Ahora la inteligencia artificial crea planos en planta y estilos generativos

El dueño, miembro y diseñador de Fulbright Stanislas Chaillou se puso el objetivo de crear un nuevo proyecto para Harvard en donde haga uso del aprendizaje automático para explorar el futuro del diseño generativo, el sesgo y el estilo arquitectónico. Esto se dio por que cuando estudiaba IA y su posible integración en la práctica arquitectónica, Chaillou se encontró con una metodología de generación completa que hacía uso de las Redes Neuronales Adversarias Generativas. De modo que este proyecto creado por Chaillou investiga el futuro de la IA a través del aprendizaje del estilo arquitectónico, en donde se puede ver su trabajo que busca ilustrar el profundo impacto del estilo en la composición de los planos en planta.

Pasado después de un tiempo de este proyecto inicial sobre el potencial de los planos en planta generados por IA, este trabajo de Chaillou se convirtió en formación y ajustes de una variedad de modelos en estilos arquitectónicos específicos: Barroco, Row House, casas victorianas en suburbios y Manhattan Unit. Revelando asi como este estilo lleva un conjunto fundamental de reglas funcionales que definen la mecánica del espacio y controlan la organización interna del plan.

Dentro del proyecto arquitectónico a base de la inteligencia artificial de Chaillou están las GAN y él los define como dos modelos clave, el Generador y el Discriminador, siendo que las GAN son conocidas por aprovechar un ciclo de retroalimentación entre ambos modelos para refinar su capacidad de generar imágenes relevantes. Mientras que el Discriminador puede reconocer imágenes de un conjunto de datos. De manera que este proyecto llevado de la mano y entrenado es capaz de distinguir entre un ejemplo real, extraído del conjunto de datos, de una imagen «falsa», ajena al conjunto de datos. Asimismo el generador está capacitado para crear imágenes que se parezca a imágenes del mismo conjunto de datos. Y conforme va pasando el tiempo el Generador crea imágenes, y el Discriminador proporciona comentarios sobre la calidad de su salida. En pocas palabras el generador lo que hace es que se adapta para producir imágenes aún más realistas y se va retroalimentando por lo que el trabajo final de la GAN es desarrollar lentamente su capacidad para crear imágenes sintéticas relevantes, factorizando los fenómenos encontrados entre los datos observados.

Chaillou que estuvo a cargo de todo este proyecto, aplicó esta tecnología al diseño de planos en planta, haciendo uso de las representaciones de imágenes de planos como formato de datos para las entradas y salidas de los modelos GAN. Para el marco del trabajo se uso Pix2Pix, un modelo GAN estándar, que se dirige a la traducción de imagen a imagen. 

De modo que el objetivo principal de este proyecto es el de ayudar a los arquitecto generar un diseño y mobiliario coherentes a cada espacio, y darles la oportunidad de que cada una de las piezas se encajen perfectamente en un plano tentativo.

 Demostrando así que la arquitectura no está peleada con la tecnología y que cuando se llegan a juntar se pueden lograr cosas maravillosas y sorprendentes cuando se crean algoritmos relacionados a la cuestión del diseño.