Issuu

ARCHITECTURE BATTIKH LINA - Introduction à la recherche M1.1 Enseignant : Jade Berger Année 2020-2021 Ecole nationale superieure d’architecture de Nancy

INTRODUCTION

L’intelligence artificielle est entrain de révolutionner le monde et de bousculer les habitudes et pratiques dans tous les domaines. Qu’en est-il de l’architecture ? L’architecture est un domaine qui a connu plusieurs révolutions. Fortement liée au domaine de la construction et des progrès scientifiques et technologiques. L’architecture a su s’adapter au fil du temps, aux bouleversements technologiques tels qu’à l’apparition du dessin puis a la conception assistés par ordinateur, ou encore à l’architecture paramétrique. Selon Stanislas Chaillou, l’intelligence artificielle consiste en la capacité de la machine à ‘’apprendre’’. Ce dernier terme signifie l’aptitude de la machine à analyser et apprehender un phénoméne donné par l’observation répétée de données décrivant ce dernier. Quelle difference entre l’intelligence artificielle et le design génératif : Selon Edouardo Souza, le design génératif est la combinaison du design paramétrique avec l’intelligence artificielle, en considérant les restrictions et données fournis par l’architecte.

QUELLEES FONCTIONS POUR L’INTELLIGENCE ARTIFICIELLE DANS LE DOMAINE DE L’ARCHITECTURE ?

ROLE 1 : PHASE D’APPRENTISAGE : DECOMPOSITION ET CLASSIFICATIONS :

La premiére phase pour une intelligence artificielle consiste en la phase d’apprentissage.Durant laquelle,une base de données supervisée ou pas, sera injectée à la machine. La machine va réaliser un travail de reconnaissance, de comparaison puis d’analyse.Ceci lui permettra par la suite de reconnaitre des blocs de références ou de faire ressortir des règles de conceptions cachées. Une fois les données injectées, deux résultats sont obtenus . Le premier est la détection de blocs de construction. En analysant les différents projets injectés la machine peut détecter ces blocs. Ils représentent des organisations standards d’espaces (exemple salle à manger-cuisine, chambre- dressing) .Le deuxième est la révélation de concepts ‘‘cachés’’. le propos est illustré par un exemple, où différents projets d’Alvaro Siza sont injectés à la machine. Cette derniére fait ressortir des règles de conception que mettait en pratique l’architecte, peut être intuitivement. Figure 1. Représentation abstraite des réseaux de neurones profonds (DNN). Les données sont introduites dans la couche d’entrée, qui est traitée dans les couches cachées (il peut y avoir n’importe quel nombre de couches cachées), et un résultat est produit dans la couche de sortie. Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning

ROLE 3 : GENERER UNE NOUVELLE CONCEPTION : Est-ce que l’intelligence artificielle est capable de générer une conception nouvelle ? Oui. Ce qui rend l’utilisation de l’intelligence artificielle aussi attréyant est sa spécificité à proposer un nombre élevé de solution pour un seul probléme, en un temps record.

Exemple 1 : Par la suite elle va combiner les blocs de constructions révélés dans ces deux exemples en les transformant en nœuds grâce à un algorithme de combinaison.

Dans l’article 1, une expérience est réalisée. Un client va demander à cette intelligence artificielle de concevoir une maison qui répondrait à un taux d’habitabilité et de confort de sommeil élevé. Elle va se baser sur l’évaluation des 15 maisons, réalisée précédemment pour ensélectionner les habitations qui répondent pour chaque critère, avec un score élevé ( entre 80 a 100 ).

Une fois ces blocs assemblés, la machine passe à l’étape suivante : verifier la faisabilité de chaque propostion. Figure 6. La composition des sous-graphiques en assemblages plus grands. Notez que pour H2 + H5, un bord supplémentaire (chambre et couloir) a été créé, car ce bord a une forte probabilité d’occurrence Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning

Figure 5. Blocs de construction découverts par le DNN. La rangée du haut indique les sous-graphiques qui ont été découverts pour l’habitabilité (maisons H2, H5 et H8) et la rangée inférieure pour la capacité de sommeil (maisons H2, H4 et H5).Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning

Figure 2. Analyse de la base de données injectée et creation de bloc de construction par regroupement de piéces. En obeissant aux régles de proximités des types de pièces dans les échantillons de conception. Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning

Verifier que la proposition n’enfreint aucune règles de base ( comme la planarité constante géometrique ) La derniére phase consiste en la production de documents 2d ou 3d en utilisant un algorithme qui juxtapose des pièces adjacentes en adaptant leurs formes aux dimensions à la parcelle donnée. Figure 12. The composition of subgraphs into larger assemblies. Note that for H2H5, an additional (bedroom and corridor) edge was created, since that edge has a high likelihood of occurrence as per the vector embedding method, seen in Figure 13.

Figure 7. Representation en plan bidimensionnel pour H2 + H5 illustré à la figure 6, avec le nœud de cuisine ajouté. Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning

CONCLUSION ROLE 1 :

Dans ce premier rôle l’intelligence artificielle sert plutôt l’architecte en tant que outil d’analyse et de décomposition. Elle permet à l’architecte de faire ressortir des principes et régles. Ces derniéres pourraient consistituer le point de départ de la conception architecturale. Elles pourraient également servir de point de références d’organisations des espaces, de leurs dimensionnements et juxtapositions. En d’autres termes, elle permetterait de standariser et faciliter le travail effectué lors de la premiére phase de conception architecturale. Ce qui engendrerait un gain de temps dans les phases de conceptions suivantes.

