LEE- Mimari Tasarımda Bilişim Lisansüstü Programı

Bu topluluk için Kalıcı Uri

http://hdl.handle.net/11527/19394

Gözat

Konu "Artificial intelligence" ile LEE- Mimari Tasarımda Bilişim Lisansüstü Programı'a göz atma
  • Öge
    The design space of the basic design studio: An analysis and assessment with synthetic solutions
    (Graduate School, 2023-06-21) Çiçek, Selen ; Özkar, Mine ; 523201013 ; Architectural Design Computing
    The basic design studio is considered as the core of the design education in terms of teaching novice designer how to reason for design. Despite its crucial role, the first-year design students often recorded to have difficulties to understand the abstract concepts and principles conveyed in the studio by the design problems. These problems present challenges for students due to implicit definitions and abstract concepts given in the assignment briefs. Because the students have neither previous experience in dealing with abstract design problems that require elaborating multiple and interrelated aspects of the problem at once, nor developed a reasoning mechanism to generate design solutions. Thus, this research aimed to search for a method to help students better understand the abstract concepts and principles conveyed the in the basic design studio and explore the impact of the design problems on the generated solutions by a text-to-image artificial intelligence (AI) model. It is hypothesized that the concept of the design space can offer a medium for the students to reconstruct the design problems to generate solutions since the concept inherits problem and solution spaces bonded with the design process. By reviewing the literature the concept reframed in the scope of the study as: assignment briefs constituting the problem space with inherent ill and well definitions; solution space contains the design process outputs. To explore the impact of the problem space on the solution space, a series of synthetic design solution spaces were generated using a text-to-image diffusion model. The selection of the AI model was critical for the study. The text-to-image diffusion models are assumed in this study as suitable for assignment-based design education that emphasized learning-by-doing type through solution assessment and development during a generative process. Hence, the synthetic design solution spaces are created as alternative assessments to elucidate the problem definitions in a sample set of assignment briefs and to consider the impact of the brief and the feedback process on design solution space generation. The methodology encompasses a retrospective perspective in terms of using two sets of problem spaces of two different design schools to generate a series of synthetic design solution spaces. In total three solution spaces were generated for each problem space analyzed in the study. These solution spaces had substantial differences in terms of including a feedback mechanism. In the first step, the analyzed two sets of assignment briefs were translated into text prompts by preserving their semantic organization. These prompts were used to generate the first and second synthetic solution spaces that correspond to the two problem spaces of different institutions. The first solution spaces were subjected to an evaluation process by design experts, alluding to a feedback/critique session in a conventional design studio, whereas the second solution spaces were kept as a control group for the further assessment process. Secondly, text-prompts were revised based on the feedback and the third synthetic solution space was generated using the diffusion model. Lastly, the performances of the generated synthetic solution spaces, including the control groups, were evaluated in semi-structured design expert interviews. The expert interviews indicated a retrospective discussion in terms of comparing the visual impacts of the explicitness of the problem spaces on the synthetic design solution instances. Overall findings indicated that the performances of the generated solutions tend to increase when the brief defines the problems explicitly. Besides, the feedback process enhances the overall performance of the design solution spaces, as they introduce the implicit agenda of the briefs defined with the ill-defined design problems. Although the assessment results indicated several limitations of the model for representing well-defined design problems, experts evaluated the performance of the model as promising to elucidate the ill-defined problems for the students. Thus, with expert guidance, synthetic solution spaces can be used to expose students to a large number of solutions as they interpret the given design problem, the principles, and key concepts, and develop critical perspectives on their process and productions. Moreover, the potential implementation strategies of the AI tool in the first-year design studio were discussed in terms of enlarging the design space of the novice designer, to enable them to develop a reasoning mechanism.
