1700030663
1700030664
5.1 替代推理模式
1700030665
1700030666
有些应用可以理解为建筑设计思维中溯因推理模式的替代模式。在特定场景描述和记忆场景之间,这些应用据称能够创造有用的类比。这一过程是基于案例的推理应用的检索阶段背后的主要动因。[291]在基于案例的推理应用中,新的“案例”与收集的大量“已知案例”进行比较,通过类比找出问题的解决方案。《欧洲建筑内容元数据》的元数据存档可以看作是近期具有相似目标(用元数据描述的案例库)的一个应用。[292]通过在搜索或者浏览窗口列出查询问题,用户向系统提交了新的案例,然后运用这些案例从案例库案例中检索最合适的类比。
1700030667
1700030668
这一方式的确与建筑设计思维基于经验的本质非常相似。实现这种基于经验检索系统的主要问题在于描述案例或经历的结构。正如我们前面指出的那样,建筑知识是通过个人经历形成的,而且具有高度的动态特征。因为建筑“问题”场景架构不良的本质,设计并且实施描述这种知识的结构是困难的,甚至几乎是不可能的。[293]影响场景的参数很多,不存在单一的最佳解决方案;相反,根据所注意到的参数情况,有很多不同的解决方案可供选择。当把一个建筑“案例”建模成信息结构,同样选择了某些参数作为案例的特性—在基于案例的推理中称为“特点”—由此失去在其他过程的案例检索中可能的关键特性。
1700030669
1700030670
有的应用可以理解为建筑设计思维过程的替代演绎推理部分,即模拟和计算环境。这种环境的应用逻辑一般是提前写好的,而且可以认为是相对静态的。在此应用逻辑和用户输入的基础上获得计算结果(例如一个CAD模型)。主要的困难是创造这样的前提网络—输入模型和应用逻辑—演绎推理始于这些前提。创造这样的网络会遭遇上述的同样问题:在把结构不良的现实世界知识转换为定义清晰的信息结构时,会失去太多重要的参数。
1700030671
1700030672
如皮尔斯的理论所述,有的应用可以理解为建筑设计思维过程的替代归纳推理部分,即建模应用。与传统做法相比,这种应用使得视觉设计试验的方式多了很多。以前设计师们只能“局限”在纸上素描或者建立实体模型,现在他们可以借助无数的建模应用或者可视化应用来做实验或者创作设计试验。这一过程取代了归纳推理模式,因为原有的假设可以接受测试,然后被肯定或者否定。然而,这一过程并没有取代归纳推理部分,因为应用背后的知识库是根据测试结果调整的。
1700030673
1700030674
5.2 实验工具
1700030675
1700030676
另一种可能性是,把每一个勾勒的信息系统或者应用仅仅看作为设计师与之互动的物质世界的一部分。在这种方式下,应用与物质世界的其他因素相似,而与这些应用的互动方式,跟珀塞尔和盖罗所述的与素描、图表和绘画的互动方式相似。[294]重新考虑先前讨论的图式,这种应用就位于左下角(参见图28)。在整体推理过程的这一部分,它们为制作归纳实验提供了额外的环境。
1700030677
1700030678
1700030679
1700030680
1700030681
图28 信息系统作为制作归纳实验或设计试验的额外环境
1700030682
1700030683
在该应用开发方式里,皮尔斯勾勒的推理循环贯穿整个人类思维过程,而且应用只是执行实验的一个工具。这里的假设是设计师自动运用自己的“设计师知识”和溯因、演绎推理,提出假设和预测。预测产出期望,该期望能在实验或者设计试验中接受测试。建模环境很好地说明了应用作为实验工具的方式。然而,基于经历的检索系统和计算及模拟应用也可看作为实验工具。比如,像MACE这样的系统,设计师在搜索或者浏览时,脑海里已经有了期望看到的结果。系统产生的结果肯定或者否定这个期望。同样,在一个应用里准备一个模型来计算能量性能水平的时候,设计师在脑海里已经有了他们期望系统产生的能量性能水平。这个隐含的已知结果是由人类思维里的溯因推理步骤构成的。重复一遍,应用产生的结果肯定或否定这个期望。注意,在此情况下,人类思维中也发生了归纳学习。
