Radical Transitions in Generic Design: Frame Semantic Hypergraphs and Topological Diagrams in C/K Theory

Ontwerp wordt vaak beschouwd als het maken van een tekening van iets nieuws, een schets die een bouwer begeleidt bij het creëren van een brug, een stoel of een softwaresysteem. Decennialang hebben ontwerpers vertrouwd op theorieën die het proces beschouwen als een gesprek tussen twee verschillende werelden: de wereld van wat mogelijk is, waar ideeën vrij zweven zonder bewijs, en de wereld van wat bekend is, waar feiten en data die ideeën verankeren. Deze balans heeft goed gewerkt voor geleidelijke verbeteringen, maar de snelle opkomst van kunstmatige intelligentie dwingt tot een verschuiving die minder aanvoelt als een verbetering en meer als een fundamentele verandering in hoe we denken. Wanneer machines nu taal, beelden en code kunnen genereren met een snelheid die geen mens kan evenaren, worden de oude regels voor hoe we ontwerpen, hoe we onze ideeën verifiëren en hoe we weten wat waar is, op de proef gesteld. De vraag is niet langer alleen hoe we een beter product maken, maar hoe we een proces ontwerpen dat een toekomst kan hanteren waarin de zeer concepten die we gebruiken om de wereld te beschrijven, van de ene op de andere dag kunnen veranderen.

In een nieuwe studie stelt onderzoeker Ira Monarch een manier voor om door deze onzekerheid te navigeren door ontwerp niet alleen als een mentale oefening te behandelen, maar als een gestructureerd, visueel en uitvoerbaar proces. Het werk bouwt voort op een raamwerk genaamd C/K-theorie, die de ruimte van concepten scheidt van de ruimte van kennis. In dit visie is een "concept" een mogelijkheid die nog niet bewezen is, terwijl "kennis" de verzameling feiten en bewijzen is die een specifiek idee ondersteunen. Monarch betoogt dat ontwerpers, om de radicale veranderingen door generatieve AI te kunnen hanteren, een instrument nodig hebben dat de kloof tussen wat we ons voorstellen en wat we weten kan visualiseren, en vervolgens actief het proces kan begeleiden om die kloof te vullen. Het resultaat is een systeem dat de logica van taal combineert met de structuur van een database, waardoor een kaart ontstaat die niet alleen laat zien waar een ontwerp vandaag staat, maar ook waar het morgen naartoe kan gaan.

De kern van deze aanpak is een methode genaamd Frame Semantic Hypergraphs, die een gespecialiseerde database gebruikt om informatie te organiseren. Stel je een bibliotheek voor waar elk boek niet alleen op een plank staat, maar ook met elk ander boek is verbonden door de specifieke rollen die het in een verhaal speelt. In dit systeem worden woorden en ideeën behandeld als "frames" die situaties beschrijven, zoals een "ontwerpbeslissing" of een "materiaalkeuze". Elk frame heeft specifieke onderdelen, of rollen, zoals de persoon die de keuze maakt, het object dat wordt aangepast en de reden voor de verandering. De onderzoeker gebruikte een kunstmatige intelligentie om door een complex technisch artikel over de renovatie van een lokale spoorlijn te lezen en automatisch de 68 kernzinnen in deze frames te sorteren. De AI identificeerde wie erbij betrokken was, welke regels werden gevolgd en welke problemen werden opgelost, waardoor een blok tekst werd omgezet in een gestructureerd netwerk van relaties. Dit netwerk, of hypergraaf, fungeert als een levende kaart van het ontwerpproces, die precies laat zien hoe een specifiek stuk bewijs verbonden is met een breder concept.

Wat deze methode krachtig maakt, is hoe deze omgaat met het moment waarop een ontwerp tegen een muur aanloopt. In traditioneel ontwerp, wanneer een nieuw idee botst met bestaande regels, stagneert het proces vaak of is er een mens nodig om de regels handmatig te herschrijven. In dit nieuwe systeem kan de computer de botsing automatisch detecteren. Als de gegevens uit een projectsessie suggereren dat een materiaal is gekozen om een reden die de huidige regels niet toestaan, markeert het systeem dit als een "anomalie". Dit triggert een cyclus waarbij het systeem de idee niet simpelweg afwijst, maar vraagt of de regels zelf moeten veranderen. Het kan een nieuw frame voorstellen, bijvoorbeeld een dat een ontwerpkeuze toestaat om de vereiste die het bedoeld was te voldoen, te hervormen. Dit verandert het ontwerpproces in een lus waarbij de kaart van mogelijkheden en de kaart van feiten elkaar voortdurend bijwerken. Het systeem kan vervolgens een stapsgewijs plan genereren, of een executiegraaf, die een team van mensen en machines precies vertelt wat de volgende stap is, wat te controleren en hoe het resultaat te verifiëren.

