После программы «Нейросети в архитектуре» Елизавета уже использует новые инструменты в работе — оживляет архивные материалы, тестирует фасадные решения и смотрит на промпт как на часть проектного мышления. Поговорили с выпускницей МАРШ о том, как после курса нейросети перестали быть набором случайных сервисов и стали частью профессии.
Работы Елизаветы во время обучения
Я училась в Московском архитектурном институте. После окончания участвовала в воркшопах, а затем начала работать в Kleinewelt Architect. Позже перешла в «ПИК-Проект», где несколько лет занималась социальными объектами: школами, детскими садами, подстанциями скорой помощи. После этого работала в Dars Group в отделе, связанном с объектами реновации.
За два-три месяца до начала курса я устроилась в компанию Vol-Ter к Анне Вольновой. Мы давно знакомы и уже работали вместе в другой компании. Тогда мы отлично сработались, поэтому, когда я думала, куда идти дальше, почти сразу решила обратиться именно к Анне.
Работы Елизаветы во время обучения
Перед трудоустройством я собирала новое портфолио и поставила себе задачу разработать сложный с технической точки зрения объект. Для него нужно было обработать большой объем данных, чтобы затем создать параметрическую модель. Мне хотелось понять, можно ли ускорить этот процесс с помощью AI.
Так я впервые столкнулась со спецификой работы с нейросетями. Опыт оказался не очень успешным, но именно он стал важным толчком: я поняла, что хочу разобраться в теме системно.
Я подписана на телеграм-канал МАРШ. Там увидела информацию о четырех лекциях, которые вышли перед запуском первого потока курса. Сначала меня заинтересовали сами лекции, потом я изучила программу и поняла, что она может ответить на вопросы, которые остались у меня после самостоятельных попыток работать с AI.
Работы Елизаветы во время обучения
Решающим фактором стала поддержка Анны. Она активно выступала за то, чтобы я прошла это обучение.
Да, я уже пробовала работать с чатами как с агентами, а еще генерировала изображения в Nano Banana. Но это были скорее отдельные пробы. Мне не хватало понимания, как встроить AI в архитектурный процесс.
Курс показался мне действительно насыщенным и хорошо настроенным под практику. Особенно понравилось, что преподаватели оперативно адаптировали программу под изменения и ограничения, которые возникали по ходу обучения.
Каждый модуль был полезен по-своему! В первом блоке преподаватель Алина Черейская дала четкую методику анализа с помощью LLM — больших языковых моделей. Он был ясным, собранным и не затянутым.
Ульяна Осипова, эксперт второго блока по генерации изображения для архитектурных проектов покорила своей харизмой, погруженностью в тему и пытливым умом. Этот модуль дал представление о том, как строить работу с различными порталами и моделями, и показал, как могут решаться вопросы и проблемы, возникающие в процессе работы.
Работы Елизаветы во время обучения
А третий «От текста к форме» показал, насколько разнообразны возможности AI — они не ограничиваются общением с чатами и генерацией изображений. Степан Кухарский дал импульс к самостоятельному (уже более углубленному!) изучению возможностей ИИ.
Я бы выделила работу с инструментами для генерации изображений, например Weavy, а также создание кода на Python для Grasshopper при разработке параметрических моделей.
Но в целом ценность курса не в одном отдельном навыке! Главная идея в том, что работа с AI — это сложный многоуровневый процесс. Каждый этап важен для следующего: от формулировки задачи и анализа до проверки результата и дальнейшей доработки.
Сейчас мы активно интегрируем LLM в процесс анализа и пробуем внедрять модели для генерации фасадных решений. Особенно большой потенциал видим в дообученных моделях, LoRA, которые могут помогать создавать концепции фасадов с учетом достаточно жестких городских требований.
Работы Елизаветы во время обучения
Во время работы над финальным проектом мне было важно решить две задачи! Во-первых, максимально полно применить на практике все, что мы проходили, чтобы большой объем новой информации действительно запомнился. Во-вторых, ответить себе на вопросы, которые накопились у меня еще до обучения, когда я самостоятельно разбиралась с нейросетями.
Главная сложность, с которой сталкивается почти каждый, кто начинает изучать AI, — это понимание, что нейросеть не панацея и не волшебная кнопка. И не специалист, который сделает все за тебя. Это такой же инструмент, как Rhino, Revit или 3ds Max, и с которым нужно уметь работать!
Очень важно корректно формулировать задачу. А для этого архитектор сам должен ясно понимать, что хочет получить в итоге. Даже если промпт сформулирован хорошо, результат может появиться далеко не с первой попытки. Курс «Нейросети в архитектуре» помогает принять эту особенность и увидеть в повторном диалоге с AI не проблему, а часть поиска. Иногда именно в процессе уточнений возникают неожиданные решения, которые обогащают итоговую идею.
Сейчас я работаю над сайтом компании. Моя задача — с помощью AI оживить устаревшие изображения старых проектов, сделать их более актуальными, а еще быстро получить недостающие материалы для полной презентации проектов.
Разумеется, те знания, которые я получила на курсе, стали основой моей текущей работы. Пока с момента окончания обучения прошло не так много времени, поэтому рано говорить о больших карьерных изменениях. Но уже сейчас мне стали поручать более разнообразные и интересные задачи.
Работы Елизаветы во время обучения
Крепкая база — и теоретическая, и практическая. От нее намного легче отталкиваться в дальнейшем изучении AI.
Важно не ждать, что AI сделает работу за вас. Лучше воспринимать его как полезный инструмент, который в сегодняшней профессиональной реальности уже невозможно игнорировать.
Чем раньше архитектор начнет изучать возможности нейросетей и пробовать интегрировать их в рабочие процессы, тем увереннее он будет чувствовать себя в быстро меняющейся среде.
