Του Phillip Fernberg, ASLA
Πρέπει οι σχεδιαστές να ενδιαφέρονται για την τεχνητή νοημοσύνη (AI) ή τη μηχανική μάθηση (ML); Δεν υπάρχει αμφιβολία ότι η τεχνολογία προσθέτει υφή στο τρέχον zeitgeist. Ποτέ δεν μπορούσα να φανταστώ ότι έβλεπα μια επιτυχία όπου ο Ράιαν Ρέινολντς εμφανίζεται ως ένας συνειδητοποιημένος χαρακτήρας χωρίς παίκτη σε ένα βιντεοπαιχνίδι και μια αποτυχία όπου η Μελίσα ΜακΚάρθι διαπραγματεύεται το μέλλον της ανθρωπότητας με μια υπερευφυΐα που τροφοδοτείται από τον Τζέιμς Κόρντεν μέσα σε ένα χρόνο η μία από την άλλη. Αλλά έχει πραγματικά σημασία η εκμάθηση της τεχνητής νοημοσύνης και της ML για τα δημιουργικά επαγγέλματα και τον νεφελώδη, ανεκτίμητο τρόπο λειτουργίας μας;
Έλεν Άρμστρονγκ, καθηγητής γραφιστικής στο NC State, το πιστεύει. Μάλιστα, για εκείνη είναι επιβεβλημένο. “[AI] είναι παντού και έχει ήδη μεταμορφώσει το επάγγελμά μας», αναφέρεται στον πρόλογο του νέου της βιβλίου. «Για να είμαι ειλικρινής, θα κυλήσει πάνω μας, εκτός κι αν πηδήξουμε και αρχίσουμε να τραβάμε τους μοχλούς και να κατευθύνουμε το τρένο προς μια ανθρώπινη, ηθική και σκόπιμη κατεύθυνση». Το βιβλίο είναι Μεγάλα δεδομένα. Μεγάλο Σχέδιο. Γιατί οι σχεδιαστές πρέπει να ενδιαφέρονται για την τεχνητή νοημοσύνη και το ευαγγέλιό του είναι έναυσμα για τους σχεδιαστές όλων των περικοπών —τοπίων, γραφικών, βιομηχανικών ή άλλων— να προσανατολιστούν σε έναν γενναίο νέο κόσμο σχέσεων ανθρώπου-μηχανής.
Όταν λέω ευαγγέλιο, δεν το εννοώ ειρωνικά. Η πεζογραφία του Άρμστρονγκ είναι χρωματισμένη με το πάθος ενός ευαγγελιστή που προσπαθεί να ανοίξει τα μάτια μας στις μεγάλες και τρομερές δυνατότητες της σχεδιαστικής πρακτικής που βασίζεται στην τεχνητή νοημοσύνη. Ένα βιβλίο αυτής της φύσης χρειάζεται πάρα πολύ. Όπως ο Brent Chamberlain και εγώ μαλώσαμε πέρυσι στο α Περιοδικό Αρχιτεκτονικής Τοπίου άρθροτα επαγγέλματα του δομημένου περιβάλλοντος βρίσκονται στο μέσο ενός άνευ προηγουμένου τεχνολογικού μετασχηματισμού που είναι τόσο συντριπτικά επεκτατικός αλλά τόσο λεπτός που μπορεί να είναι εύκολο να αγνοηθεί — ακόμα και μόνο για χάρη της ψυχικής και συναισθηματικής διατήρησης.
Εμείς οι αρχιτέκτονες τοπίου χρειαζόμαστε κάποια ιδιαίτερη ανάμειξη από αυτή την άποψη. Η πολυπλοκότητα και το χρονοδιάγραμμα του μέσου εργασίας μας σε συνδυασμό με έναν ως επί το πλείστον υγιή σκεπτικισμό απέναντι στη νέα τεχνολογία για χάρη της νέας τεχνολογίας μπορεί μερικές φορές να φαίνεται ότι το επάγγελμα παίζει διαρκώς ανταπόκριση. Μεγάλα δεδομένα. Μεγάλο Σχέδιο. προσφέρει την κάλυψη χωρίς συγκατάβαση, έχοντας τη γενική άποψη ότι κάθε κλάδος σχεδιασμού χρειάζεται να κατανοεί καλύτερα τη μηχανική μάθηση, ανεξάρτητα από την προϋπάρχουσα τεχνική ικανότητα.
Η δομή του βιβλίου είναι απλή, με τέσσερις κύριες ενότητες που συνδυάζονται με έναν πρόλογο και ένα συμπέρασμα. Η κλίμακα της συζήτησης σε αυτές τις ενότητες ταλαντεύεται μεταξύ των ευρέων ορισμών του τι ακριβώς είναι το AI και το ML (ο Armstrong χρησιμοποιεί τους όρους AI και ML εναλλακτικά) και πιο συγκεκριμένα παραδείγματα για το πώς χρησιμοποιούνται στην πρακτική σχεδιασμού.
