هل تساءلت يومًا كيف يمكن لنماذج التعلم الآلي أن تساعد في تصميم مبانٍ تلائم السياق الحضري المحيط؟ انطلقت الأبحاث الحديثة في هذا المجال لتقدم لنا هذه الإجابة، حيث تم استخدام نماذج اللغة والرؤية (Vision-Language Models) في عملية تشكيل كتل المباني في مرحلة التصميم الأولى.

تكون عملية تصميم الكتل المعمارية الواعية بالسياق (Context-aware building massing) من المهام الحيوية التي تتطلب وعيًا عميقًا بالعوامل المحيطة بالموقع المحدد، سواء كانت كتل أخرى من المباني أو الشوارع. يُعتبر التصميم الجيد مستندًا إلى الرؤية المعلوماتية والتصويرية للمناطق المحيطة، مما يجعل استخدام نماذج اللغة والرؤية أمرًا مثيرًا للاهتمام.

في دراسة حديثة، تم تجميع قاعدة بيانات تجريبية تحتوي على 12,845 تصميمًا من مدينة ملبورن، تشمل تفاصيل مثل حدود الطرود وبيانات هندسية ثلاثية الأبعاد ومشاهد من زوايا متعددة، مما يعكس تنوع السياقات المعمارية. تم تطوير مقياس جديد للقيمة السياقية (contextual relevance metric) لتقييم ما إذا كانت الكتل المولدة تتوافق شكليًا مع السياقات المحيطة.

بينما قارن الباحثون أساليب التدريب المختلفة، تبين أن التدريب المتعدد الوسائط يمكن أن يرفع من جودة التوليد، حيث كان لحجم النموذج تأثير كبير على الأداء. وبالتالي، تبنت الأبحاث نهجًا جديدًا في تقييم القدرة على الاستفادة من الإشارات السياقية القوية التي توفرها هذه النماذج.

في النهاية، هل تعتقد أن هذا التطور يمكن أن يحدث ثورة في عالم التصميم المعماري؟ شاركونا آرائكم في التعليقات!