06 Oct 2020
El Jardín Robótico
SPAN, Matias del Campo y Sandra Manninger
SPAN, Matias del Campo y Sandra Manninger. Australian Pavilion for the Dubai Expo 2020, finalist, 2018.
El Jardín Robótico, Arquitectura & IA
La arquitectura rara vez ha encontrado puntos de intersección con la investigación realizada sobre Inteligencia Artificial a escala global1. Incluso hoy, la discusión sobre IA y Arquitectura apenas ha comenzado. Considerando las enormes potencialidades de esta área de investigación con respecto a su aplicación en arquitectura, es más que extraño que esto no haya sido discutido en círculos más amplios dentro de la disciplina. En los últimos años, hemos visto un rápido desarrollo en los métodos progresivos que surgen de la investigación en IA, lo que resulta en aplicaciones que nos rodean continuamente.
Casi sin ser detectadas, las aplicaciones de inteligencia artificial se han infiltrado con gran éxito en nuestra vida diaria: el reconocimiento de voz, las aplicaciones de viajes compartidos, las aplicaciones bancarias, el reconocimiento facial, los pilotos de aerolíneas de IA, los dispositivos domésticos inteligente, entre otras, ya están naturalmente arraigadas en nuestro entorno. Hay más proyectos en proceso que van desde automóviles impulsados por inteligencia artificial hasta la agricultura con máquinas inteligentes. Las posibilidades de estos métodos transformarán todas las áreas de nuestra vida diaria y mutarán el planeta. Consideremos el ejemplo de la agricultura con máquinas inteligentes.Ya no se necesitan monocultivos gigantes. Si las máquinas reconocen las diferentes especies de cultivos en un entorno cuasi “natural” que consiste en múltiples especies de plantas, pueden convertirse en recolectores mecánicos, deambular por los paisajes, cosechar para alimentar el planeta.
SPAN, Matias del Campo y Sandra Manninger. Australian Pavilion for the Dubai Expo 2020, finalist, 2018.
Este es el fin de la granja monocultivo tal como la conocemos, y el surgimiento de naturalezas sintéticas para optimizar el rendimiento. Este método tiene varias ventajas, una es que los patógenos ya no pueden propagarse como los incendios forestales a través de un monocultivo2, otra que la necesidad de pesticidas se reduce enormemente, hay muchas más. Para que esto funcione, las máquinas deben aprender a percibir y comprender su entorno y ser capaces de responder a estímulos externos de manera autónoma. Esto es el Jardín Robótico.
Cómo Probar un Robot
SPAN (Matias del Campo y Sandra Manninger) han estado en contacto con expertos en IA desde finales de la década de 1990, cuando se pusieron en contacto por primera vez con la facultad de la OFAI, el Instituto Austriaco de Inteligencia Artificial. Uno de los más antiguos de su tipo, fundado en 1969. Estas primeras reuniones proporcionaron una base para comprender las potencialidades de esta área de investigación, sin embargo, fue el aporte del Instituto de Robótica de la Universidad de Michigan lo que resultó decisivo.
SPAN, Matias del Campo y Sandra Manninger. Cassie, the main Biipedal Robot of Michigan Robotics.
Después de casi un año de conversaciones y experimentos, el Robotics Institute le ofreció a SPAN la oportunidad de diseñar el Robot Garden, basado en técnicas de Style Transfer 2D a 3D que se orientaron específicamente al diseño de la arquitectura. ¿Qué es el Robot Garden? En primer lugar, es una instalación de prueba para robots. Michigan Robotics se ha especializado en explorar las posibilidades de los robots bípedos: robots en dos patas. Al combinar su experiencia en visión artificial y aprendizaje automático, el equipo en torno al director Jessy Grizzle ha dado pasos esenciales en el desarrollo de robots bípedos.