ROLE 2 : EVALUATION : Les blocs de constructions détectés à l’ avance seront utilisés pour la phase d’évaluation. Cette phase constitue en l’attribution d’un score à des habitations pour déterminer comment elles répondent à des enjeux / paramètres prédéfinis et sélectionnés par l’architecte. Exemple du Case Study 15 homes . Suite à la création de la base de données et de l’injection des blocs de constructions. La machine devait évaluer et attribuer un score compris entre 1-100 pour juger du taux d’habitabilité et de confort de sommeil des habitations. Le modèle BIM de ses habitations est transformé en graphs qui va permettre ensuite a l’intelligence artificielle de comparer ces blocs de constructions a la base de Figure 3. Notes d’évaluation subjective de 15 maisons dans l’ensemble de données, basées sur les paramétres d’habitabilité et de capacité de sommeil (H1 signifie Maison n ° 1). Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning

EXEMPLE 2 :

Figure 4. Image montrant 15 échantillons de conception de maison utilisés comme base de données - en vue axonométrique et graphique. Image extraite de l’article Artificial intelligence in architecture: Generating conceptual design via deep learning.

Qu’en est- il de l’urbanisme ? Dessiner un nouveau quartier peut se révéler pour l’architecte être un exercice complexe. Ou plusieurs paramètres doivent être pris en considération comme l’ombre portée, l’orientation, les espaces extérieurs, la circulation, les accès et bien d’autres encore. SideWalk Labs a crée un nouvel outil de conception pour les architectes ‘’ DELVE ‘’ qui permet grâce au design génératif de créer différents scénarios urbains, de leurs attribuer une note et de les classer. L’architecte fait rentrer ses préférences et ses paramètres pour que l’outil puisse a la fois : • Générer différents scenarios optimisés et répondant aux préférences de l’architecte • Evaluer l’impact de chaque proposition sur les environs proches Un exemple est réalisé sur un site existant, où les paramètres sélectionnés sont : la lumière naturelle, les espaces extérieurs et la densité. La machine va générer plus de 1000 propositions dont 400 dépassent en performance, pour chaque critères, la réalisation des architectes.

Figure 8. Enumération et classement des diffeFigure 9. Evalution et classement de trois propositions réalisés par rentes propositions. Image extraite du site Delve : l’IA selon le paramétre de l’ensoleillement. Image extraite du site https://hello.delve.sidewalklabs.com/. Delve : https://hello.delve.sidewalklabs.com/.

Figure 10. Choix de la meilleure proposition et puis son évaluation selon differents autres critéres . Image extraite du site Delve : https://hello.delve.sidewalklabs.com/.

Figure 11. Comparaison entre deux proposition selon des paramètres communs. Une crée par l’IA et l’autre par un groupe d’architecte. Celle réalisée par Delve est supérieure en tout point à celle de Benchmark. Image extraite du site Delve : https://hello.delve.sidewalklabs.com/.

CONCLUSION ROLE 2 :

Dans ce second rôle l’intelligence artificielle sert également à l’architecte en tant que outil. Cette fois ci, un outil de classification et d’évaluation. Elle permet à l’architecte de comparer à fin de juger differentes conceptions architecturales selon des critéres choisis par l’architecte en amont.

CONCLUSION ROLE 3:

Enfin, dans ce troisiéme et dernier rôle, la machine agît en tant que concepteur. Elle va non seulement créer, mais également proposer un large nombre de solutions en un temps trés court. Cette capacité de la machine a creer remet en question le rôle exact que devrait avoir l’architecte. Néaumoins, on pourrait critiquer la rigidité ainsi que le manque d’originalité des productions. Les realisations restent fonctionnelles et optimisées.

CONCLUSION / OUVERTURE :

On a pu démontrer grâce à cette recherche que l’intelligence artificielle peut jouer différents rôles dans le processus de conception architecturale. D’outil de conception à concepteur, cette nouvelle technique suscite bien des débats et effraie un grand nombre. Selon Louis Soulivan, ‘‘ la forme suit la fonction ‘‘, l’architecture engendrée par l’IA reste très fonctionnelle. On lui reproche souvent le manque de sensibilité et référence à l’histoire ou à l’identité du lieu. De plus l’architecture et l’urbanisme restent des domaines très complexes, où la conception évolue au fur et à mesure, répondant à chaque fois à de nouveaux critères et spécificités. De plus, on a pu voir qu’une base de données BIM, est nécessaire pour débuter le processus de conception par IA. Cependant, pour l’instant cette base de données reste très maigre et insuffisante. Cette recherche nous pousse à nous questionner sur quel rôle réellement devrait jouer l’architecte dans le processus de conception ? L’intelligence artificielle deviendra-t-elle un allié indispensable à l’architecte ?

BIBLIOGRAPHIE :

Stanislas Chaillou, AI+Architecture toward a new approach, Harvard GSD 2019 Stanislas Chaillou, the advent of architectural AI : A Historical perspective , Build Horizons, 27 Janvier 2019 Imad As, Siddarth Pal, Prithwish Basu, Artificial intelligence in architecture: Generating conceptual design via deep learning, Sage Journals, November 28, 2018 Edouardo Siza, How Will Generative Design Impact Architecture?, Archdaily, April 23, 2020 Cahiers de la profession N 47, 2 trimestre 2013 , Les architectes et l’évolution du métier à l’horizon 2030 Leonard, Numérisation 3D automatisée et IA, 25.09.20 Future Architecture, Rron Beqiri, Architecture and Urban Planning in the age of Artificial Intelligence, 4 may 2016 Delve by Sidewalk, https://hello.delve.sidewalklabs.com/