|
本文由微信公众号《城市建筑》（公众号ID：UA_2004）授权在本站发布 若需转载，请联系原公众号
微信扫一扫关注该公众号
编者按：
一元复始，万象更新。在这辞旧迎新的日子里，《城市建筑》依然延续往年的传统，邀请十几位知名建筑师在这里为大家讲述自己的2017，回顾身边人、周围事，分享收获和感悟。他们分析了一年中的行业变化，盘点建筑大事；讲述了一年中的设计心得，寻求解惑之法；回顾了一年中的工作或旅行，细数点滴感动……接下来的几天里，让我们跟随他们的思绪共同回顾这一年的平凡与精彩。
陆激
浙江大学建筑设计研究院有限公司副总建筑师，建筑专业设计一所所长
一
如果问2017年建筑界有什么大事，也许恢复注册建筑师考试能算一件。但真正关心的，应该还是待考的年轻建筑师，以及他们的直属上级(要考试还要复习，肯定影响进度，对付永远都是明天要图的甲方越加困难)。不过这发生在生态链低端，虽是大事，但无关大局。有思想有追求也有成就的获奖建筑师们通常不参加注册建筑师考试。考试科目实在多，加上另外要学的，平时要用的，注册建筑师看起来都是全才。然而，知识结构越庞杂，并不意味饭碗越牢靠。需要掌握的信息和技能越多，电脑远超人类的记忆力，强大的计算力，越容易建立碾压式的优势。——没错，2017年真正的年度大事，应该是人工智能，年度关键词，应该是“算法”。
满世界都在讨论AI（Artificial Intelligence,人工智能），国内业界主流却还正试着推广BIM，节奏稍显滞缓。近年来，已有诸多各色各样的“人工智能建筑师”出现①。当然，目前还远未到完全代替建筑师的程度，但多数开发者的野心，绝对不止是构建一个画图工具②。前景虽未明朗，但未来可期。机器的智能，已开始触及令人目眩的高度，并迅速攀升。也就是今年，Deepmind公司在10月的《自然》杂志上，推出了新一代AlphaGo——AlphaGo Zero。1997年，IBM的“深蓝”战胜卡斯帕罗夫，还是靠运算能力对可能性“穷举（穷举法）”；2016年，AlphaGo战胜李世石，则是利用机器学习和深度神经网络度等成果，简化并收缩搜索深度，已经摆脱了“穷举法”的挚肘，但当时还需要学习并利用人类历年积累的棋谱；而AlphaGo Zero在初始经验为0，仅仅学习了围棋的规则的情况下，用时3天对战AlphaGob并取得100:0的胜率。也就是说，AI不再穷举“卖傻力气”，也不再依靠前人知识，在围棋这个变化无穷但规则清晰的领域，已确切无疑地超越了人类。
“别管机器怎么说。艾拉，人类大脑所能构建的最为精密的机器，其能力也必然受限于人脑。不认同这种说法的人就是不理解热力学第二定律……”罗伯特·海因莱因在《时间足够去爱》（Time Enough for Love）的序曲中，借一位活过两千年的长者之口下的断言，电脑的存储与运算能力早已超越人类。AlphaGo Zero又证明，AI在围棋这样复杂的策略与决策问题上，超越了它的设计者——戴密斯·哈萨比斯团队，以及以职业棋手们为代表的人类。围棋和AI都是人的发明，但显然，机器的能力，从来不“受限于人脑”。
围棋是这样一种游戏：根据既定规则与对手即时应对，通过一定的策略，由一系列的决策，形成一连串招数下法，最后分出输赢。同样，建筑师的设计行为也可以被描述为根据业主需求与基地限制因素，通过一定的策略，由一系列的决策形成的一整套解决办法，最后生成方案。我们有理由相信，“AI建筑师”应当有机会达到与AlphaGo Zero相似的高度，只是因为建筑设计涉及的规则和条件太多变且庞杂，AI暂时还无法应对此局面。考虑到不久之前，围棋还因为其巨量级的变化被视为“人类最后的智力骄傲”。建筑的复杂度和大数据，显然不会构成AI建筑师的障碍，相反，未来可能还是它的“特长”。人类凭借“智慧”跳过令蛮力穷举者望而却步的复杂性来解决问题，AI建筑师未来也肯定能凭借“算法”赢得挑战，复杂策略已经不再是AI的难题。