  • Öge
    Yapay zeka ve mimarlık etkileşimi üzerine bir çalışma:Üretken çekişmeli ağ algoritması ile otonom mimari plan üretimi ve değerlendirmesi
    (Fen Bilimleri Enstitüsü, 2020) Uzun, Can ; Çolakoğlu, Meryem Birgül ; 656897 ; Mimari Tasarımda Bilişim Bilim Dalı
    Bu tez kapsamında "Makineler tasarlayabilir mi?" sorusunun bir alt sorusu olan "Makineler mimari plan şeması üretebilir mi?" sorusu tezde araştırılması hedeflenen problem tanımını oluşturmaktadır. Tez mimari plan şemasının, günümüz yapay zeka algoritmaları ile, otonom olarak üretiminin kapsamını tartışmaya açmaktadır. Bu problem tanımı ile hedeflenen, günümüzde görsel işleme verimliliği ve gücü oldukça yüksek olan yapay sinir ağları içerisindeki algoritmaların üretken modelleri sınıfına dahil olan üretken çekişmeli ağlar ile mimari plan şeması üretim sürecinin ve üretim çıktılarının değerlendirilmesi bulunmaktadır. Tez öncelikle yapay sinir ağlarının üretken çekişmeli ağlara kadar olan gelişimini kronolojik olarak, önemli dönüm noktaları ile birlikte özetler. Yapay siniri ağları tarihçesi sonrasında mimari plan şeması üretimine dair literatür araştırması sunulmaktadır. Mimari plan şeması üretimine dair literatür geçmişte bu problem çözümü için kullanılan yöntemleri göstermekle birlikte bugün mimari plan şeması üretim problemi için hangi yöntemlerin kullanımının verimli sonuçlar verdiğini de gösterebilmektedir. Bir diğer yandan literatür araştırmasına bakıldığında, mimarlık disiplininin yapay zeka ile etkileşime geçtiği problemin çoğunlukla mimari plan şeması üretimi olduğu görülmektedir. Bunun yanında literatürde mimari plan şeması üretim probleminin yapay zeka problemi sınıfına dahil olduğu da söylenmektedir. Literatür araştırmasına göre yapay zeka alanındaki yeni algoritmalar ile mimari plan şeması üretim problemi potansiyel bir araştırma alanı tanımlamaktadır. Bu nedenle tez çekişmeli üretken ağlar ile mimari plan şeması üretim süreci ve çıktılarını değerlendirmeyi hedeflemiştir. Bu çalışma güncel bir fenomen olarak çekişmeli üretken ağları ele almaktadır. İçinde bulunduğu bağlam olarak da mimari plan şeması üretimi problemini hedef alır. Bu hedef, hem çekişmeli üretken ağların mimari plan şeması üretimi sürecinin keşfi hem de üretim çıktılarının değerlendirilmesini kapsamaktadır. Bu yönüyle tez durum çalışması yöntemi ile ele alınacaktır. Bu çalışmada veriseti ve ÇÜA mimarisi girdilerinin (bağımsız değişkenlerin), çıktılar / mimari plan şeması üretimleri (bağımlı değişken) üzerindeki etkileri de araştırılmaktadır. Bu yönüyle de tezin bir deney çalışması yöntemi kullandığı söylenebilir. Ancak tezdeki deneylerde kontrol grubu kullanılmamış, değerlendirme tüm deneylerin karşılaştırılması ile elde edilmiştir. Bir diğer yandan tez içinde kurgulanan deneylerin sayısı, algoritmanın başarılı olması ile deneylerin tamamlanması nedeniyle, rassaldır. Bu durumlar nedeniyle tez gerçek deneysel yöntem yerine yarı-deneysel yönteme başvurmuştur. Bu nedenlerle tezin yönteminde yarı-deneysel durum çalışmasına başvurulmuştur. Çekişmeli üretken ağ kullanılarak mimari plan şeması üretimleri sekiz deney sonrasında başarıya ulaşmış ve deneyler tamamlanmıştır. Eğitimlerde çekişmeli üretken ağlar içerisinde yer alan derin evrişimsel üretken çekişmeli ağlar (deep convolutional generative adverserial network / DCGAN) kullanılmıştır. DCGAN mimarisi içindeki hiper parametreler DCGAN ile ilişkili literatürde belirtilen parametrelere uygun olarak kullanılmıştır. Deneylerdeki eğitimler "python" dili ile Google' ın bulut ortamında sunduğu "COLAB" ortamında yapılmıştır. "COLAB" ortamının seçilmesinin nedeni bulut ortamında sağladığı GPU donanım servisidir. Deneylerdeki eğitim sırasında işlem gücünün yüksek olması nedeniyle bulut servislerinde sunulan GPU hizmeti algoritma eğitim sürelerini kısaltabilmektedir. Bu nedenle algoritmanın eğitimi için bulut ortamındaki "COLAB" kullanılmıştır. Deneylerdeki