是隱性的不易量測,後者是顯性的、設計成果可以取得。由類神經系統 提供「機器運算」的輸出值對照「人類認知」的期盼值(即評比分數)的差距,提 供了「學生程度」是否進步的重要依據,而整體的「均方誤差值」可以作為教學成 效的參考,設計的學習並非絕對的目標導向,可視為動態的調整權重,以映射相對 「期盼值」的過程。 四、 結論與建議 這次逢甲暨倫大巴特雷數位設計營的設計命題,重點在於巧妙的控制設計的流程, 使得輸入的資料(或設計)與輸出的結果能夠呈現相對映的涵構察覺關係,類神經的架 構使得師生們充份合作得以快速的收斂以取得良好的設計成果。這種命題的模式不同於 傳統的命題以嚴格的規範限制其輸入的條件,設計的成果在於滿足其規範所設下的規 則,推論的過程通常十分的耗時,設計生手更常將命題發散,導致無法收斂。此次的數 位設計教學的示範,時間雖短,設計的成果卻倍受肯定,除了 03/12- 03/18, 2005 , 於逢 甲大學人言大學展出,9/9,2005, 起應邀於德國漢堡文化政策研究院展出,展畢後,預定 將轉往倫敦巴特雷設計學院展出。雖然如此,學生的程度是否獲得提升,不能單憑亮麗 的設計成果而判定,本研究運用類神經系統再現其設計過程,並從網路「輸出值」與「期 盼值」間的差距,驗證了此次教學活動已經帶給學生們實質的進步。 類神經網路發展至今,已經研究出數種不同的演算法以因應不同的問題,設計的評 比常會受到前一個作品評比的影響,運用「動態」的「時間嵇延類神經網路(Time-Delay Neural Network) 」是否更為恰當?除此之外,基因演算法則,能夠事前淘汰不良的組合 用的建築元件,以主動的確保設計品質,或者運用交配與突變原理來改良設計的作品, 這些都是類神經網路在理論上可行的應用,是未來的研究方向。類神經網路也將會是電 腦輔助設計系統發展不可忽視的領域。 感謝:逢甲大學建築系所鄭明仁所長、蘇智鋒教授、謝佩霓教授等主辦活動,馬可士與馬力安講師,26 位參與同學,特 別是張文婷、曹方維(逢甲大學) 、魏子鈞(成功大學)等提供的參考資料與活動記錄使得本文能夠詳盡的完成。

五、 參考文獻 1. 張斐章,張麗秋,黃浩倫,2004,類神經網路理論與實務,東華書局,pp.1~11,pp.120~135 2. 陳上元,2005,多媒體運用與數位設計-逢甲暨倫大巴特雷數位設計營之創作,台灣建築 11/ 2005 3. 蘇智鋒,2005,"隨形有機牆",建築師 2005/07,pp. 86-89 4. Asimow, M.,1962, “Introduction to design”, Englewood Cliffs, New Jersey: Prentice-Hall. 5. Girosi. Federico, Michael Jones, Tomaso Poggio, 1995, “Regularization theory and Neural Networks Architecture”, Neural Computation, vol. 7, page 219-269 6. Mari Korkea-aho, 2000, “Context-Aware Applications Survey”, Department of Computer Science Helsinki University of Technology 7. Newell,A., J.C. Shaw, and H.A.Simon, 1957, “Elements of a Theory of Problem Solving. “, Rand Corporation Report p-971, March. 8. Principe., Jose C., Neil R. Euliano, W. Curt Lefebvre, 2000, Neural and Adaptive Systems: Fundamentals Through Simulations, John Wiley & Sons, Inc., pp1~18, pp150 9. Rowe., Peter G., 1987, Design thinking, the MIT press

6


涵構察覺的應用研究