AlphaGo只是人工智能浪潮的一个片断，人脸识别、无人驾驶……各种消息纷至沓来。2017年10月的《纽约客》（The New Yorker）封面，登了一幅插画呈现未来世界的街景：AI取代人类，机器夺走了越来越多的工作，人类沦为乞讨者，靠机器的施舍苟活。这不是最早，也不会是最后一次“狼来了”。一个可能的好消息，是在BBC进行的一项对365个行业的调研中，建筑师被列入最不易被取代的职业，理由是：“建筑师真正赖以立足的创意、审美、空间感、建筑理念和抽象判断都是机器难以模仿的”——这不是人机较量中，人类第一次放弃理性的阵地，而退守感性的壕堑了。
二
人在退却，而AI却并没有将自己局限在理性那部分。2014年诞生于中国的微软“小冰”，是一款致力于在情感方面有所作为的“虚拟伴侣”程序，2017年5月，它推出了自己的第一部诗集《阳光失了玻璃窗》。在“诗”这个领域，技术方面同是机器学习和深度神经网络，结合自然语义分析和大数据，小冰的创作，却稚嫩得老气横秋，远不如AlphaGo在围棋领域那么自如。AI的诗，是对诸多沉迷于文字游戏的“诗人”的嘲讽，是在有限范围内，对人类情绪和审美感的模仿，也是机器在语言领域具有“超高天赋”的表现。这种模仿现在看还很“拙劣”，但一定会越来越有迷惑性。
其实就在重情感的艺术领域，人类并不是第一次输给机器，我们有丰富的经验，曾经做出过很好的应对。是的，我是在说绘画。
19世纪，照相机器的再现能力战胜了人类，首先是在造型上（黑白片）出现了更注重色彩真实的印象派，然后又在色彩上，随即彻底改变了西方绘画的写实传统，催生了丰富多样、当然局部也有点走火入魔的现代和当代艺术。应该说，照相机发明后的美术，比此前的传统美术，更绚烂也更深入人性。
艺术家们，可能更多地依据本能行事。而在艺术理论家那里，人类从感性上失去的阵地，却是从理性的角度去争夺回来的。具有代表性的，是克莱门特·格林伯格（Clement Greenberg）的《现代主义绘画》（Modernist Painting）。文中提出了一种形式主义的理论，将绘画的形式要素置于一切之上，拒绝叙事性，强调绘画的“平面性”。格林伯格以康德运用逻辑来划定逻辑学边界为榜样，提出要以一个学科的特有方式批判学科本身，将自我批判视为现代主义的本质，为现代绘画重新划定边界。他的学生罗莎琳·克劳斯（Rosaline Krauss）敏锐地发现，传统绘画是“透明的”，透过画布、颜料、笔触，看到的是人物或风景，绘画追求对描绘对象的真实捕捉和再现。而在摄影技术出现之后，绘画的再现能力被超越，为了体现自身的独立价值，现代绘画因此有了一种“不透明性”：画布、颜料、笔触超越了画面的具体形象，而具有独立的意义，现代绘画“逼迫”观者正视画布上的线条、色彩和构图，直接与绘画者产生交流，画作摆脱了再现的功用，而直接凸显绘画的“本体”内容。罗莎琳·克劳斯据此发展出了一套结构主义艺术理论，在格林伯格的反叙事“平面性”基础上，进一步抛弃历史主义视角，确立了当代绘画的独立价值。这种独立，与其说是从传统绘画中独立，还不知道是从摄影的再现中独立。
