L'intelligenza artificiale nella progettazione

di Gian Luca Brunetti1

(Versione pre-print dellarticolo pubblicato in: LArchitettura Cronache e storia, Mancosu,
Roma, n. 579, gennaio 2004, pp. 48-49.)
L'intelligenza artificiale impiegata da anni a fini pratici in diversi campi dellattivit umana e non
riguarda pi solo la pura ricerca teorica. Tali fini spaziano da operazioni di riconoscimento di
pattern ricorrenti (per esempio grafici o acustici, cosa che consente lo svolgimento di operazioni
come il riconoscimento vocale automatico o della scrittura) alla simulazione di eventi governati da
leggi complesse ma costanti (per esempio la simulazione di fenomeni fisici, quali quelli relativi
allandamento di flussi ventilativi, o la simulazione dell'andamento di quotazioni finanziarie)
all'espletamento automatico di operazioni complesse, come la traduzione di linguaggi naturali in
altri linguaggi naturali.
Nellambito della progettazione, lintelligenza artificiale stata finora impiegata in modo operativo
con successo per il perseguimento di obiettivi definiti e circoscritti; in relazione a problemi, cio,
per quanto numerosi e vari, relativamente semplici - caratterizzati da un dominio ristretto e
circoscrivibile - e solitamente interpretabili con approccio di tipo funzionalistico: per esempio per
la messa a punto di interface grafiche, circuiti elettronici, processi di produzione industriale,
progettazione di materiali (il caso pi noto quello delle leghe di alluminio) e persino alcuni aspetti
della progettazione tecnica di grattacieli.2
Nello specifico della progettazione creativa, l'intelligenza artificiale non ha per ancora potuto
essere utilizzata a fini concreti. Il motivo principale che solo una piena comprensione di come la
progettazione architettonica viene operata da professionisti di esperienza fin nelle singole
operazioni-base potrebbe consentire di costruire programmi in grado di progettare creativamente in
modo automatico; ma questo obiettivo non stato ancora completamente raggiunto, a causa della
complessit e della scarsa definizione3 propria delle operazioni connesse agli atti di progettazione
creativa.4
Un primo motivo di complessit che non sembra esservi una sola modalit di progettare in modo
creativo, ma pi modalit: agli estremi, una logico-deduttiva e una basata sullimpiego critico di
modelli e prototipi.
Un secondo motivo di complessit consiste nel fatto che la progettazione creativa una operazione
iterativa che nel corso del suo processo generalmente porta a ridefinizioni degli obiettivi iniziali e
del percorso che si ritiene auspicabile seguire per raggiungerli.
Un modo efficace di studiare le regole attraverso le quali le forme spaziali sono combinate dal
progettista si basa sull'analogia tra regole della progettazione e regole linguistiche. Tale strategia
interpretativa permette di studiare le operazioni architettoniche sulle forme spaziali attraverso
limpiego di grammatiche generative della forma. Queste costituiscono un importante ausilio nello
studio della progettazione di forme basata su modelli, e hanno dimostrato di potere essere
impiegate nellanalisi di problemi specifici anche di natura estremamente complessa, tra cui quella

Politecnico di Milano.
Unesauriente presentazione di tali realizzazioni contenuta in: Tong, C., Sriram, D. (a c. di), Artificial Intelligence in
Engineering Design, voll. 1 e 2., Academic Press, Wilson USA 1991.
3
Ossia dellambiguit, della sfumatezza.
4
Si rimanda a: Gero, J.S., Computers and Creative Design, in: Gero, J. S. Computers in creative design,
ARCHCOMP, SAFA, Helsinki, 1995, pp.1-13.
2

