Words, Spaces and Generative AI: Layers of language in contemporary architecture
Este artículo sostiene que el lenguaje funciona como un material de diseño crítico en la arquitectura contemporánea, particularmente con el auge de la IA generativa, al analizar la interacción entre el discurso, los lenguajes de programación y las anotaciones para proponer una agenda de investigación que conecte las teorías lingüísticas con las prácticas de diseño computacional.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Durante siglos, los arquitectos han tratado las palabras como meras instrucciones, una forma de decirle a los constructores qué construir. Pero un creciente cuerpo de pensamiento sugiere que el lenguaje es, en realidad, un material de construcción por derecho propio, tan esencial para el diseño como el ladrillo o el acero. Esta idea se basa en una observación simple: no solo describimos el mundo con palabras; usamos las palabras para moldear cómo lo vemos. Cuando llamamos a un vecindario densamente poblado "tugurio", lo enmarcamos como un problema que debe ser eliminado; cuando lo llamamos "comunidad", lo enmarcamos como algo que debe ser preservado. Este encuadre ocurre antes de que se encuentre cualquier solución, guiando nuestro pensamiento de formas en las que a menudo no nos damos cuenta. Ahora, a medida que las herramientas de inteligencia artificial que convierten texto en imágenes y modelos 3D se vuelven comunes en la arquitectura, esta relación entre el lenguaje y el espacio se ha vuelto crítica. Estas herramientas no solo siguen órdenes; interpretan la forma desordenada y metafórica en que los humanos hablan para generar nuevas formas. Comprender cómo estas máquinas leen nuestras palabras ya no es solo un ejercicio teórico; es la clave para entender cómo se concebirá el entorno construido del futuro.
El capítulo de Anca-Simona Horvath, "Palabras, espacios e IA generativa", explora esta nueva frontera examinando cómo tres capas distintas de lenguaje se entrelazan cuando los arquitectos utilizan estas poderosas nuevas herramientas. La primera capa es el lenguaje natural que hablamos y escribimos cada día, incluyendo la jerga específica que los arquitectos usan para discutir su trabajo. La segunda capa es el código de programación que ejecuta las computadoras, un lenguaje artificial construido sobre una lógica estricta en lugar de la matiz humana. La tercera capa son las anotaciones: las etiquetas y descripciones cortas adjuntas a los millones de imágenes utilizadas para entrenar estos sistemas de IA. Horvath sostiene que cuando un arquitecto escribe un prompt como "una biblioteca sostenible con un techo verde", la IA no simplemente busca una definición. En su lugar, navega por una compleja red donde las metáforas humanas, el código informático rígido y las categorías sesgadas de sus datos de entrenamiento colisionan para producir un resultado.
Para entender cómo funciona esto, el artículo rastrea la historia de cómo pensamos sobre el lenguaje. Remonta al siglo XX, cuando el filósofo Ludwig Wittgenstein sugirió que la comunicación es como intercambiar imágenes mentales; usamos las palabras para activar imágenes en la mente de los demás. Más tarde, investigadores como George Lakoff y Mark Johnson demostraron que nuestras mentes están programadas con metáforas, utilizando experiencias concretas para comprender ideas abstractas. Por ejemplo, entendemos el tiempo como algo que "fluye" o "vuela", tratándolo como un río o un pájaro. Estas metáforas no son solo florituras poéticas; son la estructura misma de nuestro pensamiento. En la década de 1970, el planificador urbano Donald Schön aplicó esto al diseño, argumentando que la forma en que enmarcamos un problema determina las soluciones que podemos ver. Si vemos una manzana urbana como una "máquina", diseñamos para la eficiencia; si la vemos como un "jardín", diseñamos para el crecimiento. Estas ideas forman la columna vertebral de cómo los humanos interactúan con el diseño, pero crean un desafío único para las máquinas.
El artículo luego se dirige a la mecánica específica de cómo operan las herramientas de texto a imagen y texto a 3D. Estudios recientes muestran que estos sistemas pueden generar planos de edificios, estructuras de puentes e incluso estilos de vivienda vernácula basados en descripciones textuales. Sin embargo, los resultados a menudo revelan una brecha entre la intención humana y el resultado de la máquina. Por ejemplo, cuando los investigadores pidieron a la IA generar casas tradicionales de Turquía, Japón y México, los modelos copiaron con éxito el estilo visual —las formas de los techos y la disposición de las ventanas— pero a menudo pasaron por alto la lógica cultural más profunda y el significado social detrás de esas formas. La IA produjo imágenes visualmente plausibles que eran semánticamente pobres, carentes del rico contexto que un arquitecto humano comprendería. Otro estudio encontró que cuando los arquitectos usaban estas herramientas sin un método estructurado, los resultados eran a menudo colecciones aleatorias de formas que parecían edificios pero que no tenían sentido funcional. Los investigadores sugieren que, para obtener mejores resultados, los arquitectos deben tratar el prompting no como una simple orden, sino como un acto de comunicación sofisticado que requiere comprender las reglas ocultas de la máquina.
Una parte significativa del artículo se centra en la capa oculta del lenguaje: las anotaciones que alimentan estos sistemas. El conjunto de datos más famoso utilizado para entrenar la IA generadora de imágenes, llamado ImageNet, contiene más de 14 millones de imágenes organizadas en más de 20,000 categorías. Estas categorías no fueron elegidas al azar; se basaron en un diccionario de palabras llamado WordNet, que organiza los conceptos de forma jerárquica. Esto significa que la IA aprendió a ver el mundo a través de un lente humano específico que incluye nuestros sesgos y suposiciones. El artículo destaca que este conjunto de datos clasificó a personas de formas ofensivas, agrupándolas bajo diagnósticos psiquiátricos o insultos, porque las etiquetas humanas originales contenían esos prejuicios. Cuando una IA genera una imagen de una "familia" o un "profesional", está recurriendo a estas categorías defectuosas. La máquina no sabe qué es una familia; solo sabe cómo la palabra "familia" estaba vinculada estadísticamente a ciertas imágenes en sus datos de entrenamiento. Esto revela que la IA no es un observador neutral, sino un espejo que refleja la forma específica y, a menudo, sesgada en que los humanos han organizado su conocimiento.
La autora concluye que, para que la arquitectura avance con estas herramientas, el campo debe tomar el lenguaje en serio como un material de diseño. Esto significa ir más allá de la idea de que un prompt es solo una instrucción simple. En su lugar, los arquitectos necesitan comprender la "encarnación" de la máquina: el hecho de que procesa la información de manera diferente a un cerebro humano. Mientras que los humanos experimentan el mundo a través de sus cuerpos y sentidos, los sistemas de IA experimentan el mundo a través de datos y patrones. El artículo sugiere que la investigación futura debería observar de cerca cómo diferentes lenguajes y culturas moldean el pensamiento de diseño, y cómo estas diferencias podrían perderse o distorsionarse al traducirse al código de máquina. Hace un llamado a un nuevo enfoque que combine la precisión de la informática con la sutileza de la comunicación humana. Al estudiar cómo las palabras moldean nuestras imágenes mentales y cómo esas imágenes se traducen en código, los arquitectos pueden comenzar a aprovechar todo el potencial de la IA generativa, asegurando que los edificios del futuro no sean solo visualmente impactantes, sino profundamente significativos y culturalmente resonantes.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.