سنجش کمّی فاصلۀ پلان مسکونی از منطق فضایی خانۀ ایرانی با شبکۀ عصبی گراف

سنجش کمّی فاصلۀ پلان مسکونی از منطق فضایی خانۀ ایرانی با شبکۀ عصبی گراف

نگار شهیددخت1

1) دکترای هوش مصنوعی دانشگاه امیرکبیر

کد IOI مقاله : ABGG-ABKFCA
محل انتشار : یازدهمین کنفرانس بین المللی پژوهش در علوم و مهندسی و هشتمین کنگره بین المللی عمران، معماری و شهرسازی آسیا(11icrsie.ir)
چکیده :
    داوری معماری دربارۀ نسبت مسکن معاصر با منطق فضایی خانۀ ایرانی عمدتاً در قالب گزاره‌های کیفی بیان شده است؛ گزاره‌هایی که بدون معیار سنجش‌پذیر نه قابل رد و نه قابل تأییدند و در طراحی نقش عملیاتی نمی‌یابند. این مقاله می‌کوشد بخشی از این داوری را به کمیت ترجمه کند. نخست پنج قاعدۀ پیکره‌بندی که در ادبیات نحو فضا برای خانۀ درون‌گرای ایرانی مستند شده، به توصیفگرهای محاسبه‌پذیرِ گراف دسترسی برگردانده می‌شود. سپس ناقدی بر پایۀ شبکۀ عصبی گراف با تجمیع مبتنی بر توجه در لایۀ خوانش معرفی می‌گردد که پلان را در قالب گراف می‌گیرد و شاخصی پیوسته با نام وفاداری گونه‌شناختی به دست می‌دهد. برای آزمون‌پذیری، پیکره‌ای مصنوعی از پنج هزار پلان با یک دستور زبان شکلی تولید شد که در آن پارامتر گسست به‌طور کنترل‌شده از حالت حیاط‌مرکزی تا حالت آپارتمانی تغییر می‌کند. مدل‌های فاقد اطلاعات توپولوژیک تنها بخشی از این پارامتر را بازمی‌یابند و شبکۀ گراف خطای آنها را حدود بیست‌وسه درصد کاهش می‌دهد؛ تفاوتی که در سطح کمتر از یک ده‌هزارم معنادار است. برای آزمون اعتراض دوری بودن، مدل بدون بازآموزی بر پیکره‌ای تولیدشده با دستور زبان مستقل دوم و گراف‌هایی چهل درصد بزرگ‌تر اعمال شد؛ ترتیب سه باند گونه‌شناختی حفظ شد و دقت رتبه‌بندی جفتی حدود هشتاد و سه درصد بود که برای جفت‌هایی با فاصلۀ بیش از دو دهم به نود و سه درصد می‌رسد. سازوکار توجه، بی‌آنکه دقت را به‌طور معنادار تغییر دهد، تشخیص در سطح گره را ممکن می‌سازد: در نود و هفت درصد موارد فضای ناقض قاعده در رتبۀ نخست می‌نشیند. سرانجام، به‌کارگیری ناقد در حلقۀ انتخاب یک مولد ساده کیفیت نحوی خروجی را در هر پنج قاعده ارتقا می‌دهد. مطالعه اثبات مفهوم است و بر برداشت میدانی متکی نیست.

کلمات کلیدی : هوش مصنوعی شبکۀ عصبی گراف معماری مسکن خانه ایرانی معمار