当代绘画的这个发展过程，其实是在艰难地梳理一个关系，就是物和我之间的关系。其实它本来应该有个很好的他山之石可以借鉴——中国画。中国画不拒绝写实，但从来没有“认真”写实过，笔墨从来就是画面的主角，甚至在文人画领域，连笔墨都不是主角，唯一的主角是画家本人——他的修养、品位和精神气质。西方绘画经过痛苦和挣扎，奋力到达的境界，中国画早已在此悠游很久。在物我之间，中国画彻底以我为主，却又从未存在物我对立这样的紧张关系，从某种程度而言，物我是一体的。
事实上，人机关系的本质，也是双重的物我关系。一重是人类之我和AI之物的关系，一重是AI之我和外部世界之物的关系。微软“小冰”，其实就是人机交互的一个尝试。机器学习人的沟通方式：语言、手势、表情甚至触摸。这是AI研究的另一面，让机器更容易理解并回应人类的意图，逐步建立基于数据相关性所产生的智能。就中国文化传统的物我立场而言，这不是洪水猛兽。
就在2016年，图片处理软件Prisma走红网络。这是又一次逆操作：将平淡无奇的摄影照片通过软件算法，转换为具有著名艺术家风格的图像。Prisma的工作其实与微软“小冰”类似——套用艺术家创造的现成“范式”，生成看起来十分“逼真”的艺术品。因为其套用的“范式”是单一而完整的，所以Prisma作品的完整性要高于“小冰”的诗。但第一，其“范式”是拿来的，不具有原创性；第二，部分图片，有“范式”滥用之弊。无论如何，在强调感性的艺术领域，AI并没有谦让，也许人类还能比较长期地固守“创意”和“抽象”的地盘，也许未必。
prisma湿地照片
三
回到建筑学。普遍认为，建筑学是工程，也是艺术，有其两面性。
的确，前文归纳建筑方案设计为“根据业主需求与基地限制因素，通过一定的策略，由一系列的决策形成的一整套解决方案”这一表述，虽然是正确，但尚不完整。针对每件具体任务，可能的解决方案，都不是唯一的。对于产生多解的原因，有以下两类意见。
第一类意见认为，出现不同解决方案的原因在于可以被清晰表达或完全认知的初始条件不完整，如果所有初始条件被完整掌握，就会通过演绎得到唯一解③。这类意见强调人类的决策是依赖直觉的特征。爱德华·威尔逊（Edward O. Wilson）在《知识大融通》中描述了这一特点：“人类大脑并不是快速运算的计算器，但大多数决定必须在复杂的情节和不完全的信息下快速完成。因此理性选择理论涉及一个重要问题：多少信息才算足够？提供分界点的简单策略，叫做‘足够满意’……”本文不讨论“有限理性”这个话题，建筑设计方案的多解其实与之无关。
第二类意见认为，在形成建筑方案的过程中，有些决策是非理性的，而仅仅与情感因素有关，因而在结果中表现出差异性。也就是说，方案的多解来自于人们的感情用事。
这两类意见都忽视了建筑设计这一人类智性活动的特殊性。我的意见属于第三类。
我认为建筑方案的多解，涉及建筑活动的“本质”。自现代建筑运动重新发现并定义“空间”的意义以来，这个问题其实已被讲清楚。多数从使用功能出发的先决条件，最后约束的都是“当其无而有室之用”的空间。空间是中性的，被不同表皮包裹，却可以完成同样的功用（表皮可以任意选择，方案因此多解）。这里，多样性产生于空间的抽象性、适用性和多义性。不仅如此。现代主义之后的建筑运动，又发现了“表皮”的重要性，不同的表皮，代表了内外空间不同的交换机制，与功用存在一定的逻辑对应关系，因此，建筑表皮也被纳入“理性决策”的视野和操作中。表皮也由此部分地被规定了（表皮也由此被部分地规定了）。可对建筑而言，功能与空间的双向适应性都很强，表皮与功用之间的关系也绝非一一对应。穴居人的山洞和小姐的闺房，背后的文化意蕴有云泥之别，但基本的遮风避雨的功效是一致的。因此，哪天风尚所及，小姐完全可以将闺房打扮得像洞穴。
