Seminarios de investigación en tecnología. Carrera de Arquitectura. Semestre Primavera 2022

Seminarios de investigación en tecnología – Semestre Primavera 2022 323 “Las reglas del arte pueden ser útiles, pero no determinan su práctica, son máximas que pueden servir como guías solo si pueden ser integradas en el conocimiento práctico del arte. No pueden reemplazarlo.” - Michael Polanyi 1. Introducción Los procesos de diseño como problemas desestructurados (Simon H. 1973), abstractos e incompletos permiten una mayor exploración en torno a ellos. Este proceso se lleva a cabo produciendo representaciones semánticas y procedurales (Soza, 2018) mediante iteraciones de movimientos horizontales, o de cambios de idea, y verticales, o de profundización (Goel, 1995). Si bien los procesos de diseño del arquitecto son distintos en cada persona, están basados en la exploración con un stock de conocimiento común, con lenguajes y representaciones comunes, planos, isométricas, croquis (Schon, D, 1992) y búsquedas de soluciones y estrategias similares como las relaciones programáticas, con el lugar, circulaciones, vistas, etc. Este conocimiento se recupera desde la memoria a largo plazo para generar una formalización, es decir, una transformación del problema a una representación del problema que puede ser sujeta a cambios. La formalización del problema mediante la exploración debe emplear un periodo extenso en la fase preliminar del proyecto para lograr soluciones optimizadas, dado que, según la curva de McLeamy (Curt, 2004), en esta fase los cambios influyen de manera directa en las posibilidades de mejorar su desarrollo. Por otro lado, el diseño computacional nos permite ir más allá de lo que está al alcance de nuestro stock de conocimiento, memoria e imaginación, abriendo nuevas posibilidades, soluciones y estrategias que pueden ser útiles al momento de diseñar. En este sentido, el diseño algorítmico, o generativo, es capaz de generar geometrías usando algoritmos basados en un objetivo, límites y reglas; mientras que, con inteligencia artificial, específicamente las redes neuronales artificiales (ANN) permiten trabajar con tareas más complejas, generando alternativas de soluciones y estrategias de diseño, además de un aprendizaje en el agente desde un conjunto de datos o dataset (Goodfellow, I, 2016). Esto es posible gracias a que las ANNs poseen una arquitectura de capas y nodos, un procesamiento que posibilita mayores combinaciones de las características y valores de las bases de datos, con una morfología similar a las iteraciones de movimientos horizontales y verticales del proceso de diseño de las y los arquitectos propuesta por Goel (1995). Actualmente, el diseño computacional permite incrementar la eficiencia en torno al desarrollo formal, sin embargo, en su mayoría este tipo de diseño funciona como una herramienta pasiva que es manejada por el humano y no como una herramienta activa que posibilita la evolución del diseño. Esto es producto que no existe una integración del stock de conocimiento del arquitecto con la herramienta, sino que más bien una implementación, tomando un papel secundario acorde a su naturaleza operativa dentro del proceso de diseño Esta investigación, por el contrario, busca y propone la integración del stock de conocimiento común de los arquitectos con redes neuronales artificiales, en vista de la falta de herramientas activas que permitan una interacción humano-computacional y que sean