Estos robots están diseñados para operar en áreas normalmente diseñadas para humanos, como fábricas y en terrenos irregulares; por ejemplo, el sistema de agricultura mencionado anteriormente. Para probar estas habilidades, se concibió un campo de pruebas, justo al lado de la nueva instalación de Robótica, el Edificio de Robótica Ford de la Universidad de Michigan. El esquema dado a SPAN requería un Jardín Robótico que contenga un conjunto de diferentes terrenos, desde arena, hierba, grava y roca. Las inclinaciones y los pasos fueron parte del catálogo de características que se deseaban para interrogar el problema de los “últimos 50 pies”3.
El Diseño Posthumano ha Llegado
Una de las primeras reuniones que tuvimos sobre el Jardín Robótico estuvo completamente dedicada al problema de la mediación con la IA. En los últimos años, SPAN ha investigado ampliamente los aspectos de la mediación en un entorno posthumano. Solo para aclarar, cuando hablamos de Posthumano, no nos referimos a “la edad después de los humanos”, sino que lo consideramos una época que abandona la idea de la supremacía humana en las artes y el diseño, y que comprende cómo otros agentes (o actores) pueden comenzar a mezclarse con nuestras propias ideas sobre creatividad y sensibilidad.
SPAN, Matias del Campo y Sandra Manninger. Robot Garden, 2019.
Cuanto más entendimos acerca de la IA, más vimos cómo pueden surgir modelos de diseño colaborativos en esta área. La técnica de diseño utilizada para diseñar el Jardín Robótico está completamente integrada en este novedoso entorno de diseño. Junto con Alexa Carlson, candidata a doctorado de Michigan Robotics, desarrollamos un método de diseño basado en redes neuronales profundas. Las redes neuronales profundas han prevalecido en una multitud de campos en las últimas décadas, incluida la visión artificial y el procesamiento del lenguaje natural, debido a su increíble precisión para extraer
características sobresalientes de los datos de entrada y usar estas representaciones de nuestro entorno para realizar tareas. Esta precisión se debe en parte al rápido desarrollo de la poderosa tecnología de computación gráfica, pero también a medida que el acceso al big data ha evolucionado, de modo que los conjuntos de datos ahora pueden comenzar a capturar la gran cantidad de variación visual que existe en el mundo.
Las Redes Adversarias Generativas (GAN) surgieron en 2014 como una metodología de aprendizaje automático ideada por Ian Goodfellow4. El artículo de Leon Gaty A Neural Algorithm of Artistic Style 5 se publicó en 2015. Los experimentos de SPAN con el uso de redes neuronales en la arquitectura comenzaron alrededor de 20186 con el diseño del Pabellón de Austria para la Expo de Dubai y el primer proyecto de construcción que utiliza Neural Style Transfer (NST) como método de diseño fue el Jardín Robótico en 2019
SPAN, Matias del Campo y Sandra Manninger. First stage of the design, 2019.
Habitar la esfera de lo imaginario puede ser una forma de reflexionar sobre las consecuencias de nuestras acciones socio-espaciales actuales y cuál será el futuro si no actuamos y diseñamos la transición pronto. Lo que caracteriza fuertemente la era posmoderna es la nostalgia que nos conduce hacia un vuelo ilusorio hacia lo imaginario, hacia el sueño de la comunidad y el alma común perdida. La pérdida relacionada de cualquier colectividad, el sentido de lo extraño, el surgimiento del individualismo, el consumismo y la cultura de masas de los sistemas de comunicación virtual son algunas de las características heredadas del siglo XX al XXI. En la introducción de “La poética del espacio”, Bachelard examina una capacidad mental casi idéntica a la que recorre las obras de Heidegger: la imaginación poética7.
Big Data, IA y Diseño Arquitectónico
Discutir Arquitectura e Inteligencia Artificial obliga a tocar la discusión sobre Big Data. Big Data permite que Neural Networks aprenda lo que va más allá de la simple recopilación de información, no se trata de No ordenar: Buscar7, sino de cómo analizar estos datos para extraer la información relevante que permite informar un proyecto. Se trata literalmente de procesar datos para revelar información. O para decirlo de esta manera: los datos son el nuevo petróleo8. ¿Por qué? Porque, en una analogía con el petróleo crudo, es casi inútil en su estado no refinado, pero necesita ser refinado en gas, plásticos, productos químicos, etc. para crear un producto valioso.