我专门做过建筑的限制性分析，研究表明，除了不可描述的那部分，所有的先决条件都可以被概括为“基地条件”，而所有的“基地条件”，都只是建筑的必要条件，而非充分条件。因此，建筑决策的一部分，事实上并无制约条件，建筑决策是一种不存在充分条件的决策。这才是建筑方案多解的真正关键。请注意，这里说的是不存在，而不是不具备。新近流行的大数据帮不上什么忙。大数据虽然号称“比你更懂你”，其“概率”背后，离不开条件的支持。但面对逻辑上不存在先决条件的决策，再多数据也发挥不了作用。
根据建筑设计的这个特殊性，可以将设计工作分为两步来理解：第一步，处理任务+基地条件，根据我的分类，包括自然、社会、经济、文化等项，这些条件，有些是清晰的，有些需要调研，有些要依靠沟通。这部分工作是理性的，即使有些因素无法量化，如社会与文化条件部分，但制约关系是清楚的。这第一步处理的其实就是建筑设计的全部必要条件。
基地条件图表
第二步，则是对必要条件没有约束的部分作出选择。比如，同样大小的一栋楼，在基地上，光照与通风条件相似，向前几米或向后几米，是有弹性的；再比如，同样大小一的扇窗，开正一点与偏一点，感官上或有差别，但实用效果是一致的……设计中，像这样留给设计师自由裁量的空间并不小。这不是简单的“风格”问题一部分“风格”问题，由基地的文化条件制约，可以将之放在第一步解决。第二步实际上是无中生有，赋予意义的过程，对建筑设计来说非常重要。
在设计中，第一步工作是演绎性的，往往是理性的；第二步工作是综合性的，可以感性，也可以理性，只是这个理性的前题是自我定义的。第一步和第二步其实并不分裂，实际设计中，常常在完成第一步时，顺便把第二步也一并做了。比如，一个薄壳结构的大跨，满足功能、构造和受力的同时，也把结果决定了。分为两步，只是在提醒，同样是大跨，也可以用网架或膜结构——大跨是任务本身要求的，但最终成果不是。在传统建筑设计行为中，两步的区分只有认识价值，没有实践价值，因为都是人在做，而且常常混在一起做。然而，当AI被引进建筑设计领域时，这两步的区别就显得格外重要了。
前述第一步工作，AI建筑师一定可以完成但也许不一定能够胜任。问题是，AI建筑师如何介入第二步工作。这与AI建筑师能够到达的边界有关，当然，也跟人类建筑师的“饭碗”有关。
AI建筑师的研究者声明，他们的建筑学是建筑科学。所谓科学，一是要用精确的可度量的工具进行观测和实验，二是观测和实验的结果在相同的条件下可以重复；三是总结出更精简、更具涵盖性的理论和原理；四是借此理论和原理制造出新的产品、工具，等等。让目前人工智能研究的几个不同的方向的内容如图所示。
人工智能
无论哪个方向，重点都是在寻找和制定规则，发现制约因素和相关性，然后以算法来模拟或者解决。相信AI最后能掌控足够使用的（不一定要全部）制约关系和概率，但那些超出这个关系的决策呢？或者说，建筑既然是某种不存在充分条件的决策，那么，除了那些可以归纳总结成为数据的“必要条件”，影响建筑方案生成的另外的决策因素是什么？是人的意志吗？或者，未来是否还存在“AI的意志”？
于是，建筑学问题被置换成了伦理学问题——自由意志是否存在。
四
在这个问题上走得最远的，是以色列新锐历史学家尤瓦尔·赫拉利（Yuval Noah Harari），他在出版于2015年的新书《未来简史》中断言，主导当代世界的人文主义思想即将崩塌，未来是“数据+算法”的世界，他的核心论据来源于神经科学。神经科学的研究表明：大脑活动中，意识活动是次要的，位于意识层面以下的无意识或潜意识活动才是主宰，人的行为更多受无意识活动掌控。神经科学学家据此否定人类“自由意志”的存在，赫拉利也因此宣布算法的统治性和人文主义的幻灭。