Ο τόνος του ενορίτη των πρώτων τριών κεφαλαίων γίνεται στη συνέχεια πιο τεχνικός στο τέταρτο καθώς ο συγγραφέας εμβαθύνει περισσότερο στα ζιζάνια του ML, συγκεκριμένα στις διαφορές μεταξύ των τριών κύριων προσεγγίσεών του: εποπτευόμενη μάθηση, μάθηση χωρίς επίβλεψη και ενισχυτική μάθηση. Αν χρησιμοποιούσα μια ωμή αναλογία για να συνοψίσω την εννοιολογική ακολουθία του βιβλίου, θα έλεγα ότι ακολουθεί το μοντέλο του χρυσού κύκλου του Simon Sinek: ξεκινά με το γιατί οι σχεδιαστές πρέπει να ενδιαφέρονται για την ML, επεξεργάζεται πώς θα μπορούσαν να το χρησιμοποιήσουν οι σχεδιαστές και καταλήγει σε κάτι τέτοιο. διαδικασία μπορεί να σημαίνει για την κοινωνία.
Σχεδόν οποιοσδήποτε ζει στον σύγχρονο κόσμο παράγει δεδομένα, συχνά της τάξης των terabyte ανά ημέρα. Στέλνουμε μηνύματα στους φίλους μας, μεταδίδουμε βίντεο, χρησιμοποιούμε εφαρμογές γυμναστικής, ρωτάμε τη Siri για τον καιρό ενώ κοιτάμε έξω από το παράθυρο, περπατάμε δίπλα από κάμερες CCTV, η λίστα συνεχίζεται. Τα περισσότερα από αυτά τα δεδομένα είναι αδόμητα, δηλαδή δεν είναι οργανωμένα με σαφή σειρά. Η μηχανική μάθηση παρέχει έναν τρόπο στους υπολογιστές να αντλήσουν νόημα από αυτήν την έλλειψη δομής.
Όπως το θέτει ο Άρμστρονγκ, «ακόμη και τώρα καθώς διαβάζετε, οι υπολογιστές κοσκινίζουν και κατηγοριοποιούν τα ίχνη των δεδομένων σας – τόσο αδόμητα όσο και δομημένα – βυθίζοντας βαθύτερα στο ποιος είστε και τι σας κάνει να τσεκάρετε». Πώς το κάνει αυτό; Η σύντομη απάντηση είναι αλγόριθμοι, στατιστική ανάλυση και πρόβλεψη. Δεν είστε σίγουροι τι σημαίνουν αυτές οι λέξεις; Μη φοβάσαι! Το βιβλίο είναι γεμάτο με βασικούς ορισμούς στα περιθώρια, ένθετα εύστοχα διαγράμματα και καθαρά infographics που θα φέρουν στο ταμπάκο ακόμα και τον πιο τεχνολογικό σχεδιαστή. Για κάποιους, αυτά τα οπτικά βοηθήματα μπορεί να φαίνονται τετριμμένα, αλλά για μένα ήταν αναπόσπαστα.
Ως ερευνητής αφοσιωμένος στην απομυθοποίηση της αναδυόμενης τεχνολογίας για αρχιτέκτονες τοπίου, πιστεύω ότι είναι ζωτικής σημασίας να δώσουμε στους σχεδιαστές όλων των δημογραφικών στοιχείων και των ψηφιακών ικανοτήτων μια κοινή κατανόηση του τι είναι η τεχνητή νοημοσύνη, ώστε να μπορούμε όλοι να διευκολύνουμε τη συνεχή διείσδυσή της στην πράξη. Μεγάλα δεδομένα. Μεγάλο Σχέδιο. κάνει αυτό είναι στα μπαστούνια.
Η πραγματική δύναμη του βιβλίου βρίσκεται στη συλλογή συγκεκριμένων παραδειγμάτων από την πρακτική σχεδιασμού με τη βοήθεια ML. Η Άρμστρονγκ συγκεντρώνει μια φανταστικά ευρεία συλλογή έργων εξερευνώντας αυτή τη νέα εποχή σχεδιασμού ανθρώπου-μηχανής που υποστηρίζει τον ισχυρισμό της ότι «οι αλληλεπιδράσεις μας με τις μηχανές μετατοπίζονται από «συναλλακτικές» σε «σχεσιακές» και ότι με αυτή τη μετάβαση έρχεται μια θεμελιωδώς νέα τρόπος να δεις το σχέδιο.
