Words, Spaces and Generative AI: Layers of language in contemporary architecture

Per secoli, gli architetti hanno trattato le parole come semplici istruzioni, un modo per dire ai costruttori cosa costruire. Ma un crescente corpo di pensiero suggerisce che il linguaggio sia in realtà un materiale da costruzione a tutti gli effetti, essenziale al design quanto il mattone o l'acciaio. Questa idea si basa su un'osservazione semplice: non ci limitiamo a descrivere il mondo con le parole; usiamo le parole per plasmare il modo in cui lo vediamo. Quando definiamo un quartiere affollato come un "tugurio", lo inquadriamo come un problema da rimuovere; quando lo chiamiamo "comunità", lo inquadriamo come qualcosa da preservare. Questo inquadramento avviene prima ancora che venga trovata una soluzione, guidando il nostro pensiero in modi che spesso non notiamo. Ora, mentre gli strumenti di intelligenza artificiale che trasformano il testo in immagini e modelli 3D stanno diventando comuni in architettura, questo rapporto tra linguaggio e spazio è diventato critico. Questi strumenti non si limitano a seguire ordini; essi interpretano il modo disordinato e metaforico in cui gli esseri umani parlano per generare nuove forme. Comprendere come queste macchine leggono le nostre parole non è più solo un esercizio teorico; è la chiave per comprendere come sarà concepito l'ambiente costruito del futuro.

Il capitolo di Anca-Simona Horvath, "Words, Spaces and Generative AI", esplora questa nuova frontiera esaminando come tre distinti strati di linguaggio si intrecciano quando gli architetti utilizzano questi potenti nuovi strumenti. Il primo strato è il linguaggio naturale che parliamo e scriviamo ogni giorno, incluso il gergo specifico che gli architetti usano per discutere del loro lavoro. Il secondo strato è il codice di programmazione che fa girare i computer, un linguaggio artificiale costruito sulla logica rigorosa piuttosto che sulla sfumatura umana. Il terzo strato è costituito dalle annotazioni — le brevi etichette e descrizioni allegate ai milioni di immagini utilizzate per addestrare questi sistemi di IA. Horvath sostiene che quando un architetto digita un prompt come "una biblioteca sostenibile con un tetto verde", l'IA non cerca semplicemente una definizione. Al contrario, naviga in una complessa rete dove le metafore umane, il codice informatico rigido e le categorie distorte dei suoi dati di addestramento collidono per produrre un risultato.

Per capire come ciò funzioni, il saggio ripercorre la storia di come pensiamo il linguaggio. Guarda indietro all'inizio del XX secolo, quando il filosofo Ludwig Wittgenstein suggerì che la comunicazione è come scambiarsi immagini mentali; usiamo le parole per attivare immagini nella mente altrui. Successivamente, ricercatori come George Lakoff e Mark Johnson hanno dimostto che le nostre menti sono cablate con metafore, utilizzando esperienze concrete per comprendere idee astratte. Ad esempio, comprendiamo il tempo come qualcosa che "scorre" o "vola", trattandolo come un fiume o un uccello. Queste metafore non sono solo sfumature poetiche; sono la struttura stessa del nostro pensiero. Negli anni '70, l'urbanista Donald Schön ha applicato questo concetto al design, sostenendo che il modo in cui inquadriamo un problema determina le soluzioni che possiamo vedere. Se vediamo un isolato come una "macchina", progettiamo per l'efficienza; se lo vediamo come un "giardino", progettiamo per la crescita. Queste idee formano l'ossatura di come gli esseri umani interagiscono con il design, ma creano una sfida unica per le macchine.

Il saggio si concentra poi sulle specifiche meccaniche di funzionamento degli strumenti text-to-image e text-to-3D. Studi recenti mostrano che questi sistemi possono generare planimetrie edilizie, strutture a ponte e persino stili abitativi vernacolari basandosi su descrizioni testuali. Tuttavia, i risultati rivelano spesso un divario tra l'intento umano e l'output della macchina. Ad esempio, quando i ricercatori hanno chiesto all'IA di generare case tradizionali di Turchia, Giappone e Messico, i modelli hanno copiato con successo lo stile visivo — le forme dei tetti e la disposizione delle finestre — ma hanno spesso mancato la logica culturale profonda e il significato sociale dietro quelle forme. L'IA ha prodotto immagini visivamente plausibili ma semanticamente povere, prive del ricco contesto che un architetto umano comprenderebbe. Un altro studio ha scoperto che quando gli architetti utilizzavano questi strumenti senza un metodo strutturato, gli output erano spesso solo collezioni casuali di forme che sembravano edifici ma non avevano senso funzionale. I ricercatori suggeriscono che, per ottenere risultati migliori, gli architetti devono trattare il prompting non come un semplice comando, ma come un atto di comunicazione sofisticato che richiede la comprensione delle regole nascoste della macchina.

Una parte significativa del saggio si concentra sullo strato nascosto del linguaggio: le annotazioni che alimentano questi sistemi. Il dataset più famoso utilizzato per addestrare l'IA generativa di immagini, chiamato ImageNet, contiene oltre 14 milioni di immagini organizzate in più di 20.000 categorie. Queste categorie non sono state scelte casualmente; si basavano su un dizionario di parole chiamato WordNet, che organizza i concetti in modo gerarchico. Ciò significa che l'IA ha imparato a vedere il mondo attraverso una lente specifica, creata dall'uomo, che include i nostri pregiudizi e le nostre assunzioni. Il saggio evidenzia che questo dataset classificava le persone in modi offensivi, raggruppandole sotto diagnosi psichiatriche o epiteti, perché le etichette umane originali contenevano tali pregiudizi. Quando un'IA genera l'immagine di una "famiglia" o di un "professionista", sta attingendo a queste categorie difettose. La macchina non sa cos'è una famiglia; sa solo come la parola "famiglia" è stata statisticamente collegata a determinate immagini nei suoi dati di addestramento. Questo rivela che l'IA non è un osservatore neutrale, ma uno specchio che riflette il modo specifico, e spesso distorto, in cui gli esseri umani hanno organizzato la propria conoscenza.

L'autrice conclude che, affinché l'architettura possa progredire con questi strumenti, il campo deve prendere seriamente in considerazione il linguaggio come materiale di design. Ciò significa andare oltre l'idea che un prompt sia solo una semplice istruzione. Invece, gli architetti devono comprendere l' "incarnazione" (embodiment) della macchina — il fatto che essa elabori le informazioni in modo diverso rispetto a un cervello umano. Mentre gli esseri umani sperimentano il mondo attraverso i loro corpi e i loro sensi, i sistemi di IA sperimentano il mondo attraverso dati e schemi. Il saggio suggerisce che la ricerca futura dovrebbe esaminare da vicino come diverse lingue e culture modellano il pensiero del design, e come queste differenze possano andare perdute o essere distorte quando tradotte in codice macchina. Esso invoca un nuovo approccio che combini la precisiono dell'informatica con la sfumatura della comunicazione umana. Studiando come le parole modellano le nostre immagini mentali e come quelle immagini vengono tradotte in codice, gli architetti possono iniziare a sfruttare appieno il potenziale dell'IA generativa, garantendo che gli edifici del futuro non siano solo visivamente accattivanti, ma anche profondamente significativi e culturalmente risonanti.