面向创意的AI：基于生成式AI的早期概念设计方法及其对资深建筑师的影响

文献标题

AI for Creativity: A GenAI-Based Approach for Early Concept Design and Its Impact on Senior Architects

出版信息

• 主题领域: 生成式人工智能（GenAI）在建筑设计早期概念阶段中的应用，针对资深专业人士。
• 关键词: 生成式人工智能、建筑设计、早期概念设计、资深建筑师、人机协作、创意支持、职业满足感、迭代设计、系统可用性、动态角色灵活性。

背景与问题

• 问题/挑战: 现有的生成式人工智能工具主要集中于执行阶段，对早期概念设计阶段的支持有限，而这一阶段对资深建筑师至关重要。这些工具通常缺乏迭代探索功能，难以与资深专业人士的工作流程和认知需求相契合，可能削弱创造力和职业自主性。
• 重要性: 填补这些空白对于提升建筑创新、支持资深建筑师的领导角色以及推动创意领域的人机协作具有重要意义。
• 动机与相关研究: 以往研究探讨了生成式人工智能在可视化和迭代优化方面的潜力，但在早期设计阶段对资深专业人士的需求关注较少。现有工具通常优先考虑效率，而忽视了更深层次的概念探索，未能充分支持资深建筑师的迭代和反思设计过程。

解决方案

• 提出的方法: 开发EarlyArchi，一种针对资深建筑师早期概念设计的生成式人工智能驱动系统，集成了结构化工作流程、迭代优化和可定制化评估功能。
• 创新点:
  1. 针对资深建筑师工作流程和认知需求的用户中心设计管道。
  2. 在单一平台中集成生成式人工智能的概念生成和评估功能。
  3. 引入动态角色灵活性框架，定义适应性的人机协作模式。
  4. 提供生成式人工智能对资深建筑师专业知识、能力和职业满足感影响的实证洞察。
• 流程与关键技术:
  • 通过形成性研究（N=11）识别资深建筑师的挑战并制定设计目标。
  • 开发EarlyArchi，包括三个核心模块（输入、AI处理、输出），并与RIBA工作计划和“双钻石设计模型”对齐。
  • 通过用户研究（N=13）评估EarlyArchi，结合定量问卷和定性访谈，分析创意支持、可用性和职业影响。

结果

• 具体发现:
  • 参与者对EarlyArchi在组织创意（平均评分4.54/5）和促进沟通（平均评分4.69/5）方面的表现给予了积极评价。
  • 对生成式人工智能输出的满意度存在分歧：创意支持评分平均为3.46/5（“结果值得努力”）和3.46/5（输出质量）。
  • 专业知识提升（平均评分5.31/6）和能力增强（平均评分4.85/5），但对领导技能的影响有限（平均评分3.46/5）。
  • 职业满足感评分中等，参与者认可效率提升，但对生成式人工智能的可控性和创意局限性表示担忧。
• 相较基线的优势: EarlyArchi在单一平台中集成了概念生成和评估功能，减少了流程碎片化，并支持迭代优化，这是现有工具所缺乏的。
• 实验/评估:
  • 对13位资深建筑师进行用户研究，评估创意支持（创意支持指数）、可用性（技术接受模型3）和职业影响（柯克帕特里克模型、职业满足感指数）。
  • 采用混合方法分析，包括问卷调查和主题访谈。
• 局限性与未来工作:
  • 当前依赖通用生成式人工智能模型，限制了领域特定的精确性。
  • 样本量较小且研究为远程设置，可能影响结果的普适性。
  • 未来工作包括开发领域专用人工智能模型、优化提示指导以及在多样化建筑环境中开展纵向研究。

总结

本文介绍了EarlyArchi，一种旨在支持资深建筑师早期概念设计的生成式人工智能系统，通过集成结构化工作流程、迭代优化和可定制化评估功能。用户研究（N=13）表明，EarlyArchi提升了专业知识、能力和效率，但参与者对生成式人工智能输出的满意度存在分歧，并对可控性表示担忧。研究还识别了三种人机协作模式——完全AI驱动、生成式人工智能主导、人类主导——强调了动态角色灵活性的必要性。这些发现为设计未来生成式人工智能工具提供了可操作的见解，旨在平衡自动化与专家驱动的创造力，满足建筑及其他创意领域资深专业人士的复杂需求。