Yeni fenomen algoritmalar: çekişmeli üretken ağların mimarlıktaki potansiyelleri üzerine bir araştırma

thumbnail.default.placeholder
Tarih
2021-07-13
Yazarlar
Eroğlu, Ruşen
Süreli Yayın başlığı
Süreli Yayın ISSN
Cilt Başlığı
Yayınevi
Lisansüstü Eğitim Enstitüsü
Özet
Gün geçtikçe gelişen yapay zeka, hızla geniş bir araştırma alanına dönüşmektedir. Yapılan tez çalışması, işte tam bu noktada; son yıllarda oldukça gündemde olan yapay zeka yöntemlerini kullanarak mimari görsel üretim özelinde potansiyelleri araştıracaktır. Bununla birlikte, çalışmanın bir diğer vurgusu üretken modelleri eğitme sürecinde bilgisayarın görüntüleri nasıl anladığı ve oluşturduğunu anlamamızı sağlayacağıdır. Bilgisayarın nasıl gördüğünü anlamak, bunun potansiyellerini keşfetmek; bizi imaj üretiminin bir adım ötesine taşıyacaktır. Bu şekilde bu sistemlerin gelişmesinde rol alma olanağı verecektir. Tez, sırasıyla; veri biliminin Çekişmeli Üretken Ağlara kadar olan gelişimini açıklamakla birlikte bu gelişmelerin mimarlık disiplinindeki etkilerini anlatmaktadır. Çekişmeli Üretken Ağlar ile mimarlık alanında yapılmış çalışmaların açıklandığı literatürde kullanılan modellerden çeşitli Çekişmeli Üretken Ağların deney için seçilmesine karar verilmiştir. Farklı derecede özniteliklere sahip veri setlerinin, yapısal ve üretim döngüleri ile seçilen dört Çekişmeli Üretken Ağ, tezin ana bölümünü oluşturmaktadır. Bu ağlar ile yapılacak deneyler için kullanılan araçlar; Google Colab bulut ortamı ve Anaconda uygulamasındaki Jupyter Notebook arayüzünde Python programlama dili olarak seçilmiştir. Seçimde kullanılan modellerin bu programlama diline uygunluğu göz önüne alınmıştır. Sonuç olarak; deneyler sonucu üretilen imajların görsel potansiyelleri mimari perspektifte irdelenmiş, bulunan keşiflerden potansiyeller çıkarılmıştır. Bu bakımdan tezin yürütülmesi, denetimsiz bir derin öğrenme modelini andırmaktadır. Çalışma; açık kaynak paylaşımlı olan DCGAN, Pix2Pix, CycleGAN ve StyleGAN algoritmaları ile yine açık kaynak alınmış üç veri kümesi olan Ahameniş, Bauhaus ve Paladyan tarzı veri setleri çalıştırılarak başlamıştır. Deneylerde ortaya çıkan geri dönüşler ile yeni veri setleri oluşturulmuştur. Böylece deneylerde çeşitlilik sağlanmış, kontrollü değişkenler ile toplam 9 deney organize edilmiştir. Bu dokuz deneyde veri setleri öznitelik farklılıklarına ya da modelin ihtiyaçlarına göre değiştirilmiştir. Çıkan sonuçlar sezgisel olarak dolaylı nitel yöntemle değerlendirilmiştir. Mimarlık disiplinindeki tasarım ve üretim potansiyellerini arayan çalışma, bu gözlemler sonucu mimari görsel üretim anlamında hem stil transferi hem de form üretimi konularında keşifler ve bu keşiflerden potansiyeller açığa çıkarmaktadır. Sonuç olarak; araç olarak seçilen yapay zeka algoritmaları, mimarlık için yeni ilkeler, kurallar ve yollar oluşturma fırsatı vermektedir. Yapay zeka alanında bu algoritmalar gelişirken; buna açık olmak ve kullanım alanlarını ölçmek yeni bir düşünsel bakış açısı getirebilir.
Generative models are rapidly transforming into a broad field of research. At this point, the study investigates generative models in architectural visual production by using artificial intelligence methods, which have been on the agenda in recent years. Also, the deeper promise of this work is to enable us to understand how the computer works and creates images in the process of training generative models. It can be said that understanding how the computer sees and exploring its potential will take us one step beyond generating images. This research has become inevitable for a world where the machine-human relationship is and will become stronger. Because of that reason, Generative Adversarial Networks (GANs) with high production potential, one of the deep learning algorithms, were studied. In the study, the training principles of these algorithms were explained by measuring the visual generation power of the GANs. The study also aims to create an "information set" by evaluating the resulting images. With this aspect, the embedded theory proceeds with the case study method. Experiments were set up with four types of GANs selected from the diversity of structural and production cycles and these experiments comprise the core of the thesis. Experiments were implemented in the Google Colab cloud environment, and in the Anaconda application with the Python programming language in the Jupyter Notebook interface. As a result, the visual potentials of the generations were examined from an architectural perspective, and the discovered qualities were extracted. The execution of the thesis also resembles an unsupervised deep learning model. It was seen that the results contain potentials as were conveyed in the literature review on this subject. On the other hand, a rather surprising process was described in terms of the method followed. First of all, the thesis examines the development of data science methods and presents them in chronological order. According to the literature study investigating the effects of this development on the discipline of architecture; It explains the necessity of studying the deep learning algorithms offered by artificial intelligence by focusing on the studies that have developed in the practice of architecture in the last five years. The study which focuses on the GAN structure works on specialized structures created in different flows of structure and designs suitable experiments for these specialized structures. In the experiments, various visual data were produced by using GANs that models were trained. Thus, diversity was provided in the experiments, and a total of 9 experiments were organized with their variables. In these 9 experiments, datasets were modified according to qualitative differences or the needs of the model. The results were evaluated intuitively with the indirect qualitative method. The study, which seeks the design and production potentials in the discipline of architecture, reveals certain potentials from these discoveries through the aforementioned observations. As a result, artificial intelligence algorithms are chosen as tools that provide an opportunity to create new principles, rules and paths for architecture. Being open to these algorithms as these algorithms develop in artificial intelligence and measuring their usage areas can offer a new ethos, a valid intellectual anchor to architectural research.
Açıklama
Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2021
Anahtar kelimeler
fenomen algoritmalar, phenomenon algorithms, yapay zeka, artificial intelligence
Alıntı