个人认为，神经科学学家的结论稍显着急。从逻辑上讲，实验证明人类行为大部分受下意识与潜意识控制，但并未证明人类的全部行为均出自下意识或潜意识，不能据此否定自由意志的存在。人的受制于下意识与潜意识，只能证明人有强大的生物性和生理本能。例如，呼吸这样的下意识行为，对人而言当然很重要。再如音乐演奏与欣赏本身，也跟呼吸密切相关。在人类对音乐的审美中，也许下意识中的呼吸起了决定性的作用。同时，通过干预人的呼吸来干扰其意志的做法，也是有效的。但因此演绎成呼吸决定论，显然有以偏概全的嫌疑。人的本能和人的理性行为，共同构成人类完整的社会活动，也是不争的事实。
本文没有打算解决这么重大的问题，且留给科学家和哲学家们去烦恼。事实上，建筑师既是工程师，又是艺术家。身为艺术家，如果有人告诉我们，是无意识或潜意识在支配创作过程，这是好消息。切身经历告诉我们，循规蹈矩的推论不盛产创意，建筑创作需要异想天开。在设计的第一步，需要逻辑推理与理性判断，如果说此过程中，建筑师的决策是潜意识控制的结果，难免还有点惴惴，怕下意识间闯了祸自己不知道，毕竟现在都是终身负责制；但在第二步，就不存在这个担忧了，无论自由裁量的终极权威出自哪里，我们只关心漂亮的结果。
而对AI建筑师来说，情况稍有不同。我们假定AI没有潜意识和下意识，它的判断都是理性判断，这对完成建筑设计的第一步来说，是有利的，至少我放心把任务交给它，前提是，别漏了哪个必要条件，以及针对这些必要条件的资讯——哦，这里是数据，都够。但AI建筑师如何完成第二步呢？一种情况是，它不做第二步，只完成第一步。这也行，这样的成果也可以用，但我们会需要一个永远一模一样的世界吗？另一种情况是，给AI建筑师加一个算法，专门负责完成第二步。这个算法的唯一责任，就是在可能的N个结果之间任选一个，而且每次最好不同——但这不就是掷骰子吗！⑤
身为建筑师，我反对赫拉利的判断。建筑师不掷骰子，无论是人类建筑师，还是AI建筑师。当然，我们也可以假定AI建筑师也有潜意识或者下意识，或者，假定人类有自由意志。
由此，我们能够开始构建人工智能时代的建筑伦理学。
五
现实地看，抛开现阶段专注于利用数字技术，利用算法得到比较“酷”的表皮及形体的“伪”人工智能尝试不提。Al建筑师第一步实用性的成果，应该就是类似“小库”那样的强排软件。房地产商的“强排”，专指在既有条件下，研究基地可能的指标与容量，作为拿地的参考依据。条件是固定的，也是清晰的，AI建筑师擅长这样的局面。
Al建筑师的第二步，应该是人机合作的模式，利用AI解决一部分人不容易处理的数据，探索人不容易到达的可能性。AI只负责处理一部分问题，而由人类建筑师掌控全局。算法的确能创造以前不敢想象的形态，也能控制巨量的变数。建筑本来就是单件的、巨大的、定制的产品，但受限于精力与成本，实际做不到完全一对一的定制，AI设计协同AI建造，应该有机会实现这个目标，这会大大丰富我们的建筑产品。
然而，建筑不是纯艺术，所以，算法和数据能提供的帮助，要比电子音乐给音乐家的启发更多，当然也更难。电子音乐对音乐工作者而言，也许只是一种选择，或者只是一种工具。但算法和电脑对未来的建筑师而言，会比工具更多一点，也许可以说是伙伴，这个工具是有智能的，在相当多的场合中比人聪明。建筑师和AI的合作，就像“白痴天才雨人”和他的弟弟。AI就是那个雨人——单方面很聪明，大事糊涂。
AI建筑师的第三步，会不会出现能独立完成工作的呢？从前文的分析看，技术上的可能性是存在的，但没有实用价值——我们可能会需要一个AI来帮着干活，但应该不会需要一个AI来帮着掷骰子。关于掷骰子这件事，人类可以负责任地说：放着，我来。⑥
