Giriş
Yapay zeka (AI), son on yılda mimari iç tasarım ve akıllı ev düzeni optimizasyonunda giderek daha fazla kullanılmaktadır. İç mekan planlaması, yani odaların, mobilyaların ve işlevlerin düzeninin belirlenmesi, kombinasyonel yapısı ve estetik, işlevsellik ve kullanıcı tercihleri arasında denge kurma gerekliliği nedeniyle karmaşık bir sorundur.
Geleneksel olarak, mimarlar deneyimlerine, genel kurallara ve düzenlerin tekrarlı manuel olarak değiştirilmesine güveniyorlardı. Makine öğrenimi, bilgisayar görüşü, üretken tasarım ve optimizasyon algoritmalarındaki son gelişmeler, daha otomatik ve akıllı tasarım süreçlerini mümkün kılmıştır.
Bu inceleme, akademik araştırmalara odaklanarak 2015'ten 2025'e kadar olan dönemde yaşanan önemli gelişmeleri, yöntemleri ve eğilimleri vurgulamaktadır.
Erken Temeller (Bilgi Odaklı Yaklaşımlar)
- Erken sistemler büyük ölçüde kural tabanlı veya optimizasyon tabanlıydı.
- Temel yöntemler: kısıt tatmini, simüle edilmiş tavlama, genetik algoritmalar.
- Merrell ve ark. (2011): tasarım kurallarını kullanan etkileşimli mobilya düzenleme aracı.
- Yu ve ark. (2011): stokastik arama ile otomatik mobilya düzeni.
- Zorluklar: yeni stillere uyum sağlamada ve karmaşık kuralları kodlamada zorluk.
Veriye Dayalı Tasarımın Yükselişi (2015–2020)
- Kural tabanlı modellerden veriye dayalı modellere geçiş.
- Makine öğrenimi modelleri, büyük tasarım veri kümelerinden öğrenmeye başladı.
- Önemli gelişmeler:
- CNN'ler, kat planlarını ve iç mekan stillerini ayrıştırmak ve sınıflandırmak için kullanıldı.
- RPLAN veri kümesi, düzenler oluşturmak için sinirsel modellerin eğitilmesini sağladı.
- HouseGAN (2019–2020): GAN'ları kullanarak eskizlerden tam daire düzenleri oluşturdu.
- LayoutGAN ve dönüştürücü tabanlı modeller, sıralı düzen oluşturmak için uygulandı.
- Artıları: gerçekçilik ve hız artışı; tasarım ilkelerini otomatik olarak öğrendi.
- Eksileri: kara kutu niteliği, sınırlı kontrol edilebilirlik.
Üretken Tasarım ve Görselleştirmede Atılımlar
- 2D ve 3D'de mobilya ve iç mekan sahnesi sentezine odaklanın.
- Anahtar modeller:
- SG-Net, ATISS (2020–2021): 3D oda düzenleri için VAE'ler ve dönüştürücüler kullanıldı.
- 3D-FRONT veri seti (2021): Mobilya ve semantik içeren 18.000'den fazla oda.
- SceneHGN: Hiyerarşik sahne temsillerini öğrendi.
- Görüntü tabanlı AI:
- Stil işleme ve fotogerçekçi tasarım fikirleri için GAN'lar ve difüzyon modelleri (ör. Stable Diffusion) kullanıldı.
- Tanasra et al. (2023): Boş düzenlere otomatik olarak mobilya yerleştirmek için GAN'lar kullanıldı.
- AI, tasarım iş akışlarında yaratıcılığı ve fikir üretmeyi desteklemeye başladı.
Güçlendirme Öğrenimi ve Yerleşim Optimizasyonu (2020–2025)
- Sıralı karar verme görevi olarak kat planlaması.
- SpaceLayoutGym (2024): Oda bölünmesi ve optimizasyonu için RL ortamı.
- PPO ve DQN ajanları, kısıtlamalar ve sirkülasyon için optimizasyon yapmayı öğrendi.
- Çoklu ajan RL (2025): ajanlar, odaları atamak, boyutları ayarlamak ve işlevi optimize etmek için işbirliği yaptı.
- Haisor çerçevesi (2024): mobilya yerleşiminde insan navigasyonu, konfor ve erişilebilirliği sağladı.
- IGA+DE (2025): %95 alan kullanımı ile hibrit evrimsel-etkileşimli düzen optimize edici.
Kullanıcı Odaklı Tasarım ve Akıllı Ev Entegrasyonu
- Statik tasarımdan dinamik, kişiselleştirilmiş düzen sistemlerine.
- Kullanılan insan-AI ortak tasarım platformları:
- Eskiz girdileri
- Stil anahtar kelimeleri
- Doğal dil komutları
- AI, yerini almak yerine etkileşimli bir yardımcı haline geldi.
- Akıllı ev sensörleriyle entegrasyon:
- Kullanıcı hareketleri ve davranışlarına göre ayarlanan düzenler.
- Yaşlı bakımı, düşme önleme, enerji verimliliği için kullanılır.
- Etik ve insan merkezli AI:
- Şeffaflık, açıklanabilirlik, erişilebilirlik hususları.
- Kullanıcı hedefleri ve değerleriyle uyumlu AI.
Veri setleri ve çerçeveler
- RPLAN, 3D-FRONT, SUNCG, LIFULL Home: temel veri setleri.
- Açık kaynaklı çerçeveler:
- RL için SpaceLayoutGym
- Endüstri araçları: PlanFinder, Finch3D
- Değerlendirme ölçütleri:
- Alan kullanımı
- Komşuluk grafiği doğruluğu
- Dolaşım verimliliği
- Kullanıcı memnuniyeti puanları
Son Trendler ve Gelecek Yönelimler
- Hibrit zeka: makine öğrenimi, optimizasyon ve insan geri bildiriminin birleşimi.
- Yayılma modelleri ve dönüştürücüler yeni performans ölçütleri belirliyor.
- Odak alanları:
- Açıklanabilirlik ve kullanıcı kontrolü
- Canlı uyarlanabilir ortamlar
- Profesyonel iş akışlarında ortak yaratıcı olarak yapay zeka
Sonuç
Son on yılda, iç tasarım ve akıllı ev düzeni optimizasyonunda yapay zeka, temel otomasyondan akıllı işbirliğine doğru evrim geçirdi. Önemli trendler arasında şunlar yer almaktadır:
- Büyük ölçekli veri kümeleri üzerinde eğitilmiş veri odaklı tasarım modelleri
- Sıralı düzen iyileştirme için pekiştirmeli öğrenme
- Kullanıcı geri bildirimi ve akıllı ev verilerinin entegrasyonu
- GAN'lar ve difüzyon modelleri ile desteklenen görselleştirme araçları
- İnsan değerleri, etik ve kullanılabilirliğe verilen önemin artması
Derin öğrenme, optimizasyon ve mimari bilginin bir araya gelmesi, iç mekanların geleceği için dönüştürücü bir anı işaret ediyor.