Julkaistu lehdessä 2/2024 - Aine ja äly
Arkkitehtien on opittava ymmärtämään tekoälyn taustalla olevia järjestelmiä
Laskennallisen ajattelun omaksuminen voi tehdä tekoälystä suunnittelutyön keskeisen osan pelkän työkalun sijaan, sanovat Pia Fricker ja Toni Kotnik.
Kun tekoälyn ja arkkitehtikoulutuksen sekä arkkitehtuurin tutkimuksen välistä rajapintaa tarkastellaan historiallisesta näkökulmasta, voi tietotekniikan ja arkkitehtuurin suhteessa havaita toistuvia kaavoja.
Tekoälypohjaisia suunnittelumenetelmiä tutkittiin arkkitehtuurissa jo 1960-luvulla: pioneereina toimivat muiden muassa Nicholas Negroponte, Arata Isozaki, Yona Friedman sekä alan oppilaitokset, kuten Ulmin muotoilukoulu. Yhteistä varhaisille tarkasteluille oli näkemys tietokoneesta käyttäytymisen tutkimisen mahdollistavana työkaluna eikä pelkästään piirrosten ja esineiden valmistamiseen tarkoitettuna koneena. Tutkimukset nojasivat teoreettiseen keskusteluun, jota käytiin tuon ajan nousevilla tieteenaloilla, kuten kybernetiikassa sekä informaatio- ja systeemiteorioissa, ja joka muokkasi radikaalisti ajattelutapoja suunnittelijan sekä operatiivisen ja relationaalisen suunnittelutiedon rooleista.
Varhainen tutkimus oli käsitteellisesti edistyksellistä, mutta sen käytännön vaikutus alalla jäi vähäiseksi, koska arkkitehdeilla ei vielä ollut käytössä tietokoneita. Tilanne muuttui vasta edullisten mikrotietokoneiden tultua markkinoille 1980-luvun lopulla, jolloin tietokoneavusteisesta suunnittelusta tuli yleispätevä työtapa arkkitehtisuunnitteluun.
Digiteknologian seurauksena on syntynyt valtavia määriä arkkitehtisuunnitteluun liittyvää dataa, kuten pohjapiirroksia, leikkauksia ja luonnoksia. Niiden lisäksi saatavilla on suunnaton määrä internetin ja sosiaalisten verkostojen tuottamaa julkista dataa. Nämä kaksi kehityssuuntaa – tehokkaan tietotekniikan ja valtavan tietomäärän saatavuus – ovat jouduttaneet alallamme viime aikoina herännyttä kiinnostusta tekoälypohjaisia sovelluksia kohtaan. Tämä puolestaan nostaa esiin teoreettisia kysymyksiä tekoälypohjaisista suunnittelumenetelmistä sekä uudenlaisesta opetus- ja suunnitteluajattelusta.
Tekoäly on laaja tutkimusala, joka keskittyy tiedon koneelliseen hahmottamiseen, syntetisointiin ja analysointiin. Yksi tekoälytutkimuksen tärkeä osa-alue on koneoppiminen eli sellaisten algoritmien kehittäminen ja arvioiminen, joiden avulla koneet oppivat hahmottamaan tietoaineistoista kaavoja. Syväoppiminen on koneoppimisen alakäsite ja perustuu neuroverkkojen määrittämiin algoritmeihin, jotka soveltuvat erityisen hyvin kuvatiedon, kuten pohjakaavioiden, piirrosten ja valokuvien, työstämiseen.
Syväoppimiseen perustuvat sovellukset, kuten Midjourney, Dall-e, Adobe Firefly tai Autodesk Forma, ovat herättäneet suurta kiinnostusta arkkitehtuurin kentällä, mutta ne saattavat myös kääntää huomiota pois tärkeämmistä teemoista, joita on pohdittava käytännön suunnittelutyön ja arkkitehtikoulutuksen etenemiseksi. Alan ei pidä jumittua pintapuolisiin keskusteluihin kestävyydestä tai vihreästä estetiikasta, vaan meidän on keskityttävä määrittelemään uusiksi sitä, miten arkkitehtuuria opetetaan, jotta voimme etsiä todellisia ratkaisuja monitahoisiin yhteiskunnallisiin ja ympäristöongelmiin.
Monet nykyisistä työkaluista priorisoivat pikemminkin mitattavia suorituksia kuin arkkitehtonista laatua. Näin ollen työkalujen avulla tuotetut ratkaisut ovat usein irrallaan taustalla olevista monimutkaisista dynaamisista järjestelmistä ja keskittyvät lähinnä paikallisiin optimointistrategioihin sen sijaan, että ne tuottaisivat aidosti luovia ja radikaaleja innovaatioita, joiden pohjalta voisi syntyä uusia arkkitehtonisia typologioita.
Alan ei pidä jumittua pintapuolisiin keskusteluihin kestävyydestä tai vihreästä estetiikasta, vaan meidän on keskityttävä määrittelemään uusiksi sitä, miten arkkitehtuuria opetetaan.
