Нейросети в архитектуре: каким получился первый поток курса Архитектурной школы МАРШ?

Стоит ли архитектору учиться работать с нейросетями или это все еще игрушка для красивых рендеров? В этом году МАРШ впервые запустил курс «Нейросети в архитектуре», чтобы показать, как AI можно встроить в реальную работу над проектом. После первого потока стало видно главное: нейросети полезны архитектору ровно настолько, насколько он умеет ими управлять. Куратор курса Алина Черейская собрала пять выводов по итогам учебы: что получилось, что оказалось сложнее, чем ожидали — и что изменится дальше.

Итог № 1. Нейросеть не(!) упрощает пайплайн архитектора, она делает его сложнее

Когда студенты начинали, многим казалось, что достаточно написать удачный промпт, и AI выдаст готовое решение. На деле все оказалось иначе: каждая удачная генерация — это результат исследования, подбора исходных материалов, долгой настройки запросов и множества итераций. Нейросети делают пайплайн архитектора более сложным, многоуровневым и разветвленным. Это не магия, а кропотливая работа!

Архитектор не исчезает из процесса, он тратит время иначе: уже не на отрисовку, а на выстраивание логики, отбор и проверку.

Итог № 2. Алгоритмическое мышление стало обязательным

Третий модуль курса, создание формы и вайбкодинг, оказался самым сложным. Студенты признавались, что планируют его пересматривать. Причина проста: нельзя написать один промпт и получить осмысленную геометрию. Сначала нужно продумать логику возникновения формы — разбить большую архитектурную задачу на мелкие блоки, выстроить последовательность шагов. Те, кто освоил этот принцип, перестали зависеть от случайных удач и начали управлять инструментом.

Итог № 3. Архитектурные правила не работают при работе с AI

Мы привыкли опираться на опыт других архитекторов, брать готовые отточенные знания и использовать их: метод кладки кирпича, размер сводов, принцип построения перспективы. С AI это не работает. Елизавета Красинская на защите привела пример: еще год назад в связке AI и Grasshopper у нее не получалось практически ничего, а сегодня те же сценарии работают гладко. Новые модели появляются каждый месяц. Архитектору приходится постоянно тестировать, пересматривать привычный алгоритм и заново проверять, что изменилось. Остановиться — значит отстать.

Выпускница школы МАРШ Елизавета Красинская — о том, зачем архитектору нейросети

Итог № 4. Красивая картинка еще не значит готовый чертеж

С генерацией чертежей (планировок, разрезов, узлов) сначала всегда случается вау-эффект. Издалека все выглядит правдоподобно, но при детальном рассмотрении появляются помещения без дверей, вход в офис через санузлы и другие ошибки, типичные для генеративных моделей. Это AI slop: картинка проходит визуальную проверку и проваливает профессиональную.

На курсе «Нейросети в архитектуре» лучше всего работали другие сценарии. Если дать нейросети черно-белый контур здания и прописать функции, можно получить редактируемую планировку. Если загрузить базовый чертеж — трансформировать его в красивый. Так AI становится помощником в развитии идеи, а не источником непредсказуемых ошибок.

Итог № 5. Случайные артефакты AI могу стать проектными решениями

Многие студенты отметили: делаешь десятую итерацию, и вдруг нейросеть сама дорисовывает мост между зданиями, дописывает кусок исследования или создает трехмерный артефакт. Этого не было в промпте, но благодаря большому количеству итераций случайность становится поворотным моментом проекта. Здесь важно не злиться на то, что нейросеть не соблюдает точную геометрию, а дать алгоритму определенную свободу. Случайности, встроенные в общую логику, дают проекту дополнительный слой.

Что изменится в следующем потоке

Первый и второй потоки показали, куда стоит двигаться дальше. В программе «Нейросети в архитектуре» появится расширенный модуль об AI-агентах и мультиагентных системах, добавится занятие об экономике архитектурной практики и интеграции AI в BIM-процессы, в том числе с Revit. Также запланированы открытые лекции и дискуссии с практикующими архитекторами для обмена реальными кейсами и рабочими лайфхаками.

Изменится и формат обучения. В первых потоках студенты делали один проект, а преподаватели показывали материал на разных примерах. Теперь преподаватели будут вместе вести один общий проект, передавая его от модуля к модулю — от анализа территории до финальной подачи.

Третий поток курса «Нейросети в архитектуре» стартует уже 10 октября. Присоединяйтесь!