De studie testte dit idee op een praktijkvoorbeeld betreffende de renovatie van een 9.200 kilometer lang netwerk van oude Franse spoorwegen. De ontwerpers stonden voor een dilemma: de oude, verouderde rails behouden en het risico lopen dat de lijn wordt gesloten, of alles vervangen en meer geld uitgeven dan beschikbaar is. Met de nieuwe methode brachten zij het probleem in kaart en vonden een oplossing die de oude fundering behield maar een nieuw type rail introduceerde, geïnspireerd op hogesnelheidslijnen. Het systeem visualiseerde dit proces op twee manieren. Ten eerste toonde het een gedetailleerd netwerk van verbindingen, waarmee werd bewezen dat elke beslissing werd ondersteund door specifiek bewijs uit de projectlogs. Ten tweede creëerde het een topologisch oppervlak, een soort 3D-landschap dat de "spanning" in het ontwerp liet zien. In dit landschap verschenen gebieden waar het ontwerp solide was als hoog gelegen terrein, terwijl gaten en tegenstrijdigheden als diepe gaten verschenen. De succesvolle oplossing verscheen als een nieuwe piek die een gat in het landschap vulde, wat visueel demonstreerde hoe de nieuwe rail de kloof tussen de oude regels en de nieuwe realiteit overbrugde.

Deze visuele aanpak onthult een diepere waarheid over hoe ontwerp werkt. De onderzoeker betoogt dat we ons te lang hebben gericht op de "juistheid van het beeld", wat betekent hoe goed onze mentale modellen overeenkomen met de fysieke wereld. Maar we hebben de "juistheid van de uitvoering" verwaarloosd, oftewel hoe goed onze acties daadwerkelijk onze doelen bereiken. Het nieuwe systeem dwingt deze twee om aan elkaar verantwoording af te leggen. Het zorgt ervoor dat een mooi idee geworteld is in echte data, en dat een praktische actie wordt geleid door een helder concept. Door het ontwerpproces te behandelen als een lus waarbij de kaart en het gebied elkaar voortdurend corrigeren, kan het systeem de radicale verschuivingen aan kunnen die optreden wanneer een discipline van mening verandert over haar eigen fundamenten. Dit gaat niet alleen over het maken van betere treinen of stoelen; het gaat over het creëren van een methode voor het denken die kan overleven bij de komst van machines die zelfstandig kunnen denken.

Het artikel suggereert dat deze methode bijzonder essentieel is voor de huidige tijd, waarin kunstmatige intelligentie begint met het genereren van eigen concepten en regels. De onderzoeker gebruikte een AI om het systeem dat in het artikel wordt beschreven mede op te bouwen, waardoor een partnerschap ontstond waarbij een menselijke ontwerper en een machine samenwerkten om de doelen te definiëren, de data te sorteren en de resultaten te visualiseren. Deze samenwerking was niet alleen een hulpmiddel voor efficiëntie; het was een demonstratie van het nieuwe soort ontwerpend denken dat vereist is. De AI hielp patronen in de tekst te ontdekken die een mens zou kunnen missen, terwijl de mens het oordeel leverde om te beslissen welke patronen er belangrijk waren. Het resultaat was een ontwerpproces dat robuuster en aanpasbaarder was dan wat beiden alleen hadden kunnen bereiken.

Uiteindelijk biedt de studie een manier om voorbij de angst te gaan dat kunstmatige intelligentie simpelweg de menselijke creativiteit zal vervangen of dat het zal leiden tot een chaotische toekomst. In plaats daarvan stelt het een gestructureerd pad voor waarbij menselijke intuïtie en machineprecisie in tandem werken. Het systeem belooft niet elk probleem op te lossen of de toekomst met zekerheid te voorspellen. Het biedt echter wel een manier om de gaten in ons begrip te zien en deze te vullen met bewijsgestuurde actie. Door de onzichtbare structuren van ontwerp zichtbaar te maken, en door het proces van ontdekking te veranderen in een geleide reis, suggereert deze aanpak dat we de komende transities met helderheid kunnen navigeren. Het doel is niet om de toekomst te controleren, maar om een proces te ontwerpen dat flexibel genoeg is om eraan te voldoen, zodat onze capaciteit om betekenisvolle en correcte dingen te creëren intact blijft, zelfs als onze instrumenten veranderen.