Ο αναγνώστης εισάγεται σε μια ζωντανή, αναδυόμενη οικολογία των συνεργασιών σχεδιασμού ανθρώπου-μηχανής, που οραματίζεται αμέσως όλα τα καλά που μπορούν να επιτευχθούν για την ανθρωπότητα όταν αυτές οι συνεργασίες είναι καλά μελετημένες και όλα τα κακά που μπορεί να έρθουν όταν δεν είναι. Υπάρχουν συνεντεύξεις σε βάθος με ειδικούς αλληλεπίδρασης ανθρώπου-υπολογιστή όπως Τζον Ζίμερμαν και περιγραφές οραματικής δημιουργικής εργασίας όπως αυτή του Τα συναισθηματικά έξυπνα πρωτότυπα αυτοκίνητα της Tellart και της Toyota.
Ενα άλλο παράδειγμα: Εγκαταστάσεις Mitigation of Shock της Superflux απεικονίζει ένα μετα-ανθρωπιστικό μοντέλο προσαρμογής στην κλιματική αλλαγή.
Και η Kate Crawford και ο Vladan Joler προσφέρουν ένα μίνι δοκίμιο για την ηθική της τεχνητής νοημοσύνης.
Εκτός από τα πιο μικρά παράπονα σχετικά με τη συμπίεση του ML και της τεχνητής νοημοσύνης ως έναν όρο, που δεν είναι ο αγαπημένος μου να τον βλέπω ως τεχνόφιλο αλλά ανεκτό, ή την τάση να διολισθαίνω περιστασιακά σε λιγότερο από λεπτές εικασίες σχετικά με τις επιπτώσεις της τεχνολογίας στην κοινωνία. Το κραυγαλέο σφάλμα που πιθανότατα θα δει ένας αρχιτέκτονας τοπίου κατά την ανάγνωση είναι η παράλειψη του σχεδιασμού που βασίζεται σε ML που παράγεται στον κλάδο μας.
Αν και είναι σίγουρα πιο αραιό από αυτό των γραφικών τεχνών, του βιομηχανικού σχεδιασμού ή ακόμα και της αρχιτεκτονικής, το έργο σχεδιασμού ανθρώπου-μηχανής υπάρχει στην αρχιτεκτονική τοπίου. Οι αρχιτέκτονες τοπίου χρησιμοποιούν την ML για να επαναλάβουν σχέδια δρόμου, να εξερευνήσουν νέες προσεγγίσεις στην παράκτια εδαφική διαμόρφωση και να δημιουργήσουν έννοιες αστικού σχεδιασμού υψηλού επιπέδου, για να αναφέρουμε μερικά πράγματα. Μια συγγραφέας που δηλώνει ότι μιλάει σε όλους μας θα πρέπει να κάνει τη δέουσα επιμέλεια σε αυτό, και αν το έκανε, τουλάχιστον να το αναφέρει – ειδικά όταν κατοικεί σε μια σχολή που περιλαμβάνει αρχιτέκτονες τοπίου και έχει θεωρητικά επίγνωση της επιρροής μας ως κλάδος σχεδιασμού .
Παρά αυτή την κριτική, είναι δύσκολο να υπερτονίσουμε τη σημασία και τη χρησιμότητα ενός βιβλίου σαν αυτό Μεγάλα δεδομένα. Μεγάλο Σχέδιο., το οποίο περιλαμβάνει ένα εξαιρετικά περίπλοκο και τεχνικό θέμα και το μεταφράζει σε προσιτή γλώσσα για σχεδιαστές οποιουδήποτε κλάδου, ώστε να μπορούμε να κατανοήσουμε καλύτερα πώς μας επηρεάζει. Η αυξανόμενη εξάπλωση της τεχνητής νοημοσύνης σε κάθε κλάδο σημαίνει ότι όσοι προγραμματίζουν συστήματα τεχνητής νοημοσύνης με πολλούς τρόπους σχεδιάζουν τα κοινωνικά αποτελέσματα που παράγουν αυτά τα συστήματα, ακόμη και όταν τα εν λόγω συστήματα γίνονται εντελώς αυτόνομα. Συμφωνώ με την Άρμστρονγκ όταν γράφει «εμείς οι άνθρωποι σχεδιαστές πρέπει να είμαστε εκεί για να πλαισιώσουμε τα σωστά προβλήματα – τα προβλήματα που θα μας οδηγήσουν σε μελλοντικά σημεία που ωφελούν πραγματικά την ανθρωπότητα».
Φίλιπ ΦέρνμπεργκASLA, είναι συγγραφέας, σχεδιαστής και υποψήφιος διδάκτορας στην Αρχιτεκτονική Τοπίου και τον Περιβαλλοντικό Σχεδιασμό στο Πανεπιστήμιο της Γιούτα, του οποίου το έργο επικεντρώνεται στην τεχνολογία, τον πολιτισμό και το σχεδιασμό του δομημένου περιβάλλοντος.
