Yiannoudes, S. (2025). Shaping Architecture with Generative Artificial Intelligence: Deep Learning Models in Architectural Design Workflow. Architecture, 5(4), 94.
מבוא
1.1 מודלים גנרטיביים בעיצוב אדריכלי
המאמר סוקר את התפתחות השיטות הגנרטיביות בעיצוב אדריכלי, החל משנות ה-60 של המאה ה-20, דרך שימוש בשפות תבנית, דקדוק צורני, מערכות מומחה וטכניקות אופטימיזציה, ועד לגל השני בשנות ה-90 שהתבסס על אלגוריתמים אבולוציוניים, אוטומטים תאיים ומערכות מרובות סוכנים. למרות שהשיטות האלו עוררו עניין מחקרי, הן לא התקבלו באופן נרחב בקרב פרקטיקת האדריכלות עד לאחרונה, כאשר הופעת מודלים של למידה עמוקה הציתה מחדש עניין בשיטות אלו.
1.2 בינה מלאכותית גנרטיבית מבוססת למידה עמוקה
בינה מלאכותית גנרטיבית (GenAI) המבוססת על למידה עמוקה שונה מהשיטות המסורתיות בכך שהיא מתבססת על זיהוי דפוסים מתוך מאגרי מידע גדולים ולא על כללים קבועים מראש. בין המודלים העיקריים בתחום זה נמנים GANs, VAEs, מודלי דיפוזיה וטרנספורמרים. מודלים אלה משמשים ליצירת תמונות, מודלים תלת-ממדיים ותכניות אדריכליות באופן שמדמה חשיבה יצירתית.
1.3 מטרות המחקר
המאמר בוחן באיזו מידה ניתן לשלב מודלים גנרטיביים מבוססי למידה עמוקה בתהליכי עבודה מקצועיים של אדריכלים, תוך שימוש בחמישה מדדים: סוג הפלט, רמת אינטגרציה בתהליך, תאימות לזרימות עבודה סטנדרטיות, מוכנות הכלים לשימוש והצורך במיומנויות טכניות מתקדמות.
1.4 סקירות קודמות
המאמר מציין כי מאז 2020 חלה עלייה חדה במספר הסקירות והמאמרים שעוסקים ב-GenAI באדריכלות. עם זאת, רבות מהסקירות הקודמות נותרו תיאוריות ולא הציעו מערכת שיטתית להערכת המוכנות של המודלים לשימוש מקצועי. חלק מהחוקרים זיהו פער בין הפוטנציאל המחקרי לבין היישום המעשי, ועמדו על חסמים טכנולוגיים, תרבותיים ומקצועיים.
שיטה
המחקר בוצע כסקירה שיטתית על פי הנחיות PRISMA 2020, והתבסס על חיפוש מקיף במאגרי מידע אקדמיים בין השנים 2015–2025. נכללו רק פרסומים שעוסקים בשימוש במודלים מבוססי למידה עמוקה ליצירת צורה אדריכלית. לבסוף, נבחרו 42 מחקרים לצורך ניתוח איכותני וכמותי על פי חמשת המדדים.
המדדים נמדדו בשלוש דרגות:
0 – רמת אינטגרציה נמוכה
1 – אינטגרציה בינונית
2 – אינטגרציה גבוהה (מוכנות מקצועית)
ממצאים
סוג הפלט (Output Representation Type)
רוב המודלים הפיקו תמונות רסטר או גיאומטריה שאינה מקורית לתוכנות CAD/BIM, כמו רשתות משולשים או תבניות גרפיות. רק מיעוטם (15%) הצליחו להפיק פלט הניתן לעריכה ישירה בתוכנות BIM, כגון גיאומטריה פרמטרית, משטחים NURBS או אובייקטים עם מטא-נתונים. הדבר מדגיש את הפער בין כלים לחזון רעיוני לבין מערכות לתיעוד ביצועי.
אינטגרציית תהליך (Pipeline Integration)
רוב המחקרים (83%) הציגו תהליכים מקוטעים עם שימוש בכלים שונים ותהליכים ידניים. רק 7 מחקרים השתמשו בפלטפורמה יחידה או בתוספים משולבים. אינטגרציה נמוכה זו מביאה לבעיות של אובדן מידע, חוסר עקביות ותלות במומחיות טכנית גבוהה.