estetica; possibilit che d modo per esempio di mettere a fuoco le regole compositive impiegate da
determinati progettisti nella composizione di determinate opere.5 [FIG. botta1.pdf, FIG. botta2.pdf]
Parte dello sforzo di ricerca nel campo della progettazione creativa diretto alla strutturazione
concettuale dei sistemi di intelligenza artificiale adatti a compiere operazioni di progettazione
creativa, e parte diretto all'implementazione algoritmica di tali sistemi. In entrambi i casi, la
comprensione delle modalit di operare dei progettisti risulta essenziale, ed per lo pi condotta
attraverso la definizione e limpiego di grammatiche generative, per ora ancora riferite ad ambiti
problematici circoscritti.6 [FIG. design1.pdf, FIG. Design2.pdf]
Le strategie di implementazione dei sistemi di intelligenza artificiale nel campo della progettazione
creativa al fondo sono i medesimi impiegati nella maggior parte degli altri campi di attivit, ma, in
ragione della complessit dei fenomeni in oggetto, necessitano di una integrazione particolarmente
attenta.
L'obiettivo principale dellimpiego pratico dellintelligenza artificiale nella progettazione quello
dellapprontamento di sistemi esperti capaci di comprendere, simulare ed anche effettuare ex novo
attivit di progettazione, sia riferita a problemi circoscritti, sia generali.7 La concezione tradizionale
di sistema esperto per quella di un sistema nel quale i problemi sono affrontati attraverso
relazioni e criteri prevalentemente e direttamente programmati dall'uomo. Il sistema pu cio
contare sullesperienza che gli stata trasmessa attraverso la formalizzazione effettuata da un
gruppo di esperti, e pu svolgere, in un certo campo e entro certi limiti, la funzione di un esperto,
ma non pu auto-istruirsi, auto-formarsi, cosa che nel campo della progettazione creativa anche
nellambito di un singolo percorso progettuale - essenziale. Per costruire un sistema esperto inteso
nello senso tradizionale del termine gli autori del sistema devono possedere una comprensione
completa dei fenomeni studiati ed essere in grado di tradurre tali conoscenze in modelli, cosa che
appunto nel campo della progettazione non ancora pienamente possibile.
Linadeguatezza dei sistemi esperti nel campo in oggetto ne rende importante l'integrazione con
altri tipi di sistemi o metodi impiegati nel campo dell'intelligenza artificiale: reti neurali, algoritmi
genetici e sistemi a logica sfumata.8
Le reti neurali sono programmi informatici che consentono la modellizzazione automatica di
problemi o situazioni una volta definita una serie dei parametri rilevanti per lo studio di quei
problemi o quelle situazioni. Il termine neurale deriva dallaffinit con le reti neuronali
organiche: come queste ultime, le reti neurali sono composte da neuroni centri nei quali
elaborata linformazione i cui reciproci collegamenti (sinapsi) vengono selezionati attraverso
lesperienza.9 Poich il creatore di un sistema di reti neurali a scegliere il numero e tipo di
parametri su cui costruire il sistema stesso, l'impiego delle reti neurali richiede una comprensione
approfondita della natura dei problemi che si vanno ad affrontare10 (bench meno precisa di quella
5

Saggi chiave a questo proposito sono considerati: Stiny, G., Pictorial and Formal Aspects of Shapes and Shape
Grammars, Birkhauser, Basilea 1975; Stiny, G., Gips, J., Algorithmic Aesthetics: Computer Models for Criticism and
Design in the Arts, University of California Press, Berkeley, CA. 1978; Stiny, G., Gips, J., "An evaluation of Palladian
plans", in: Environment and Planning B: Planning and Design, n. 5, 1978, pp. 199-206. Si consiglia inoltre la lettura
di: Gero, J. S. , Computers and creative design, in: Tan, M., The, R. (a cura di), The Global Design Studio, National
University of Singapore, 1996, pp.11-19.
6
Si veda a questo proposito: Gero, J. S., What are we learning from designers and its role in future CAAD tools, in
R. Junge (ed.), CAAD Futures 1997, Kluwer, Dordrecht, pp. 61-70.
7
I benefici che deriverebbero dalla possibilit di utilizzare lintelligenza artificiale nella progettazione creativa
sarebbero in realt molteplici, perch essa oltre a dare modo di costruire strumenti di ausilio creativo finalizzati ai
progettisti meno esperti aprirebbero la possibilit di impiegare elementi oggettivi di comprensione e giudizio di progetti
e percorsi progettuali gi compiuti.
8
Fuzzy.
9
Dopo essere stati attivati in modo casuale, randomizzato.
10
Necessaria ai fini dell'individuazione dei parametri pi rilevanti per la modellizzazione.

