Modelling a new workflow based on emotional analysis of the floor-plans using machine learning algorithms and semiotics

Abstract

El propósito inicial de la tecnología es ayudarnos en tareas repetitivas. Por ejemplo, en los últimos años, los programas CAD están ayudando a los diseñadores a dedicar más tiempo al diseño mismo; estar limitado por la herramienta parece un recuerdo lejano. Los diseñadores pueden generar formas y planes complejos para su diseño, sin embargo, al igual que nuestros predecesores, todavía estamos abiertos a todo tipo de errores. Con el surgimiento de la Inteligencia Artificial, no solo podemos hacer que las máquinas hagan una tarea específica para nosotros, sino también aprender a adivinar, predecir y planificar para el futuro y evitar los mismos errores (Innovaciones tecnológicas para ayudar a administrar los datos del proyecto y crear nuevos Formas de diseño, 2018). Específicamente, el aprendizaje automático (ML) es un campo de inteligencia artificial que utiliza técnicas estadísticas para dar a los sistemas informáticos la capacidad de "aprender" (por ejemplo, mejorar progresivamente el rendimiento en una tarea específica) de los datos, sin ser programado explícitamente (Stuart Russell y Peter Norvig, 2009).Como arquitectos, todos somos responsables de lo que diseñamos y llevamos a cabo, incluso más, somos responsables de los efectos que nuestros edificios generan en el mundo. Por lo tanto, en Academia, enfocamos el diseño como una práctica de refinamiento, es un proceso de Generar Alternativas y probarlas, una y otra vez, hasta encontrar la opción final. Esto es, de hecho, muy similar a la forma en que funciona una máquina automatizada, excepto que las máquinas no tienen errores humanos. Con la ayuda de nuestras tecnologías actuales, podemos entrenar máquinas para aprender el proceso de diseño y ayudarnos en diversas tareas, como la planificación, la optimización y la predicción del resultado.Uno de los aspectos más fundamentales, con respecto al diseño de un edificio, es el proceso de generar planes basados en las necesidades del usuario; en el cual muchos factores están afectando activamente el proceso. Muchos factores impulsan la generación / diseño de un plan arquitectónico y Nuestras emociones hacia un espacio específico es uno de los más importantes, que el Diseñador descarta en su mayoría y a menudo. Al aplicar IA a este proceso; que sigue los mismos principios; El diseñador está constantemente respaldado por un conocimiento registrado que puede ayudarlo a diseñar evitando tales errores (Abrazando la inteligencia artificial en la arquitectura, 2018).Nuestro objetivo creativo es desarrollar una inteligencia artificial, que puede hacer una dialéctica entre el diseñador y la emoción del usuario, haciendo que el diseño sea más eficiente para el usuario. La investigación tiene como objetivo encontrar relaciones ocultas entre los factores que dan forma a un plano de planta y las emociones del usuario; y encontrar un punto de equilibrio para establecer un nuevo flujo de trabajo. El primer paso para hacerlo es entrenar un programa de computadora, que aprende la relación entre nuestras emociones y el diseño, este último se puede lograr utilizando técnicas de aprendizaje automático, provistas de conjuntos de datos de planos de planta, impulsados por redes semánticas.

