На первый взгляд, AI в архитектуре занимается скучной и полезной работой: считает, сравнивает, ускоряет, предлагает варианты. Он может за несколько минут перебрать десятки планировок, показать самое выгодное соотношение площади и бюджета, подсветить слабые места проекта и предложить решение, которое выглядит почти бесспорным. Но именно здесь появляется главный вопрос: что, если «эффективнее» не всегда значит «лучше»? Кто в этот момент принимает решение: архитектор, заказчик или программа, которая просто выбрала самый убедительный вариант? Архитектурный критик, исследователь и преподаватель программы «Нейросети в архитектуре» Александр Острогорский объясняет, почему AI в архитектуре — это не только вопрос скорости и удобства, но и вопрос ответственности.
Зачастую говорят: «ИИ — всего лишь инструмент, а ответственность всегда на человеке». Но автомобиль тоже инструмент, и интернет тоже, а ведь оба радикально изменили образ жизни, экономику, города и повседневные привычки. Поэтому про AI точнее говорить не как об отдельном инструменте, а как о технологии, которая постепенно проникает во все большее число решений и сфер жизни.
Формально ответственность действительно остается на человеке. Но AI все больше участвует в том, как мы формулируем проблему, какие варианты решений рассматриваем, по каким критериям оцениваем результаты. Ответственность не исчезает, но становится сложнее понять, в какой момент человек фактически передал машине часть цепочки рассуждений, и перестал контролировать, что там происходит.
Например, AI помогает выбрать лучший вариант застройки по десяткам параметров: инсоляции, стоимости, плотности, транспортной доступности. Один из вариантов AI представляет как объективно выигрышный почти по всем показателям (которые слишком утомительно проверять). Однако, есть нюанс: небольшой сквер между домами надо превратить в парковку. Это незначительная потеря площади озеленения, не нарушает требований города, помогает сделать проект рентабельным... Но там оказались старые деревья, которыми дорожат местные жители, привычные для них маршруты, места встреч — качества, которые просто не были включены в исходные данные для работы модели. Теперь девелопера ждут утомительные переговоры с соседями, протесты, суды, переделки, задержки...
На онлайн-курсе «Нейросети в архитектуре» можно разобраться, как использовать AI в проектной работе: от анализа задачи и поиска идеи до визуализации, проверки гипотез и презентации проекта
Конечно, такую ошибку могут допустить люди и без всякого AI: плохо изучить участок, недооценить вовлеченность жителей, предпочесть эффективность другим ценностям. Что меняется с AI — многие решения, которые касаются ценностей, начинают выглядеть как задачи, которые требуют только расчета. Этические конфликты прячутся где-то в глубине длинной цепочки алгоритма, который предлагает готовый вывод и оформляет его убедительно и авторитетно.
Мы считаем, что задаем модели технический вопрос «какой вариант эффективнее?», но пропускаем этический: что мы считаем ценным, что не будет учтено формулами, кто будет отвечать — не за финальное решение, а за саму постановку задачи?
Самая главная ловушка — не ошибки в работе AI, а его убедительность. Он очень быстро превращает набор спорных предпосылок и сомнительных исходных данных в связный текст или красивое изображение, и из-за этого мы не задаем вопрос «откуда это все взялось», а берем в работу. Вторая ловушка — ощущение нейтральности. Если решение получено из большого количества данных, оно кажется объективным. Но часто выбор данных и критериев уже содержит ценностные решения. И еще одна ловушка — размытие ответственности. В сложной цепочке «архитектор — данные — модель — заказчик — другая модель — консультанты — другие данные...» становится все труднее понять, кто именно принял решение. Большинство участников оказывается в положении тех, кто просто нажал «ок». В результате ответственность только формально остается у людей, а фактически она распределяется так широко, что никто из участников процесса не чувствует, что он что-то решает.