necessaria allimplementazione di un sistema esperto tradizionale) e fornisce risposte circa il modo

in cui i parametri presi in considerazione si relazionano vicendevolmente.11
Il processo di educazione di una rete neurale prevede che siano forniti al programma alcuni
esempi di serie di dati tipiche di un certo problema e che il sistema testi in modo iterativo
lefficacia di diverse soluzioni di configurazioni sinaptiche, selezionando le configurazioni che
forniscono risposte che si avvicinano al risultato desiderato ed eliminando le configurazioni che
forniscono risposte che se ne allontanano.
Fino a dieci- quindici anni fa, quando limpiego delle reti neurali costituiva una novit, erano
diffuse aspettative troppo ottimistiche circa le risposte che tali sistemi avrebbero potuto fornire; ma
il tempo ha reso pi chiaro ci che ci si pu e non ci si pu aspettare da tali sistemi, e oggi tali
aspettative sono state ridimensionate. Le reti neurali sono infatti caratterizzate da limiti che non le
rendono adatte alla risoluzione di qualsiasi tipo di problema, ma solo di alcuni. Innanzi tutto esse
forniscono delle risposte approssimate. In secondo luogo la validit delle risposte che esse
forniscono in gran parte dipendente dallappropriatezza della modellizzazione parametrica scelta
dai creatori della rete. In terzo luogo, l'educazione di una rete neurale necessita usualmente di
notevoli quantit di dati ricorrenti, pi simili alle quantit di dati contenuti in un elenco telefonico
che a quelle dei dati contenuti in quattro o cinque progetti architettonici.12 Infine, per ora il training
di una rete neurale ancora un processo semiartigianale, che dipende molto dalle scelte degli
operatori. In considerazione delle numerose caratteristiche positive, le reti neurali stanno comunque
attualmente trovando significative applicazioni sul versante sperimentale delle ricerche
sullintelligenza artificiale nella progettazione creativa.
Gli algoritmi genetici consentono di costruire programmi in grado di selezionare le soluzioni
migliori tra quelle fornite inizialmente per linterpretazione di un problema e di definirne di nuove,
sfruttando meccanismi di selezione naturale (delle relazione e dei concetti) analoghi a quelli della
riproduzione cromosomica presente in natura, basati sulla sopravvivenza dei geni pi adatti, sul
crossover tra cromosomi vincenti e sull'esistenza di una distinzione tra fenotipo e genotipo.13
Data la loro natura, gli algoritmi genetici sono utilizzabili impiegando quantit di dati anche
circoscritte a pochi casi studio, e anche in combinazione con grammatiche generative della forma o
con altri sistemi interpretativi o strumentali. Frequentemente essi vengono impiegati in
combinazione con reti neurali.14
In considerazione di quanto detto, gli algoritmi genetici hanno dimostrato una notevole utilit nella
simulazione dei processi di progettazione creativa.15
La logica sfumata consente la modellizzazione di situazioni i cui confini di dominio non siano netti,
ma sfumati. L'impiego di sistemi a logica sfumata si presta quindi particolarmente bene alla
modellizzazione di schemi cognitivi quali quelli umani, privi di distinzioni assolute (tra giusto o

11

Risposte che possono anche essere non lineari.

Si veda per esempio: Gunaratnam, D.J., Degroff, T., Gero, J.S. Improving neural network models of physical
systems through dimensional analysis, in: Journal of Applied Soft Computing 2, 2003, 283296.
13
Limportanza dellesistenza di una parte di genotipo non esplicitata nel fenotipo quella di rendere meno probabile
la possibilit che il sistema evolvendo finisca in un vicolo cieco, bloccandosi in uno stato di ottimizzazione precoce che
precluda ulteriori evoluzioni. Come avviene nel caso degli esseri viventi, l'esistenza di una parte di genotipo non
visibile nel fenotipo consente insomma al sistema di potere contare su "geni di riserva" non attivi, ma attivabili appunto
nel caso in cui l'evoluzione del sistema stesso finisca in una situazione di stallo.
14
In tali casi, solitamente al fine di aumentare lefficienza previsiva delle reti stesse, specialmente per il fatto che essi,
grazie alla loro superiore capacit di autoorganizzazione, possono portare allottenimento di modelli che vanno oltre lo
schema tracciato dai creatori delle reti.
15
Si vedano a questo proposito: Gero, J. S., Louis, S. and Kundu, S., Evolutionary learning of novel grammars for
design improvement, AIEDAM, 8(2), 1994, pp. 83-94, e: Gero, J. S., Schnier, T., Evolving representations of design
cases and their use in creative design, in: Gero, J.S., Maher, M.L., Sudweeks, F., Preprints Computational Models of
Creative Design , Key Centre of Design Computing, University of Sydney, 1995, pp. 343-368.
12