1700030684
1700030685
如果按照这种方式开发或者使用应用,应当谨记应用里的信息结构的用途是有限的。实际推理发生在人类思维过程中,人类思维完全适合处理结构不良的问题,因此比应用任何可能的信息结构都要强大很多。运用这一方式生产应用的优点在于物质世界的实验工具数量显著增加。
1700030686
1700030687
5.3 自动推理体
1700030688
1700030689
我们考虑的第三个也是最后一个应用开发方式是自动推理体。在这种方式里,皮尔斯所提出的三种推理模式都在一个动态的信息系统里得到实施和组合。在这种设置下,信息结构是完全动态的:它通过推理体所做的每一个观察或者实验,一步一步地进化。如果不把焦点分别放在三种推理模式上,而是把多种推理模式组合在持续的循环过程中,理论上可以开发一个信息系统,借以提出假设、进行预测、设计实验并且学习—全部基于系统不断完成的观察和实验进行。
1700030690
1700030691
有关这些系统的研究没有间断,但是才开始出现初步的研究结果。最显著的研究结果之一是“机器人科学家”系统,是为在酵母微观生物学的特定子领域开展半自动科学研究而开发的。[295]该系统所执行的推理过程与图27勾勒的过程或者皮尔斯的过程相似,但不完全相同。结果是一个机器人,它能从实验观察开始;能够基于背景信息理解其所见(在此情况下,背景信息已经在本体中形式化并嵌入机器人);能够提出假设对眼前观察到的现象进行解释;能够设计实验来测试这些假设;能够做这些实验;能够向这些实验学习。这一过程循环往复,不断进行。因为皮尔斯的研究过程一般也在其他应用领域发挥作用,理论上可以开发一个类似的方式,支持设计思维。例如,理论上来说,语义网技术可以使软件开发人员从推理引擎输出中不断地建立信息系统。[296]这最终可以产生自动推理体。如果按照皮尔斯的架构,把三种推理模式组合到一个系统,其他方式也许同样可行。我们已经看到,运用单独的替代推理模式并不能带来充足的附加值,因此这一组合是必需的。
1700030692
1700030693
这类支持和目前由信息系统提供的传统类支持截然不同。与机器人科学家项目里的情况相似,这个推理系统会进化成一个独立体,对设计场景进行推理,而不会直接介入人类设计师的推理过程。它能给人类的主要支持,可能与一位设计师给予另一位设计师的支持相似,即通过简单对话和讨论替代设计方案,从中既产生自己的理解,又启动自己的推理过程。劳森给信息系统提出了一个类似于基于推理体的角色。[297]
1700030694
1700030695
我们来看一个简单的例子,从设计纲要开始,展示一下推理体如何在建筑设计环境下工作。给推理体一份设计纲要。与人类的过程相似,推理体逐行逐字检查纲要,在每一步都运用自己的个人背景知识理解纲要的内容。在每一步,推理体实际上完成了整个推理循环,由此对纲要字词的意义进行假设(理解),预测接下来它会读到什么,并且通过实际通读下一个字词来测试它的预测(估测)。在阅读过程的每一步,构建出对“问题”和“解决方案”—假想的和易错的—理解(试比较下共同进化)。在读通设计纲要后,推理体以它认为最佳的方式继续。再次使用一个或多个推理循环做出该决定。例如,推理体可能假设最好的继续方式就是把部分问题构建成一个3D模型。从这个假设开始,一整套额外的推理循环启动,使推理体能够持续施行行为,对行为进行反思,并且基于行为提出新的假设。通过这些推理循环,朝向一个完整的3D模型,推理体不仅反思并且了解3D模型,而且调整对设计问题和解决方案的初始理解,形成新的和更完善的理解。然后,循环继续。
1700030696
1700030697
