O arquiteto e pesquisador Stanislas Chaillou desenvolveu um projeto em Harvard que utiliza aprendizagem automática para explorar o futuro do design generativo. Enquanto estudava Inteligência Artificial (IA) e sua potencial integração na prática arquitetônica, Chaillou desenvolveu toda uma metodologia geracional usando Generative Adversarial Neural Networks (GANs). O projeto de Chaillou investiga o futuro da IA a partir da aprendizagem dos estilos arquitetônicos e seu impacto na composição dos desenhos de planta.
Depois de um estudo inicial sobre o potencial de gerar plantas baixas por IA, o projeto focou no treinamento e refinamento de uma série de modelos de estilos arquitetônicos específicos: barroco, casas geminadas, casa victorianas e blocos de Manhattan. O estudo revela como o estilo carrega um conjunto fundamental de regras funcionais que definem a mecânica do espaço e controlam a organização interna da planta.
No coração do trabalho de Chaillou estão as GANs. Como ele afirma, essas redes são feitas de dois modelos-chave, o Gerador e o Discriminador, e as GANs aproveitam um ciclo de feedback entre os dois modelos para refinar sua capacidade de gerar imagens relevantes. O Discriminador é treinado para reconhecer imagens de um conjunto de dados. Apropriadamente treinado, esse modelo é capaz de distinguir entre um exemplo real, retirado do conjunto de dados, de uma imagem “falsa”, estranha ao conjunto de dados. O Gerador, no entanto, é treinado para criar imagens que se assemelham a imagens do mesmo conjunto de dados. Enquanto o Gerador cria imagens, o Discriminador fornece feedback sobre a qualidade do resultado. Em resposta, o Gerador se adapta para produzir imagens ainda mais realistas. Através desse ciclo de feedback, um GAN desenvolve lentamente sua capacidade de criar imagens sintéticas relevantes, considerando os fenômenos encontrados entre os dados observados.
Chaillou aplicou essa tecnologia no desenho de plantas baixas, usando representações de imagens de plantas como formato de dados para as entradas e saídas dos modelos GAN. A estrutura empregada em todo o trabalho é o Pix2Pix, um modelo GAN padrão, voltado para a tradução imagem-imagem. O estudo cuidadoso da organização aprendido por cada modelo revelou a existência de um viés mais profundo, ou estilo arquitetônico. O projeto teve como objetivo auxiliar o arquiteto a gerar um layout coerente e o mobiliário dos ambientes e, finalmente, remontar todas as unidades de apartamentos em uma planta baixa provisória.O projeto também incluiu a conversão de plantas baixas de um estilo para outro.
Finalmente, Chaillou reuniu esses modelos e ideias em um projeto arquitetônico final: um empreendimento imobiliário de grande escala localizado no Lower East Side, em Manhattan. Como o projeto mostra, os estilos se tornaram ferramentas funcionais. A “inteligência” ou flexibilidade formal exibida nos apartamentos gerados evidencia ainda mais a validade da abordagem: os modelos GAN podem de fato reunir uma quantidade de expertise arquitetônica e estilística que pode ser usada posteriormente, dependendo do conjunto de restrições em jogo.
Como Chaillou sintetiza, os estilos arquitetônicos carregam a mecânica implícita do espaço e, por sua vez, há consequências espaciais na escolha de um determinado estilo em detrimento de outro. Estilo não é um adendo auxiliar, superficial ou decorativo; está no centro da composição. O trabalho de Chaillou mostra como um modelo ou algoritmo está diretamente relacionado ao desenho, suas características próprias e know-how.
