UCL巴特莱特建筑学院B-Pro 2020优秀毕业作品展

来源于LAC STUDIO，作者妍妍



项目作者Hui Zhao, Xiaoxin Yang, Yan Lyu, Yu Luo课程组别B-Pro UD RC18 (Fab&Media Urbanism)导师Enriqueta Llabres-Valls, Zachary Fluker

UCL 知名的B-pro课程全称是UCL Bartlett Prospective，主要致力于未来建筑的探索与研究，分AD（Architectural Design）和UD（Urban Design）和AC（Architectural Computation）BID（Bio-Intergrated Design）等多个细分方向，那今天带来的优秀学生作品分享来自UD课程的RC18单元。



RC18今年想讨论的课题是在人口不断增长，被过度消耗的环境和依赖技术的城市系统中，如何找到人、机器和环境之间的新的共生关系，以找寻个体利益与公共资源的平衡，阻止环境恶化的问题继续发生。这个共生关系的有趣之处在于，人类并不控制计算机，而计算机会进行反馈，给予惊喜并与设计者进行互动。

城市设计是一个”关系问题”(relational problem)。它是关于不同种智能体(intelligence)的共生关系在时间中构建空间的价值。计算机智能确实可以成为一个推动者，它可以为现在未曾被看到的东西发声。人类思维和机器思维之间的共生关系正在拓宽我们的边界，从如何以1:1的比例生成建筑，到我们对‘个人决策对生态系统的影响’的认识和理解。
  


我们的项目”干扰建筑”（glitch.Arch）是利用机器学习的手段，介入到建筑和城市设计中，来重新思考城市中文化建筑和回收建筑中的复杂性和冲突性，以及建筑在异化社会和智能生态中的可能性。

「 Background 」
项 目 背 景

2017年，英国家庭产生了约2700万吨垃圾，相当于每人409公斤。其中大约三分之二被送往海外。(BBC新闻,2019)



在工业革命之前，与垃圾有关的工作属于不同的个体、家庭或组织。回收是日常生活的一部分，嵌入到城市的日常文化中。这一时期的建筑（直到1929年大萧条）的特点是复杂和矛盾。到了20世纪60年代后期，世界建筑越来越趋同，地方和民族特色逐渐消失。而Venturi认为“建筑的复杂性和矛盾性是需要保持的，不能被过度简化”。（Venturi, 1965）



Contradiction and complexity in architecture

在城市尺度上，受历史影响的空间模式与国际物质消费体系的发展日渐疏离。生产与回收分散化推动了1970年东亚的工业发展。2015年后，伦敦试图将垃圾视为一种资源，引入循环经济(circular economy)，以保持材料的最高利用率和价值。



而垃圾既是一种经济问题，也是一种文化问题。 Yuval Noah Harari认为“文化主要是由不同的行为模式所定义”（History and Biology）。垃圾作为人类生活的产物，也是文化产物之一。但在近年，环境退化的原因通常被人们忽视。垃圾成为一种文化危机，会导致消极的行为模式。于是回收成为了城市生活中的基础设施，正如这张伦敦回收站分布图所示，回收作为一种无处不在的机器景观存在，它维持着我们的生活方式。



伦敦市回收站和文化设施分布

目前，人工智能正在革新艺术和设计的世界，并探索他们可以用于创造和表达的方式。那么人工智能如何重新定义新的空间范式，将矛盾性(contradiction)和复杂性(complexity)带回到城市中呢？机器学习使计算机能够在没有明确空间排布规则的情况下进行学习。有了足够多的多重反馈循环和非线性关系，计算机模型将会足够全面和复杂来进行表达，从而创造出设计者和机器之间的语言进化。在此项目中，将利用机器学习作为设计的辅助手段。



两种不同的机器智能：结果嵌入式(Embedded knowledge)（左），样本迭代式(Example based)（右）

「 Methodology 」

设 计 方 法
我们选择的方法是生成式对抗网络(GAN, Generative Adversarial Network)。GAN是一种无监督的基于样本数据(Example based)的机器学习算法。可以将标志性建筑的风格数据化并转移到其他标志性建筑中。(Campo M., 2019)
在本项目(glitch.Arch)中，试图用文化和回收设施的混合数据集来训练机器，试图重新找回建筑的复杂性。



Pix2Pix算法原理 在GAN的帮助下，此设计被划分为三个迭代，层层递进。第一次迭代确定规划设计 (Figure ground)。第二次迭代将确定建筑内部功能(Architectural program)。建筑设计不只是由外而内也是由内而外的。由于内部和外部是不同的，而连接内外的墙也是展现复杂性的关键。(Venturi R., 1965) 因此，第三次迭代是针对建筑中的材质冲突(Materialization)——墙体。



设计中的三次迭代过程

「 Figure ground 」

规 划 设 计
伦敦泰晤士河(River Thames)与莱亚谷(Lea Valley)的交汇处是一个非常复杂的区域，有很大的潜力将这种矛盾引入。通过分析城市文脉，包括铁路、道路、人行通道，在现有网络的基础上确定几个入口的位置。通过桥梁形成一个新的交通网络，使场地与周围环境相连。



根据原有网络形成新的城市网络 在第一次迭代过程中，为训练GAN准备的数据库包含了最具代表性的文化和回收建筑及其周围功能区块，并通过不同的功能对原始数据进行编辑。
在反复迭代的训练过程中，GAN可以根据原始数据中学习到的规则生成新的规划设计。通过对这些结果进行对比和评价，选择一个多样性和分布功能最高的结果作为最终的规划设计。
  


对GAN结果的对比和评估



Masterplan

「 Architectural Program 」

建筑平面
从上一步的结果中提取建筑边界，为了更加明确的表现物质的流动和循环，以“Input”, “Process”和“Output”的流程对文化和回收空间进行划分，以寻求两种建筑的共性。



对建筑空间的划分

在不同比例的文化和回收建筑作为输入数据的情况下，机器也会给出不同矛盾程度的结果。glitch. Arch在独特的回收系统下，试图在文化空间中展示物质转化的过程。同时，结果的相似性和模糊性导致了空间变化的可能性。
  


Space generation



Recycling flow

「 Materialization 」

材 质 化
墙体，作为建筑的一部分，构成了各种建筑空间，因此在第三次迭代中，将其作为材质化的载体。
在这次迭代中，首先，将建筑平面的外轮廓和墙体图案划分为墙、窗和门，对原始数据进行单色编辑，送入GAN得到墙、窗、门的位置和比例。其次，赋予这些墙以新的纹理——具有文化和回收的立面材质特征。



立面生成过程
同理，在不同比例的文化和回收建筑立面作为输入数据的情况下，机器也会给出不同矛盾程度的结果。这些立面展示了机器对于建筑立面的理解与表达。



将生成好的立面重新安置到建筑平面中，由此生成3D的建筑空间。通过对GAN结果的颜色和功能识别，选择不同的可回收材料，形成最终被材质化的墙。



3D空间的形



材质化的墙面



Elevation
通过设计师与机器的三次交互，glitch.Arch模型由此建立。不同的文化和回收空间与各种性质和材质相矛盾。
  


glitch.Arch
在 glitch.Arch 中，建筑在这里被理解为异化的社会中城市智能生态的小脉冲 (glitches)。在全球生态化背景下，回收工业与回收文化的矛盾，提高了揭示被忽视的物质循环(invisible material transformation)的重要性。在这个数据时代，模型是对已建环境生态学的重新定义。
  




以上仅为少部分精选作品，更多优秀作品完整展示请同学们移步官网查看。