当然，目前建筑人工智能领域最前沿的，是理性基元（Agent）的尝试。
前沿AI建筑师探索
以我对基元的想象，感觉不能排除AI最终通过这条道路，最终具有下意识和潜意识的可能——一个拥有“本能”的AI，那时，我们能放心地把建筑设计任务完全交给AI吗？我不知道。
当然，完整的人工智能时代的建筑伦理学，除了讨论自由意志以外，还应该讨论韦伯的工具理性和价值理性，更应该讨论哈贝马斯的交往理性。建筑设计不是单方面的创作过程，而是群体互动的结果。前文只是为了讨论方便，我们假设理性是单维度的，实际上，在建筑设计中，理性是双维度的，涉及不同话语者之间的对话关系。从这一点来看，AI还有很长的路要走。
回到我们的主题：物我之间。人工智能时代的建筑伦理学，按中国文化的传统，倾向于默认。
首先，Al得到结论与人得到它，机制是一致的，或者说，算法可以是一个。其次，人和机器的伙伴关系，与人和人的伙伴关系，没什么区别。最后，我们要记住，当苏格拉底说，人的自知就是知道自己的无知，他不是谦虚，是认真的。AI会将人类带到哪里，我们一无所知。技术的进步，起点靠人类推动，但到一定的程度后，技术或许会有能力自主推进、跃迁和折叠。
注释
① 现在还没有一个真正意义上完整的AI建筑程序，多为一些解决局部问题的软件，包括对变量进行参数优化的尝试，荷兰Berlage Institute在这方面相对领先，但基本还是研究项目。2017年6月，小库科技推出的“小库”软件，技术基础就是参数优化的成果，在国内房地产界特有的“强排”这个环节上，表现出实用性，其后续产品“罗塞塔计划”还只是设想。而谷歌的人工智能项目 Google Flux 关注的是“工作流程”方面。现在真正的人工智能项目，集中在Agent-based Modeling领域，均处于初级阶段。
② Agent-based modeling研究领域的代表人物和机构有：Roland Snooks（澳大利亚），Achim Menges（斯图加特大学），SCI-Arc / Robot House（学校机构），Alisa Andrasek(RMIT)等。
③ 人类对世界的认识也是碎片化的。方案多解的一部分原因，在于不同设计师提取并处理不同的碎片知识，但这不是建筑方案多解的关键。
④ 这张图表引自Stuart Russell与Peter Novig的“Artificial Intelligence, A Modern Approach”一书。人工智能领域的Agent一词，字面意义是“代理”，现在较多译成“智能体”。但比较图3中“An Agent”与“Rational Agent”可见，既然有理性Agent，单个Agent的“智能”有限。也有学者建议英译为“艾真体”，在汉语里也有点违和。我和林再国商量，译成“基元”，既有英译的成分，又有意译的元素，而且还和基因（Gene）有相关性，个人认为比较合适。
⑤ 本文定义的建筑设计第二步所完成的工作，约似于Prisma对同一张照片进行的处理工作。当然，Prisma程序对同一张照片的多解，是对既有艺术家风格的模仿，是后置的。未来AI建筑师也能完成类似的模仿工作，“小库”的“罗塞塔计划”沿袭的就是这个思路。但这里的“范式”，是既有的，而非原创的。
⑥ 未来人类建筑师，也许会因AI建筑师的帮助而解放，更专注于“第二步”的工作。按Prisma的例子，成为“范式”的创造者。AI建筑师可能会让习惯于山寨和抄袭的建筑师丢掉饭碗，而致力于原创的建筑师的工作会凸显。
| 
建筑师讨论