这样的场景还远远没有实现,能否实现仍是未知数。在机器人科学家项目中,大量的信息被形式化并嵌入机器人作为背景信息模型。有了这些形式化的信息,进行660万的光密度测量,最终得到形式化的科学论证结构,包括10000多个不同研究单位,分布在10个分层结构中。这些研究单位是实验研究分段的表征,包括研究、循环、尝试、测试和重复。不过注意,系统最终只是应对功能基因组中一个非常细小的子领域。[298]为所有的“设计师”信息建立一个类似的模型几乎是不可行的,特别是考虑到劳森的评述,即设计师知识也包含动机、信仰、价值观和态度。要让这样的方式可行,推理体使用的信息模型将不得不由推理体自己建立。尽管理论上来讲,使用溯因、演绎和归纳推理组合,这个模型是可行的,但是很难想象一个更具挑战性的目标。
1700030698
1700030699
建立这样的系统的关键问题在于,如果推理体想学习任何现实的内容,理论要求推理体主动地嵌入到物质世界。在建筑设计中,推理体将不得不亲自完成现实的建筑设计。事实上不大可能有人会允许推理体这样做。但要实现这样的情景,需要推理体能够根据理论与周围的物质世界进行可靠的交流。事实上,这样的主体需要具备感官(即听觉、嗅觉、味觉、视觉和触觉),并且像人那样行为,自主构建有用的知识,并且为他人提供有用的输入。即便是对于最基本的感官交流,这样的开发也会有很多问题,因为对这种感知、构建知识和相应行为的过程在人体的存在方式,我们知之甚少。因此,这第三种方式似乎不可能在近期实施。
1700030700
1700030701
1700030702
1700030703
1700030705
设计问题(第一辑) 6. 讨论和结语
1700030706
1700030707
我们在这篇文章里对建筑设计思维的信息系统支持进行了批判性评价。该评价与设计思维和哲学中的许多理论紧密相关。我们选择使用皮尔斯的(科学)研究作为解释建筑设计思维若干现象的框架。通过溯因、演绎和归纳推理的循环往复,以动态的背景知识和部分物质世界作为其前提,这种研究过程不断继续。
1700030708
1700030709
因此,对建筑设计师的信息系统支持,我们区分了三种主要的开发方式。在第一种方式中,应用是设计和实施成为皮尔斯研究过程中每一个替代推理模式。这样的方式似乎价值不大,因为要求应用开发者和用户不停地把结构不良的现实世界问题场景转换成人为的清晰的问题场景。这一过程不仅乏味而且耗时,与我们自己的推理能力相比,其结果并不那么可靠有用。在第二种方式中,所有向设计师提供支持的信息系统都被视为物质世界的附加部分。跟纸和笔相似,CAD系统或者模拟环境允许设计师进行归纳实验或者设计试验。由于实际推理过程仍然完全处于应用环境之外,这一方式的主要缺点在于所产生的支持系统用途有限。这一方式的主要价值在于能够为设计师提供大量之前没有的、额外的“测试环境”。目前一般使用的是这第二种方式,尽管或许人们并没有意识到这一点。第三种也是最后一种方式是建立推理体,该推理体自动完成皮尔斯所概括的推理循环。就我们所知,这种方式完全不同,从来没有以完整形式实施过。在这种情况下,所有三种推理模型都组合在一个动态的信息系统之中,根据推理体的经历不断地变化。有了这种组合,理论上来讲,这种推理体应该能够提出假设、进行预测、设计实验和学习—所有这些都建立在系统不断经历的观察和实验基础之上。假如这种方式可行,其主要的障碍是需要推理体主动地嵌入物质世界,而且需要推理体与这个世界进行可靠的交流。没有这种嵌入和交流,就永远不可能建成适宜的知识库,也不能把这些知识传递给设计师。
1700030710
1700030711
在这三种方式之中,第二种是面向信息系统支持的最可行策略,或许是唯一可行的策略。然而,设计师和软件开发者都必须谨记,这种方式对建筑设计思维的影响有限。许多设计思维的信息系统支持创新计划都宣称能够提供各种各样的自动化特征和衍生机制,该方式对之都进行了反驳。正如本文所示,这样的系统仍然只是用于设计试验的有用环境。
1700030712
[
上一页 ]
[ :1.700030663e+09 ]
[
下一页 ]