Prompt-to-image

Téma umělé inteligence dlouho zůstávalo pro architekty okrajovou záležitostí. Obor se zdál být příliš komplexní a zároveň příliš subjektivní na to, aby se v něm dalo využít strojového učení či jiné techniky AI kromě velmi specifické oblasti, jako je například simulace vlivu větru na statiku budovy. Avšak nedávný vývoj a obrovská popularita prompt-to-image AI, jako je MidJourney nebo Stable Diffusion, může zásadně změnit situaci.

Prompt-to-image AI je typ strojového učení, které se používá k vytváření obrázků na základě textového popisu. Jde o techniku hlubokého učení, která využívá neuronové sítě. Do té se vloží dvojice obrázek a jemu odpovídající text a síť se učí poznávat vztah mezi nimi. Jakmile je síť vycvičena, lze ji použít ke generování nových obrázků na základě nových textových pokynů. Pro zlepšení kvality generovaných obrázků se neuronová síť obvykle trénuje pomocí velkého souboru dat s obrázky a odpovídajícími textovými popisy. To pochopitelně neznamená, že vygenerované obrázky vždy přesně odrážejí zamýšlený význam textového popisu. Zároveň mohou posilovat existující tendence nebo trendy, pokud je k tomu navádí tréninkový soubor dat.

Nerealizovaný projekt Fun Palace (1961) od Cedrica Price je příkladem utopické architektury ze skla a oceli. Původně prompt-to-image AI StableDiffusion nedokáže pracovat s touto referenci (obrázky nahoře) a až po tréninku s výkresy a ilustracemi projektu nabízí výsledek, jež vychází z tohoto odkazu (obrázky dole).

Autorky: Diana Kravchenko, Antonia Stretavská

Nástup prompt-to-image AI v architektuře nepochybně přinesl vzrušující možnosti v oblasti navrhování. Tato technologie umožňuje architektům rychle a efektivně generovat více variant návrhu a představuje agilnější proces navrhování. Jako každou novou technologii i tuto lze využít různě.

Před 60 lety vznikl na MIT program SketchPad, jenž se často považuje za první příklad programů CAD (computer-aided-design). Byl jedním z prvních, který umožňoval vytvářet kresby pomocí počítače, přičemž k interakci se systémem používal lehké pero. Sketchpad zavedl mnoho konceptů a technik, které se v CAD používají dodnes, včetně vektorové grafiky, objektově orientovaného programování a možnosti manipulace s objekty na obrazovce. Jeho autor Ivan Sutherland i další významný průkopník tohoto oboru Nicholas Negroponte měl ambici stvořit budoucnost, ve které architekti a software spolupracují na návrhu, vzájemně se učí a přispívají k lepšímu řešení. Skutečnost byla poněkud banálnější a první programy CAD představovaly digitální kreslicí prkno, které práci architekta principiálně neměnilo (i když částečně usnadnilo).

Vývoj návrhu umělecké školy pomocí prompt-to-image AI Midjourney. Autorky upravují textový popis (prompt) tak dlouho, než se dopracují k výsledku, s nímž jsou spokojeny.

Autorky: Diana Kravchenko, Antonia Stretavská

Na základě této historické zkušenosti se předpokládá, že první masové využití prompt-to-image AI bude též prvoplánové a banální. Nabízí se představa pokročilejší nástěnky, obdoby služby Pinterest, kde si architekti (nebo i klienti) generují množství návrhů, dokud nenarazí na ten „povedený“. I když to vypadá jako pohodlné řešení, je zde několik otazníků. Za prvé není neuronová síť cvičena k tomu, aby měla důkladné znalosti o složitosti architektonického navrhování. Navrhování budov vyžaduje nejen „povedenou“ estetiku, ale také porozumění typologii, urbanismu nebo materiálu. Dále vzniká obava, že prompt-to-image AI bude udržovat stávající předsudky a stereotypy v oblasti architektury. Modely umělé inteligence se spoléhají na soubory dat, které jim slouží jako zdroj, a pokud jsou tyto soubory dat neobjektivní, pak bude neobjektivní i výstup umělé inteligence. Jestliže například tréninková data obsahují především návrhy ze západních kultur, pak může umělá inteligence generovat návrhy, které nezohledňují specifický kulturní kontext, v němž bude budova postavena. Konečně je otázka, zda jsme jako architekti schopni najít společnou řeč s neuronovou sítí, vycvičenou na všeobecném tréninkovém souboru dat. V rámci studijního úkolu, který probíhal na Vysoké škole uměleckoprůmyslové v Praze, se studenti ve svých textových popisech odvolávali na konkrétní nerealizovaný projekt britského architekta Cedrica Price „Fun Palace“ z roku 1961. Nepřekvapivě neměla představa neuronové sítě o tom, co je „fun“ a co je „palace“, nic společného s architektonickým návrhem ze šedesátých let.

Avšak tyto a další problémy, které se jistě objeví při aplikaci prompt-to-image AI v architektuře, jsou samy o sobě potenciálním řešením. Jsou současné neuronové sítě zaměřené pouze na estetiku? Ano, ale možná že stejně, jako umějí kvantifikovat „povedený“ vzhled, by se mohly naučit odhadnout karbonovou stopu návrhu. Jsou neuronové sítě plné předsudků a stereotypů? Jistě, ale zároveň mohou sloužit k odhalení těchto předsudků a stereotypů. Například i těch, o kterých jsme neměli ponětí. Jsou tréninková data příliš obecná a zaměřená na popkulturu? Asi ano, ale snad je to příležitost k diskusi o tom, jaká tréninková data bychom si jako architekti přáli použít. A třeba je to příležitost vytvářet vlastní soubory tréninkových dat, takových, které by o nás vypovídaly přinejmenším stejně jako naše skici.