El propòsit inicial de la tecnologia és ajudar-nos en tasques repetitives. Per exemple, en els darrers anys, els programes CAD estan ajudant els dissenyadors a dedicar més temps a el disseny mateix; estar limitat per l'eina sembla un record llunyà. Els dissenyadors poden generar formes i plans complexos per al seu disseny, però, a l'igual que els nostres predecessors, encara estem oberts a tot tipus d'errors. Amb el sorgiment de la Intel·ligència Artificial, no només podem fer que les màquines facin una tasca específica per a nosaltres, sinó també aprendre a endevinar, predir i planificar per al futur i evitar els mateixos errors (Innovacions tecnològiques per ajudar a administrar les dades de el projecte i crear nous Formes de disseny, 2018). Específicament, l'aprenentatge automàtic (ML) és un camp d'intel·ligència artificial que utilitza tècniques estadístiques per donar als sistemes informàtics la capacitat de "aprendre" (per exemple, millorar progressivament el rendiment en una tasca específica) de les dades, sense ser programat explícitament (Stuart Russell i Peter Norvig, 2009).Com a arquitectes, tots som responsables del que vam dissenyar i portem a terme, fins i tot més, som responsables dels efectes que els nostres edificis generen al món. Per tant, en Acadèmia, enfoquem el disseny com una pràctica de refinament, és un procés de Generar Alternatives i provar-les, una i altra vegada, fins a trobar l'opció final. Això és, de fet, molt similar a la forma en què funciona una màquina automatitzada, excepte que les màquines no tenen errors humans. Amb l'ajuda de les nostres tecnologies actuals, podem entrenar màquines per aprendre el procés de disseny i ajudar-nos en diverses tasques, com la planificació, l'optimització i la predicció de el resultat.Un dels aspectes més fonamentals, pel que fa a el disseny d'un edifici, és el procés de generar plans basats en les necessitats de l'usuari; en el qual molts factors estan afectant activament el procés. Molts factors impulsen la generació / disseny d'un pla arquitectònic i Les nostres emocions cap a un espai específic és un dels més importants, que el Dissenyador descarta majoritàriament i sovint. A l'aplicar IA a aquest procés; que segueix els mateixos principis; El dissenyador està constantment recolzat per un coneixement registrat que pot ajudar a dissenyar evitant tals errors (Abraçant la intel·ligència artificial en l'arquitectura, 2018).El nostre objectiu creatiu és desenvolupar una intel·ligència artificial, que pot fer una dialèctica entre el dissenyador i l'emoció de l'usuari, fent que el disseny sigui més eficient per a l'usuari. La investigació té com a objectiu trobar relacions ocultes entre els factors que donen forma a un plànol de planta i les emocions de l'usuari; i trobar un punt d'equilibri per establir un nou flux de treball. El primer pas per fer-ho és entrenar un programa d'ordinador, que aprèn la relació entre les nostres emocions i el disseny, aquest últim es pot aconseguir utilitzant tècniques d'aprenentatge automàtic, proveïdes de conjunts de dades de plànols de planta, impulsats per xarxes semàntiques.

The initial purpose of technology is to aid us in repetitive tasks. For example, in recent years, CAD programs are helping Designers to spend more time on the Design itself; being limited by the tool seems like a distant memory. Designers can generate complex forms and plans for their design, however, like our predecessors, we are still open to all kinds of mistakes. With the emergence of Artificial Intelligence, not only we can make machines do a specific task for us, but also learn to guess, predict, and plan for the future and avoiding the same mistakes over (Tech Innovations to Help Manage Project Data and Create New Ways of Designing, 2018). Specifically, Machine learning (ML) is a field of artificial intelligence that uses statistical techniques to give computer systems the ability to "learn" (e.g., progressively improve performance on a specific task) from data, without being explicitly programmed (Stuart Russell and Peter Norvig, 2009).As Architects, we are all responsible for what we design and carry out, even further, we are responsible for the effects which our Buildings render into the world. Therefore, in Academia, we approach design as a practice of refinement, it's a process of Generating Alternatives and testing them, over and over, until finding the final option. This is Indeed, very similar to the way an automated machine works except machines are without human error. With the help of our current technologies, we can train machines to learn the design process and aid us in various tasks such as planning, optimization, and prediction for the outcome.One of the most fundamental aspects, regarding the design of a building, is the process of generating plans based on user’s needs; in which many factors are actively affecting the process. Many factors drive the generation/design of an architectural plan and Our Emotions towards a specific space is one of the important ones, which mostly and often dismissed by the Designer. By applying AI to this process; which follows the same principles; the designer is constantly supported by a recorded knowledge that can help him design avoiding such mistakes (Embracing artificial intelligence in architecture, 2018).Our creative goal is to develop an A.I, which can make a dialectic between the designer and the user’s emotion, making the design more efficient for the user. The research aims to find hidden relationships between the factors which shape a floor plan and the user’s emotions; and finding a balance point to establish a new Workflow. The first step to do so is to train a computer program, which learns the relation between our emotions and the design, the latter can be achieved using machine-learning technics, provided with data sets of floor-plans, powered by semantic networks.