Assobim spiega cos’è e quali sono le applicazioni, nonché le criticità, della disciplina emergente del Conceptual Design basato sull’Intelligenza Artificiale.
Le nuove tecnologie non stanno solo rivoluzionando il quadro del settore AEC attraverso l’implementazione di nuove soluzioni, ma stanno parallelamente mutando il significato e i contenuti di pratiche consolidate. Fra queste il cosiddetto conceptual design, espressione utilizzata per definire la fase iniziale di pianificazione del progetto, un momento di importanza cruciale in quanto comporta lo sviluppo del layout dell’edificio e la definizione delle relative specifiche progettuali in termini di superfici, distribuzione spaziale, destinazione, tipologia, fattibilità funzionale ed economica e, a seguire, il posizionamento dell’edificio, l’orientamento, la sua organizzazione e il programma di costruzione di base, tenendo in considerazione il contesto in tutti i suoi aspetti.
Tutte scelte di enorme importanza, quindi, destinate ad influenzare la complessità costruttiva, i costi, i tempi di realizzazione e altri aspetti fondamentali dell’opera, che se già con l’introduzione del Building Information Modeling hanno subito un rilevante processo trasformativo stanno oggi affrontando un ulteriore salto di qualità determinato dall’Intelligenza Artificiale.
Se la disponibilità di un modello computabile e ricco di informazioni come quello BIM-Based consente ai team di progetto di condurre diverse analisi che possono favorire la generazione di valore del progetto con risparmio di tempo, costi e ottimizzazione dei processi di costruzione, tutte queste opportunità risultano infatti ulteriormente potenziate dalle capacità della AI.
Il Conceptual Design basato sull’Intelligenza Artificiale, in particolare, è una disciplina emergente che utilizza la AI per supportare il processo di generazione e valutazione dei concept di progettazione tramite strumenti come l’apprendimento automatico, l’elaborazione del linguaggio naturale e la visualizzazione computerizzata, che vengono utilizzati per analizzare grandi quantità di dati, generare alternative progettuali e prevedere in che modo le diverse scelte di progettazione influiranno sulle prestazioni del manufatto.
Le applicazioni sono molteplici, dall’industrial design all’architettura e all’ingegneria, ambiti in cui queste metodologie consentono di ampliare l’esplorazione dello spazio progettuale, identificare soluzioni innovative e ottimizzare i progetti in base a parametri prestazionali. Tra gli ambiti di elezione del conceptual design supportato dall’Intelligenza Artificiale troviamo la progettazione generativa, in cui gli algoritmi di intelligenza artificiale possono generare un elevato numero di alternative basate su una serie di vincoli e obiettivi, consentendo ai progettisti di esplorare una gamma più ampia di possibilità rispetto a quanto potrebbero fare manualmente; la simulazione delle prestazioni di un manufatto in varie condizioni, finalizzata all’ottimizzazione del progetto in funzione di specifici parametri; l’interpretazione di input progettuali in linguaggio naturale e la successiva generazione di opzioni progettuali basate su tali input; l’ottimizzazione automatica del progetto tramite specifici algoritmi o metodiche di machine learning.
I vantaggi sono evidenti sia in termini di tempo, perché la AI può generare e valutare molteplici alternative progettuali con grande rapidità, sia di qualità del progetto e ottimizzazione delle tempistiche; la AI può inoltre aiutare i progettisti a collaborare in modo più efficace fornendo un linguaggio e un quadro comuni al fine di valutare tutte le alternative.
Allo stesso modo non sono da sottovalutare le criticità. Da un lato, gli algoritmi di Intelligenza Artificiale sono creativi quanto i dati su cui sono “addestrati”, il che può limitare la loro capacità di generare progetti realmente originali; dall’altro, richiedono grandi quantità di dati per essere efficaci, cosa che può rappresentare una barriera d’ingresso per le realtà più piccole o che comunque non hanno accesso a grandi basi di dati.
Esiste infine un oggettivo problema di bias, in quanto gli algoritmi sono esposti al rischio di perpetuare approcci alla progettazione basati su dati storici potenzialmente inattuali. Come ogni rivoluzione tecnologica, insomma, il bilanciamento tra vantaggi e potenziali rischi richiede un approccio oggettivo e consapevole delle criticità per garantirne una efficace mitigazione.