Kuten 1960-luvun pioneerit jo osoittivat, laskennallinen suunnittelu (engl. computational design) mahdollistaa poikkitieteellisen tiedonvaihdon, ja sen avulla suunnitteluprosessiin on mahdollista integroida tietoa useilta eri aloilta. Laskennallisen suunnittelun avulla voimme myös lähestyä uudenlaisesta näkökulmasta aikamme suuria haasteita, kuten ilmastonmuutosta, luonnon monimuotoisuuden köyhtymistä tai väestönkasvua.
Laskennallisuus ei kuitenkaan tarkoita vain tietokoneiden käyttämistä tai prosessien automatisointia, vaan se viittaa suunnitteluongelmien ratkaisemiseen tavalla, joka perustuu tietoaineistojen välisten suhteiden määrittämiseen sekä aineistojen vuorovaikutukseen. Nykymaailmassa menestyminen edellyttää laskennallisen ajattelun omaksumista oleelliseksi osaksi maailmankuvaa.
Yliopistomaailmassa kehitetään paraikaa uudenlaisia laskennallisen suunnitteluajattelun didaktisia ja pedagogisia käsitteitä, jotka pureutuvat aiheeseen paljon syvemmälle kuin valtavirran sovelluskeskeiset näkökulmat ja esitysteknologian opetteluun tähtäävät suuntaukset. Olemme panneet Aalto-yliopiston arkkitehtuurin laitoksella alulle koulutussuuntauksen, joka pyrkii määrittämään uudelleen laskennallista suunnitteluajattelua: mukaan integroidaan kestäviä strategioita, jotka kunnioittavat planeettamme voimavarojen rajallisuutta ja joita sovelletaan ja kokeillaan tutkimusvetoisilla suunnittelukursseilla.
Opetussuunnitelma sisältää eri mittakaavaisten luonnonilmiöiden analysointia sekä laskennallisia menetelmiä, ja sitä kautta opetuksessa voidaan perehtyä monisyisiin ja dynaamisiin kaavoihin, jotka ovat tunnusomaisia ympäristöllemme. Lähestymistapa korostaa paitsi tekoälyn soveltamista myös sen integroinnin aktiivista tutkimusta ja kehittämistä.
Tekoäly ei tuo mukanaan varsinaista älyn vallankumousta vaan laajoille markkinoille suunnattuja digitaalisia työkaluja ja työtapoja. Työkalujen laatu ja käytettävyys ovat parantuneet huomattavasti lyhyessä ajassa. Tärkeää onkin ottaa teknologiset innovaatiot avosylin vastaan ja puskea alaa kohti aktiivista toimijuutta sen sijaan, että vain soveltaisimme jo olemassa olevia työkaluja.
”Musta laatikko” on käsite, jolla kuvataan erinäisten automaatiojärjestelmien, kuten tekoälyavusteisten suunnittelutyökalujen, läpinäkymättömyyttä: syötteet ja tulosteet eli järjestelmälle syötettävä ja sen tuottama tieto ovat näkyviä, mutta sen sisäinen toiminta prosesseineen jää suurelta osin pimentoon. Läpinäkyvyyden puute herättää tekoälyn käyttöönoton yhteydessä luotettavuuteen, vastuuseen ja etiikkaan liittyviä kysymyksiä. Arkkitehteina meidän on tartuttava mustan laatikon haasteeseen ja kehitettävä tietoa mustien laatikkojen avaamiseksi, tekoälyjärjestelmien tulkittavuuden ja läpinäkyvyyden parantamiseksi sekä alaa tukevien generatiivisten tekoälytyökalujen jatkokehittämiseksi.
Tämä ei tarkoita, että arkkitehdeille pitäisi opettaa työkalujen ohjelmointia. Koulutuksessa olisi syytä keskittyä pohtimaan pikemminkin sitä, mitä työkaluilla voidaan tehdä, kuin sitä, miten niitä käytetään. Alan ammattilaisten kannattaa opetella tunnistamaan kompleksisia vuorovaikutuksia sekä näkemään yksittäiset ongelmat laajemman järjestelmän osina ja ratkomaan ongelmia tästä näkökulmasta. Kyse ei ole vain yksittäisestä teknologisesta innovaatiosta, vaan tärkeää on pyrkiä kohti ymmärrystä siitä, että teknologiset innovaatiot ovat kuuluneet alaamme aina ja kuuluvat jatkossakin.
Tämänhetkinen keskustelu tekoälyavusteisista suunnittelutyökaluista osoittaa, miten tärkeää on arvioida uudelleen tekijyyteen, luoviin prosesseihin ja etiikkaan liittyviä kysymyksiä. Niiden lisäksi on siirryttävä yksittäisten osatekijöiden tarkastelusta kohti laajemman kontekstin ja globaalin dynamiikan ymmärtämistä. Arkkitehtuurin teorian ja digitaalisen kulttuurin prosessori Georg Vrachliotis on muotoillut tämän osuvasti: ”Mitä suunnitteleminen merkitsee yhteiskunnassa, joka vielä hakee tasapainoa tekoälyn ja kaikkien elämänalueiden tietoistumisen, kiihtyvän globaalin muuttoliikkeen sekä kriittisten ympäristö- ja yhteiskuntapoliittisten ongelmien välillä?” ↙
PIA FRICKER on maisema-arkkitehtuurin ja kaupunkisuunnittelun laskennallisten menetelmien professori Aalto-yliopistossa.
TONI KOTNIK on rakennesuunnittelun professori Aalto-yliopistossa.