De manera similar, los datos en bruto son inertes, ya que son ilegibles para la mente humana: deben desglosarse y analizarse para revelar la valiosa información. Sí, los datos y la información son dos cosas claramente diferentes. Esto también es lo que hace que el uso de las redes neuronales sea tan increíblemente poderoso. Iría mucho más allá de los límites de este artículo para describir en detalle
las posibles facetas en la aplicación de las redes neuronales en Arquitectura: desde el análisis del sitio, el análisis de planificación hasta los métodos mejorados de modelado de información de edificios, hasta aspectos de ecología, economía e impacto social de un proyecto: las oportunidades para revelar la naturaleza profunda de un proyecto son gigantescas. Usando esta noción, el proyecto del Jardín Robótico hizo uso de una gran cantidad de imágenes satelitales para crear bases de datos que informaran la distribución de diferentes terrenos en el sitio dado. Después de varios intentos, algunos exitosos, otros menos, encontramos el equilibrio correcto en el algoritmo para llegar a algo que fuera útil como campo de pruebas para los robots.
SPAN, Matias del Campo y Sandra Manninger. Closeup of Boulders showing the NN generated surface features, 2019.
En una segunda ronda, diseñamos los llamados Boulders de manera similar. Los Boulders están diseñados para proporcionar al campo de pruebas una serie de obstáculos para los robots. Usamos intencionalmente el sólido platónico simple de un dodecaedro como base para un proceso de red neuronal profunda con el fin de crear las características en las rocas. Estas características incluyen fisuras, pliegues y marcas de erosión. Todos estos fueron generados por computadora, a través de un proceso de aprendizaje automático. En general, este proceso se presentó como una oportunidad para interrogar a una ecología de diseño posthumana, donde el ingenio humano y las habilidades de las Redes Neurales para procesar grandes cantidades de datos crearon algo novedoso que no fue controlado por los humanos ni diseñado por un agente artificial, pero que se posicionó en algún lugar entre ambos universos de pensamiento.
Referencias
1. Spiller, N., (AI)CON, in Architectural Design Vol 65 11-12/1995, London 1995, pp XI - XII.
2. Newton, A.C., Exploitation of Diversity within Crops—the Key to Disease Tolerance? Frontiers in Plant Science, 2016; 7:665.
3. Xiachuon, L., Heng, L., Recognizing Diverse Construction Activities in Site Images via relevance Networks of Construction Related Objects detected by Convolutional Neural Networks., Smart Construction Lab, Hong Kong Polytechnic University, 2017
4. I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, Y. Bengio, Generative Ad- versarial Networks, Proceedings of the International Confer- ence on Neural Information Processing Systems (NIPS 2014). pp. 2672–2680.
5. L.A. Gatys, A.S. Ecker, M. Bethge, A Neural Algorithm of Artistic Style, aloiseprint 1508.06576, arXiv 2015
6. Por ejemplo, el Pabellón de Austria para la Expo 2020 en Dubai, en el que se utilizaron técnicas de Style Transfer para generar la cubierta. SPAN 2018, Matias del Campo y Sandra Manninger. Este diseño fue un esfuerzo inicial porque utilizó la solución en línea de Google Deepdream para crear la técnica de Style Transfer. Utilizó la opción Deep Style para experimen- tar con combinaciones entre techos barrocos y modernos, transformando la imagen resultante en un modelo 3D usando zBrush.
7. Carpo, M, The Second Digital Turn – Design Beyond Intelligence, Writing Architecture Series, the MIT Press, 2017
8. La frase “datos es el nuevo petróleo” aparentemente fue acuñada en 2006 por Clive Humby, el matemático británico y arquitecto de Tesco Clubcard, para un programa de recompen- sas de supermercados. (J. Bridle, New Dark Age - Technology and the End of the Future, Verso, 2019, P.245)
Publicado originalmente en Antagonismos Architecture Magazine, N6 Power. Buenos Aires, 2020.