algoritma eğitimleri, piksel tabanlı orijinal Andrea Palladio planlarından oluşan piksel tabanlı veriseti ve Palladio gramer kuralları ile üretilen sentetik, piksel tabanlı Palladio plan şemalarından oluşan veriseti ile gerçekleştirilmiştir. Palladio orijinal planları ve plan şemalarının veriseti için kullanılmasının sebebi; Palladio plan sisteminin kurallar ile açıklanabilen ve çoğunlukla simetrik plan kurgusuna sahip olması nedeniyle, algoritma üretim çıktıları ile veriseti arasında hızlı ve kolay bir değerlendirmenin yapılabileceği düşüncesidir. Bu düşünce ile yalnızca Andrea Palladio planları ve plan şemaları deneylerdeki eğitimlerde kullanılmıştır. Her bir deneyde kullanılan veriseti içerisindeki öznitelikler (siyah ve beyaz pikseller) değerlendirilerek raporlanmıştır. DCGAN üretimlerinin veriseti ile ilişkili olması nedeniyle her bir deneyde kullanılan planlar ve plan şeması görsellerinden oluşan verisetlerindeki siyah ve beyaz piksellerin olasılık dağılım grafikleri çizdirilmiştir. Bu grafikler üzerinden deneylerde kullanılan verisetlerinin değerlendirilmesi yapılmıştır. Değerlendirme sonucunda son üç deneyin piksel dağılım grafiklerinin diğer deneylerden daha düzgün olduğu ve bu nedenle deney üretimlerinin de son üç deneyde kalitesinin arttırdığı sonucuna varılmıştır. Eğitimlerde kullanılan veri artırımı yöntemi ile elde edilen Palladio plan şeması verisetlerinin ise çekişmeli üretken ağların üretim çıktılarını negatif etkilediği gözlemlenmiştir. DCGAN üzerinden yapılan son çalışma hem algoritma hem de mimari plan üretimlerinin verimliliğinin değerlendirildiği çalışmadır. DCGAN verimliliği literatürde önerilen "Frechet Inception Mesafesi" ile değerlendirilmiştir. Plan şeması üretimleri ise literatürde önerilen değerlendirme yöntemi "Hızlı Sahne Sınıflandırması" yanında "Palladian Grameri ile Sınıflandırma" ve "Mekan Sentaksı ile Sınıflandırma" yöntemleri ile gerçekleştirilmiştir. Literatür dışında önerilen son iki değerlendirme yönteminin bu tezde kullanılmasının sebebi, literatürde önerilen değerlendirme yöntemlerinin, üretimleri değerlendirmekten daha çok, algoritmanın üretim verimliliğini değerlendirmek için kullanılıyor olmasıdır. Ancak mimari plan şeması üretimi probleminde, bu problemin çözüm yönteminin araştırılmasının yanında, üretim çıktılarının değerlendirme yöntemlerinin de araştırılması gereklidir. Herhangi bir görsel üretiminde literatürdeki değerlendirme yöntemi kullanılabilse de mimari plan şeması üretimlerinin değerlendirilmesi için mimarlık disiplini içerisinden yöntemler kullanılabilir. Bu nedenle son iki değerlendirme, Palladian gramer kuralları ile sınıflandırma ve mekan sentaksı ile sınıflandırma değerlendirme yöntemleri bu tezde yer almaktadır. Bu tez çalışmasında, bugünün derin öğrenme algoritmalarından üretken çekişmeli ağlarla otonom plan şeması üretimlerinin işlevsel olarak değil, sadece biçimsel olarak gerçekleşebildiği sonucuna varılmıştır. Bir diğer yandan biçimsel olarak verisetine benzer üretimler gerçekleşiyor olsa da DCGAN üretimlerinin kontrol dışı üretildiği gözlemlenmiştir. Kontrol dışı üretimler mimari plan şeması üretimi probleminde, birçok varyasyondan oluşan, verisetindeki özniteliklere uygun dağılımdaki çıktılardan oluşan bir keşif alanı sunabilir. Ancak DCGAN algoritması ile doğrudan plan şeması üretimine güvenilerek kullanılması doğru sonuçlar vermeyebilir. Bu nedenle çekişmeli üretken ağlar içindeki DCGAN algoritmasının mimari plan şeması üretiminde üretken bir sistem olarak sadece bir keşif aracı niteliğinde olduğu söylenebilir. Ancak çekişmeli üretken ağların plan şeması üretimi problemi için büyük bir potansiyeli bulunmaktadır. Plan şeması üretim probleminin çözümü için gelecekte karşılaşabileceğimiz, kontrolsüz üretimlerin önüne geçen, yeni üretken çekişmeli ağ mimarilerinin plan şeması üretim probleminde verimli bir araç olarak kullanılabilme potansiyeli bulunmaktadır.