סטנדרטיזציה של זרימת העבודה (Workflow Standardization)
69% מהמחקרים הצליחו להשתלב רק בשלב הסכמטי הראשוני של תהליך התכנון, כגון יצירת רעיונות ותצורות כלליות. רק 12% השתלבו בשלבי הפיתוח המתקדמים יותר תוך התאמה לסטנדרטים של פרויקטים אמיתיים, עם קבצים שמישים לתיעוד וביצוע.
מוכנות הכלים (Tool Readiness)
שני שלישים מהמחקרים דרשו קידוד מותאם אישית, אימון מודלים ותחזוק מערכות ML מורכבות. רק 4 מחקרים הציעו כלים מוכנים לשימוש ללא צורך בקידוד, ורובם הוגבלו ליצירת תמונות ולא גיאומטריה מעשית.
מיומנויות טכניות (Technical Skillset)
74% מהמודלים דרשו מומחיות ב-ML, תכנות ב-Python או ניהול GPU, שאינם נמצאים בארגז הכלים הרגיל של האדריכל. רק 4 מחקרים (9%) אפשרו שימוש ללא ידע טכני מתקדם, בדרך כלל בממשקי פרומפט פשוטים.
דיון
הממצאים מצביעים על כך שרוב המחקרים מציעים כלים חזותיים לשלב הרעיוני בלבד, ואינם מוכנים לשילוב בשלבי פיתוח מתקדמים. הכלים אינם מייצרים גיאומטריה שימושית או מטא-נתונים לצורכי תיעוד, תיאום ובנייה בפועל. הפער בין מחקר לשימוש מעשי נובע ממגבלות טכנולוגיות, מחסור בתשתיות מידע שיתופיות, היעדר סטנדרטים, מגבלות ברישוי תוכנות, וכן סיבות מקצועיות ותרבותיות כמו ספקנות מקצועית, שאלות של זכויות יוצרים, אחריות משפטית, וחוסר באמון בטכנולוגיה שאינה ניתנת להסבר.
יחד עם זאת, מספר מחקרים פורצי דרך הראו שניתן להשיג שילוב מעשי אם יוצרים ממשקי גישור חכמים, מתאמים בין סביבות תכנון ומטמיעים את יכולות ה-GenAI בממשקים קיימים.
מסקנות
המחקר מדגיש כי למרות ההתקדמות המרשימה בשימוש ב-GenAI לעיצוב אדריכלי, רוב הפתרונות מצויים עדיין בשלבים ניסיוניים ואינם מוכנים לשילוב ישיר בפרקטיקה המקצועית. קיימת נחיצות גבוהה בפיתוח כלים שמפיקים פלטים שניתנים לשילוב במערכות BIM, מבוססים על קוד פתוח, ומונגשים לאדריכלים שאינם אנשי תוכנה.
המודל בן חמשת המדדים מציע מסגרת הערכה חדשה ל"מוכנות לשימוש", שיכולה לשמש חוקרים, מפתחים וארגונים מקצועיים לניטור ההתקדמות, זיהוי חסמים ופריצת דרך לקראת אינטגרציה מלאה.
כיווני מחקר עתידיים
כדי ש-GenAI יהפוך לחלק אינטגרלי בעבודת האדריכל, נדרש שיפור טכנולוגי משמעותי: העברת הפלטים מפיקסלים לאובייקטים עריכיים, פיתוח תוספים מובנים לסביבות קיימות כמו Revit ו-Rhino, פישוט הממשקים והפחתת הצורך בקידוד.
בנוסף, נדרש שינוי מערכתי: הקמת מאגרי מידע פתוחים, שיתופי פעולה בין גופים אקדמיים ותעשייתיים, ויצירת מסגרות אתיות ומשפטיות שיטפלו בנושאים של בעלות, פרטיות והשפעות סביבתיות. רק כך ניתן יהיה להפוך את הבינה המלאכותית הגנרטיבית משותפה רעיונית לכלי עבודה מעשי.
