信息结构
- 信息时代数据可以较为准确的描述建筑的各种几何性质，关键在于量化算法的丰富性
- 计算机无法识别单纯的几何性质，所以我们需要将建筑信息量化
- 信息结构的构建关键在于：归纳高级、低级信息。对高级信息进行操作，高容错性使我们不用拘泥于低级信息中实体几何的错误。
这是仔细思考之后的经验：对大量数据的操作应该减少对低级信息的考虑(某种形式的实体）。越低级的信息就越耗费运算资源（人脑与计算机），刻意的忽视可以规避诸多问题（几何碰撞、具体建模方法）
- 一个共识：信息结构指导实体的生成。运算的主体是数字信息，建模实体负责具体表现
随机生成与评估
- 人脑存在着不停变换的神经系统，可以对输入的信息进行处理，生成新的输出
- 对于一块场地平面图（输入），我们依据多样的评判条件来生成合适的设计（输出），而其中生成过程我们很难完整地展现出来
- 传统的设计模式是人脑黑箱对于多因素输入的判断，不断调整参数权重得到最终结果
- 本次设计尝试的方法为：随机生成（方法库随机抽取）—评判结果—选择最优值
层级重叠
- 计算机中，我们可以很方便地设置条件，查看信息层内部的关系
- 同样也可以查看信息层之间的关系，形成空间节点
- 信息的重叠有助于形成复杂空间（如建筑立面与公共空间的交互）
人的介入
- 设计属于计算机辅助设计的范畴，而不是生成设计
- 人介入设计流程的节点：
- 标签（评价器输出值）的设置。设计中我们选择“质量”为标签,而质量的高低是依据我们对空间的感知来确定的。如果我们认为“热闹”、“阴凉”、“可休憩”的空间是高质量的，那最后机器学习模型也同样会认为这样的空间是高质量的。（提高相关特征的权重）
- 随机生成方法的构建。生成方法对结果的影响体现在两方面：方法的丰富度和方法对空间特征的影响。前者的空间类型缺乏多样性，或者某一类型数量过多，则会导致结果的极大偏差；后者对空间特征的影响是人为设置的，需要根据生成结果反复调整，防止某一类别的方法出现过多。
设计重点
- 尽可能多的量化（描述）建筑信息
- 尽可能保证评估器的准确度
- 尽可能构建丰富且均衡的方法结构
- 依据实际经验对结果校正
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
