基于樣式生成對抗網絡的風景園林方案生成及設計特征識別

陳然 趙晶＊

人工智能如何理解設計特征？這是一個關鍵而亟待解決的新問題。近年來，人工智能技術在圖像處理、語音處理、自然語言處理（natural language progressing, NLP）等領域取得了突破，為風景園林設計領域提供了新的可能性。尤其是一些基于深度學習技術的圖像生成模型（如Midjourney、Dall-E、Stable Diffusion 等新應用工具），可以根據用戶簡單輸入生成具有創造力的圖像，似乎能產出令人滿意的設計結果。然而它們能否捕捉到設計作品的本質、規律和邏輯？還是僅能基于圖形生成圖形？這些問題具有重要的理論和實踐意義，也面臨著巨大的挑戰，涉及諸多方面問題。

1）“AI 算法驅動的設計循證”——當今技術背景下產生的新問題。大多數傳統數字景觀技術是用人工邏輯進行正向推導，從而產生可“循證”的設計結果。深度學習與傳統方法不同，它不是用人工邏輯進行正向推導，而是利用海量數據訓練，從中發現隱式規律，并用它們進行再創造。但由于“黑盒”效應，神經網絡所習得的“隱式規律”可解釋性較低，也難以循證，這是關乎技術落地的重要問題。

2）“AI 算法驅動的人機協同方式”——敏感且尖銳的行業問題。神經網絡在生成設計方案時，本質上是通過海量數據訓練，擬合從條件到設計結果之間的“映射關系”。這個“映射關系”就是設計師最核心的工作——生成方案。探究算法理解并生成方案的邏輯是重要的科學問題，這關系到算法可以從什么方面、什么角度輔助設計師工作。

3）“算法可解釋性”——富有挑戰性的高難度技術問題。……