sbagliato, tra alto o basso, tra bianco e nero), ma caratterizzati appunto, da sfumature e verit
parziali o talvolta anche coesistenti.
Sistemi a logica sfumata possono venire fruttuosamente impiegate in combinazione con reti neurali
e algoritmi genetici. [FIG. ambiguous.pdf]
I sistemi CAD solitamente utilizzati nella progettazione architettonica costituiscono strumenti di
ausilio alla rappresentazione molto pi che strumenti di ausilio alla progettazione (CAAD). Un
ostacolo alla sperimentazione e diffusione dell'intelligenza artificiale nei programmi CAD sta nella
loro non ancora sufficiente facilit di connessione con i linguaggi pi impiegati nel campo
dell'intelligenza artificiale, come il Lisp.16
Autocad, per esempio, programmabile in Autolisp, un dialetto molto semplificato del Lisp; ma il
set di istruzioni esistenti in Autolisp troppo semplificato per competere in termini di produttivit
con i dialetti pi completi del Lisp, e da ci consegue che l'implementazione dei programmi di
intelligenza artificiale in Autocad avviene ancora prevalentemente attraverso programmi interagenti
con Autocad dall'esterno.17
IMMAGINI
File botta1.pdf: Facciate di edifici di Mario Botta prese in considerazione come modelli per
leducazione di un programma di intelligenza artificiale finalizzato alla progettazione
architettonica. (Tratto da: Cha, M-Y. and Gero, J. S., Style learning: Inductive generalisation of
architectural shape patterns, in: Brown, A., Knight, M., and Berridge, P., a cura di, Architectural
Computing from Turing to 2000, eCAADe, University of Liverpool, Liverpool, pp. 629-644.)
File botta2.pdf: Facciate generate da un programma di intelligenza artificiale nello stile di Mario
Botta impiegando differenti principi di elaborazione dei pattern di forma. (Tratto da: Cha, M-Y.
and Gero, J. S., cit.)
File design 1.pdf: Tipica distribuzione del tempo speso da un progettista esperto ragionando sulla
forma e sui comportamenti (campitura chiara) e sulla struttura (campitura scura) nel corso di una
seduta di progettazione. (Tratto da: Gero, J. S., What are we learning from designers and its role
in future CAAD tools, in: Junge, R., (a cura di), CAAD Futures 1997, Kluwer, Dordrecht, pp. 6170.)
File design 2.pdf: Tipica distribuzione del tempo speso da un progettista inesperto ragionando
sulla forma e sui comportamenti (campitura chiara) e sulla struttura (campitura scura) nel corso di
una seduta di progettazione . (Tratto da: Gero, J. S., cit.)
File ambiguous.pdf: Esempio di rappresentazione ambigua, sfumata, utile nellambito di un
ragionamento progettuale di tipo creativo. (Tratto da: Tomlinson, P., Gero, J. S., Emergent shape
generation via the boundary contour system, in: Junge, R., (a cura di), CAAD Futures 1997,
Kluwer, Dordrecht, pp. 865-874.

16

Si noti che il Lisp non lunico linguaggio di programmazione impiegabile nellintelligenza artificiale la maggior
parte dei linguaggi esistenti lo sono ma comunque quello in cui ci risulta pi agevole, e rispetto al quale sono
disponibili le pi ricche librerie informatiche open source (Cio vero in particolare nel caso della variante costituita
dal Common Lisp).
17
Urban, R., Artificial Intelligence in AutoCAD with Common Lisp, in: Atti del Camp ADGE (AutoCAD
Developers Group Europe), Ginevra 1996.