Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi

Abstract

Mimari tasarımda yapay zekânın işbirlikçi potansiyelini araştıran bu tez çalışmasında, mimari konut kat planlarında temsil edilen mekânların, makine öğrenmesi (machine learning -ML) algoritmaları ile tanınmasını ve derin öğrenme ağlarından, üretken çekişmeli ağlar (generative adversarial newtork- GAN) ile oluşturulacak modelde yeniden üretimini hedefleyen bir yaklaşım sunulmaktadır. Çalışma, mimari kat planlarındaki karmaşık mekânsal ilişkilerin yapay zekâ algoritmaları tarafından anlaşılması ve yeni kat planlarının üretilmesine odaklanan iki model önerisi getirmektedir. Derin üretken modeller tasarımları üretmek için bir dizi örnekten öğrenme konusunda etkileyici bir yetenek göstermektedir. Bu tez kapsamında da potansiyel olarak görünen derin öğrenme algoritmalarının konut planlarının üretilmesi konusundaki etkinliği araştırılacaktır. Konut, oturma odası, yemek odası gibi etkileşim ve ortak yaşam alanı özelliği taşıyan mekânların yanı sıra yatak odası, giyinme odası, banyo gibi bireyin mahremiyetine özgü mekânların yer aldığı, birçok farklı seviyede ilişki barındıran geniş bir alan sunmaktadır. Açık planlı mekânlar, bir yapı içindeki iç mekânların duvar, kapı gibi geleneksel bölme elemanlarından bilinçli olarak arındırıldığı bir tasarım yaklaşımını ifade eder. Mekânların hangi elemanlar ile birbirinden ayrıldığı mekânsal deneyimi farklılaştırmaktadır. Açık düzen tipik olarak bir alandan diğerine sorunsuz bir şekilde akan birbirine bağlı ve görsel olarak sürekli alanlar içerir. Araştırma, ayırıcı unsur olarak duvarların bulunmadığı açık plan düzenlemesi ile karakterize edilen konutlardaki işlevsel mekân farklılaşmalarının araştırılması yoluyla literatürdeki bir boşluğa değinerek katkıda bulunmaktadır. Ortogonal plan setlerinin yanında açılı ve eğrisel planlarda da uygulamanın yapılması, topolojik ilişki yanında mekânlar arası görsel ilişkinin de tanıma ve üretim süreçlerinde dikkate alınması, tek katlı konut planlarına ek olarak iki katlı konut planlarında düşey sirkülasyon ve katlar arası mekânsal ve görsel ilişkinin de göz önünde bulundurulması gibi hedefler aynı zamanda çalışmanın özgün yönlerini de oluşturmaktadır. Makine öğrenmesi ile oluşturulan tanıma modeliyle, mekân işlevlerinin gerektirdiği topolojik ve görsel ilişkiler açısından işlevlerin tanınması için yeni bir yöntem sunulmaktadır. ML aracılığıyla daha yüksek görsel ilişkiye ve fiziksel erişilebilirliğe sahip olan oturma odaları gibi ortak alanların, yatak odası ve banyo gibi mahremiyet nedeniyle daha az görsel ve fiziksel ilişkiye sahip mekânlardan ayrıştırılması beklenmektedir. Önerilen model 20. yüzyılın önde gelen mimarlarının tek ve iki katlı konut planlarına uygulanmıştır. Performansları karşılaştırmalı olarak değerlendirilen beş farklı ML modeli arasında en iyi sonuçlar Cascade Forward Neural Networks (CFNN) ile elde edilmiş ve ortalama model başarısı %93 olarak hesaplanmıştır. Bu farklı ML modellerini etkileyen özellikler SHAP değerlerine göre incelenmiş ve genişlik, kontrol, 3 boyutlu görünürlük ve 3 boyutlu doğal gün ışığı özelliklerinin en etkili olanlar arasında olduğu gözlenmektedir. Beş farklı ML modelinin sonuçları, mimari mekân işlevlerinin tanınmasında, topolojik ve 3 boyutlu görsel ilişki özelliklerinin kullanılmasının, yüksek düzeyde sınıflandırma doğruluğu sağladığını göstermektedir. Bulgular, tanıma modelinin daha verimli ve uyarlanabilir kat planı tasarımı, bina yönetimi ve etkili yeniden kullanım stratejileri geliştirmenin önemli bir parçası olabileceğini göstermektedir. Tanıma modeli sonucunda, mekân işlevlerine göre RGB renk kodları ile tanımlanan ve etiketlenen kat planı verisi, üretken modelde girdi niteliğinde kullanılmaktadır. Buna ek olarak literatürde sıkça kullanılan R2V ve R3D veri setleri, görsel veri boyutunu ve çeşitliliğini arttırmak için çalışmaya dahil edilmiştir. Açık plan düzeninin RGB etiket gösterimi için geçişli renklendirme yöntemi önerilmektedir. Bu yöntem ile mekânsal işlev değişimi, iki farklı işlev renginin geçişi şekilde temsil edilmektedir. Üretken modelde planın formu, algoritmanın bir dış sınıra bağlı kalarak işlevleri üretmesi için girdi olarak verilmektedir. Buna göre derin ağın, verilen sınırlar içerisinde nasıl bir mekânsal düzenleme önereceğinin izlenmesi amaçlanmaktadır. Ayrıca çalışma, önerilen metodolojiyi dik açılı planların yanı sıra açısal ve eğrisel plan setlerine de uygulayarak bu araştırmayı genişletmektedir.GAN'ların kullanıldığı üretken modelde, mekânsal belirsizliği, mahremiyeti ve görsel ilişkileri göz önünde bulundurarak kat planı tasarımlarının oluşturulması hedeflenmiştir. Açık plan düzenlerini ve mekânsal mahremiyet gereksinimlerini tanımada ve yeniden üretmede başarılı sonuçlar elde edilmiştir. Dikdörtgen, ortogonal, açılı ve eğrisel planlar dahil olmak üzere farklı plan formları üzerinde eğitilen derin üretken model, farklı çözüm yöntemleri önermektedir. Derin öğrenme algoritmaları, iki katlı planlarda da düşey sirkülasyon elemanlarını ve katlar arası ilişkileri tanımakta ve yeniden üretebilmektedir. Ancak bunların etkinliği, eğitim veri kümelerinin çeşitliliğine ve sayısına bağlıdır. Sonuç olarak, derin öğrenme algoritmaları mimari tasarımda önemli gelişme potansiyelleri taşırken, mimarlar da mekânsal tasarım ilkelerini, insan merkezli tasarımı ve estetik yönleri ön planda tuttuklarından emin olmak için bu modellerin gelişimlerine aktif olarak katkıda bulunmalıdır. Yapay zekâ teknolojilerinden etkin bir şekilde yararlanmak, mimarların tasarımları için hızlıca alternatif üretmesine olanak tanıyarak yapılı ortamın işlevselliğini arttırabilecektir. Derin öğrenme yöntemi ile önerilen konut planları için üretken model, bu yöntemle geliştirilen ilk örneklerden olup mimar ve tasarımcılara erken tasarım evresinde destek sağlayacak bir model niteliği taşımaktadır.