Erken Kural Tabanlı Yaklaşımlar (1970'ler–1980'ler)
Kat planı tasarımını otomatikleştirme arayışı 1970'lerde başladı. İlk kavramsal dönüm noktalarından biri, 1971 yılında Stiny ve Gips tarafından tanıtılan şekil gramerleri idi. Bu, yinelemeli şekil dönüşüm kuralları aracılığıyla mimari düzenler de dahil olmak üzere tasarımlar üretmek için kullanılan resmi bir kural tabanlı sistemdi. Bu erken yaklaşımlar büyük ölçüde sembolik veya kural odaklı idi: örneğin, Friedman'ın 1971 tarihli çalışması algoritmik alan planlamasını denedi ve Mitchell'in 1976 tarihli teorisi olası oda düzenlemelerini sıralama yöntemini ortaya koydu. 1970'lerin sonları ve 1980'lerde araştırmacılar, "alan tahsisi sorunu" için uzman sistemleri ve sezgisel kuralları araştırıyorlardı. Shaviv'in 1974 ve 1987 yıllarında bilgisayarlı alan tahsisi üzerine yaptığı çalışma, o dönemin mantık odaklı düzen planlama yöntemlerini örneklemektedir.
Optimizasyon ve Evrimsel Yöntemler (1990'lar–2000'ler)
1990'larda, mimaride yapay zeka, düzenlerin kombinasyonel karmaşıklığını ele almak için arama ve optimizasyon algoritmalarına doğru kaydı. John Gero ve meslektaşlarının öncü çalışmaları, kat planı tasarımı için evrimsel algoritmaları tanıttı: Jo ve Gero (1996) genetik algoritmalar kullanarak basit mimari planları simüle etti ve Rosenman ve ark. (1997) bunu genetik algoritmaları genetik programlama ile birleştirerek genişletti. 1990'ların sonlarında, birçok araştırmacı uzamsal konfigürasyonlar oluşturmak için evrimsel stratejiler uyguladı.
2000'li yılların başında, bu alanda simüle edilmiş tavlama ve evrimsel algoritmaları kısıt programlama veya şekil gramerleriyle birleştiren hibrit yöntemler gibi sezgisel yöntemler yaygınlaşmaya başladı. Dikkat çeken bir eğilim, işlevsel gereksinimleri performans kriterleriyle dengelemek için çok amaçlı optimizasyonun kullanılmasıydı.
Veri Odaklı Paradigmalar ve Önemli Dönüm Noktaları (2010–2015)
Paul Merrell ve arkadaşları tarafından 2010 yılında yayınlanan "Bilgisayar Tarafından Oluşturulan Konut Bina Yerleşim Planları" başlıklı makale ile önemli bir dönüşüm yaşandı. Bu makale, oda bağlantı modellerini öğrenmek için gerçek dünya kat planları üzerinde eğitilmiş bir Bayes ağını ve yerleşim geometrisi için stokastik optimizasyon adımını tanıttı. Bu çalışma, önceki tasarım verilerinden öğrenen referans yöntemlerinin başlangıcını işaret etti.
Bunun ardından, mimari çizimleri analiz etmek ve etiketlemek için erken makine öğrenimi çalışmaları ortaya çıktı. Bunlar, geleneksel kural tabanlı yöntemlerin veri odaklı modellemeyle bir arada var olduğu, daha büyük veri kümeleri ve daha güçlü öğrenme çerçeveleri beklenen geçiş yıllarıydı.
Derin Üretken Modeller Devrimi (2016–2020)
Derin öğrenme ile otomatik kat planı oluşturmada önemli ilerlemeler kaydedildi. RPLAN (2019) ve LIFULL Home Dataset gibi büyük veri kümeleri, derin sinir ağlarının eğitilmesini mümkün kıldı. İlk CNN tabanlı yöntemler, çok odalı tutarlılık konusunda zorluklar yaşadı, ancak Üretici Karşıt Ağlar (GAN'lar) durumu değiştirdi.
- House-GAN (2020): Grafik sinir ağlarını kullanarak balon diyagramlarından düzenler oluşturmak için grafik kısıtlı GAN tanıtıldı.
- Graph2Plan, FloorplanGAN ve House-GAN++ gerçekçiliği ve düzen tutarlılığını daha da geliştirdi.
- Modeller artık hem rasterleştirilmiş kat planları hem de yüksek doğrulukta hassas vektör tabanlı düzenler oluşturabilir.
Koşullu oluşturma da gelişerek, sabit sınırlar içinde veya odaların birbirine yakınlık kısıtlamalarına göre düzen oluşturulmasına olanak sağladı.
Son Gelişmeler: Grafik Ağları, Çok Katlı ve Yayılma Modelleri (2021–2025)
Son modeller, gelişmiş mimariler kullanarak çok katlı nesne oluşturma ve düzen iyileştirmeyi hedeflemektedir:
- Building-GAN (2022) ve Building-GNN (2023): Grafik sinir ağlarını kullanarak yığılmış kat planları oluşturur.
- HouseDiffusion (2023): Kabarcık diyagramlarından oda poligonları oluşturmak için gürültü giderme difüzyonu uygular.
Yeni modeller, bina kodlarını ve gerçek dünyadaki kısıtlamaları düzen oluşturma sürecine entegre eder. Difüzyon modelleri, GAN'lara göre daha fazla kararlılık sağlar ve değerlendirme kriterleri daha standart hale gelir.
Kısa yorumlama ve ortak tasarım için metin koşullu üretim ve büyük dil modelleri (LLM'ler) ile entegrasyona da giderek daha fazla odaklanılmaktadır.
Geleceğe Doğru
Kat planı oluşturma için yapay zeka geliştirme, sembolik sistemlerden basit girdilerden uygulanabilir mimari düzenler oluşturabilen derin öğrenme modellerine doğru evrimleşti.
Önemli dönüm noktaları:
- 1971: Şekil gramerleri
- 1990'lar: Genetik ve optimizasyon algoritmaları
- 2010: Merrell'in Bayesçi düzen sentezi
- 2020'ler: Derin GAN'lar, difüzyon modelleri ve grafik ağları
Bu alan, insan tasarım niyetini anlayan ve işlevsel olarak geçerli, yaratıcı mimari planlar üreten akıllı sistemlere doğru ilerlemeye devam ediyor. Yapay zeka, mimari tasarımda hızla işbirliği ortağı haline geliyor.