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

几个世纪以来，建筑师一直将文字视为单纯的指令，一种告诉建造者去建造什么的手段。但一种日益增长的思想表明，语言本身就是一种建筑材料，其重要性不亚于砖块或钢材。这一观点基于一个简单的观察：我们不仅用语言描述世界，还利用语言来塑造我们看待世界的方式。当我们把一个拥挤的街区称为“贫民窟”时，我们将它界定为一个需要被移除的问题；当我们称之为“社区”时，我们将它界定为一个需要被保护的对象。这种框架化发生在任何解决方案被找到之前，以我们往往察觉不到的方式引导着我们的思维。现在，随着能够将文本转化为图像和3D模型的人工智能工具在建筑领域变得普遍，语言与空间之间的这种关系变得至关重要。这些工具不仅仅是遵循命令；它们在解读人类那种混乱且充满隐喻的表达方式，从而生成新的形式。理解这些机器如何阅读我们的文字，不再仅仅是一个理论练习；它是理解未来建成环境如何被构思的关键。

安卡-西莫娜·霍瓦斯（Anca-Simona Horova）的章节《语言、空间与生成式人工智能》通过探讨当建筑师使用这些强大的新工具时，三个截然不同的语言层是如何交织在一起的，从而探索了这一新前沿。第一层是我们日常使用的自然语言，包括建筑师讨论其工作的特定术语。第二层是运行计算机的编程代码，这是一种建立在严格逻辑而非人类细微差别之上的人工语言。第三层是注释——即附着在用于训练这些人工智能系统的数百万张图像上的简短标签和描述。霍瓦斯认为，当一位建筑师输入类似“一个带有绿屋顶的可持续图书馆”的提示词时，人工智能并不仅仅是在查找定义。相反，它正在导航一个复杂的网络，在这个网络中，人类的隐喻、僵硬的计算机代码以及其训练数据中带有偏见的类别相互碰撞，从而产生结果。

为了理解这一过程，论文追溯了我们思考语言的历史。它回顾了20世纪早期，当时哲学家路德维希·维特根斯坦提出，交流就像交换心理图像；我们使用文字在彼此的心智中触发图像。后来，研究人员乔治·莱考夫（George Lakoff）和马克·约翰逊（Mark Johnson）展示了我们的思维是如何被隐喻武装的，即利用具体的经验来理解抽象的概念。例如，我们将时间理解为“流动”或“飞逝”的东西，将其视作河流或鸟类。这些隐喻不仅仅是诗意的修饰；它们是思维本身的结构。在20世纪70年代，城市规划师唐纳德·舒恩（Donald Schön）将此应用于设计，认为我们对问题的框架化方式决定了我们能看到的解决方案。如果我们把一个街区视为“机器”，我们就为效率而设计；如果我们把它视为“花园”，我们就为生长而设计。这些思想构成了人类与设计互动的骨干，但也为机器带来了独特的挑战。

随后，论文转向了文本生成图像和文本生成3D工具的具体运作机制。近期的研究表明，这些系统可以根据文本描述生成建筑平面图、桥梁结构甚至民居风格。然而，结果往往揭示了人类意图与机器输出之间的差距。例如，当研究人员要求人工智能生成来自土耳其、日本和墨西哥的传统房屋时，模型成功地模仿了视觉风格——屋顶的形状和窗户的排列——但它们往往忽略了这些形式背后的深层文化逻辑和社会意义。人工智能生成的图像在视觉上看似合理，但在语义上却很单薄，缺乏人类建筑师所理解的丰富语境。另一项研究发现，当建筑师在没有结构化方法的情况下使用这些工具时，输出结果往往只是看起来像建筑但毫无功能的随机形状集合。研究人员建议，为了获得更好的结果，建筑师需要将提示词处理为一种复杂的沟通行为，而不仅仅是一个简单的命令，这需要理解机器的隐藏规则。

论文的很大一部分集中在隐藏的语言层：即喂给这些系统的注释。用于训练图像生成人工智能的最著名数据集名为 ImageNet，它包含超过1400万张图像，并组织成2万多个类别。这些类别并非随机选择；它们基于一个名为 WordNet 的词典，该词典按层级组织概念。这意味着人工智能是通过一个特定的、由人类制造的透镜来观察世界的，这个透镜包含了我们的偏见和假设。论文强调，该数据集以冒犯性的方式对人进行分类，将人们归入精神疾病诊断或侮辱性词汇之下，因为原始的人类标签包含了这些偏见。当人工智能生成“家庭”或“专业人士”的图像时，它是在利用这些有缺陷的类别。机器并不理解什么是“家庭”；它只知道“家庭”这个词在统计学上是如何与某些图像联系在一起的。这表明人工智能不是一个中立的观察者，而是一面镜子，反映了人类组织知识时那种特定的、往往带有偏见的方式。

作者总结道，为了让建筑领域在运用这些工具时取得进步，必须将语言视为一种设计材料来严肃对待。这意味着要超越“提示词只是简单指令”的想法。相反，建筑师需要理解机器的“体现”（embodiment）——即机器处理信息的方式与人类大脑不同。人类通过身体和感官体验世界，而人工智能系统通过数据和模式体验世界。论文建议，未来的研究应密切关注不同的语言和文化如何塑造设计思维，以及这些差异在转化为机器代码时可能会如何丢失或扭曲。它呼吁一种结合了计算机科学的精确性与人类沟通的细微差别的全新方法。通过研究文字如何塑造我们的心理图像，以及这些图像如何转化为代码，建筑师可以开始充分利用生成式人工智能的潜力，确保未来的建筑不仅在视觉上引人注目，而且具有深刻的意义和文化共鸣。