《Architecture》：Digital Paradigms in Architecture: Toward a Layered Computational Ecology from Early Computation to Artificial Intelligence
编辑推荐：
本研究通过历时性框架（diachronic framework）和比较分析矩阵（comparative analytical matrix）的构建，审视了建筑学中计算范式（computational paradigms）的演进。该研究超越以技术进步为中心的线性
本研究通过历时性框架（diachronic framework）和比较分析矩阵（comparative analytical matrix）的构建，审视了建筑学中计算范式（computational paradigms）的演进。该研究超越以技术进步为中心的线性叙事，提出将建筑计算解读为一种分层生态（layered ecology），其中符号（symbolic）、表征（representational）、信息（informational）、生成（generative）和概率（probabilistic）等不同机制同时交互作用。基于对历史、理论和技术文献的批判性回顾，本研究比较考察了建筑计算发展中的五个主要范式性时刻。文章并未将这些范式视为离散或顺序的阶段，而是将其解读为相互依赖的计算层（computational layers），它们在当今建筑实践中持续共存。研究发现表明，从基于规则的确定性系统向基于学习的系统的转变为建筑计算的性质带来了根本性转变，使设计过程从受控执行转向概率性探索。在此背景下，人工智能（artificial intelligence）不仅仅是现有技术能力的延伸，而是重构了设计者、工具与知识之间的关系。文章得出结论，当代建筑运作于一个分层计算生态之中，多种范式相互重叠与交互。这一视角使计算不仅被理解为一套工具，更作为一种认识论基础设施（epistemological infrastructure），深刻地改变了建筑实践、其过程及其批判框架。
建筑学中计算范式的演变无法被简化为技术进步的线性叙事。研究人员指出，现有研究往往碎片化，聚焦于特定技术、孤立历史时刻或特定形式成果，缺乏能够整合早期战后计算范式与当代数据驱动和学习系统之间连续性与断裂性的长时段历史和批判性综合。为应对这一不足，研究人员开展了此项研究。
研究背景与问题：近几十年来，建筑学因数字化进程的加速和计算技术向设计、生产及建成环境管理的深度整合而被深刻重构。最初仅作为自动化计算与图形表现工具而出现的技术，已逐步演化为复杂的计算生态系统，其中算法设计方法、参数化建模系统（parametric modelling systems）、建筑信息建模（Building Information Modelling, BIM）等信息化环境，以及近年的人工智能技术，均积极参与建筑设计的建构。这一转变不能仅归结为新技术工具的引入，而是项目过程本身的结构性转变：绘图不再被视为既定意图的图形转译，而日益运作于规则、参数和数据驱动交互所构成的关系系统之上。在此框架下，建筑师逐渐从封闭单一对象的创作者转变为过程和系统的作者，标志着认识论位移（epistemological displacement），挑战了关于作者身份、控制、决策和创造力的基本观念。
研究人员开展的研究与结论：本文通过提出一个批判性和比较性框架，分析建筑计算范式的长期演变。研究人员将数字发展解读为孤立技术替代的序列，考察了从早期实验系统到参数化设计、BIM、数字化驱动的设计与生产流程，以及人工智能和机器学习在设计过程中的整合等不同计算机制如何在当代建筑实践中持续共存、重叠和交互。研究得出两个核心贡献：（i）一个综合建筑学中五大计算范式的比较分析矩阵；（ii）"分层计算生态"（layered computational ecology）这一概念框架，用于理解计算系统超越技术替代线性叙事的共存与相互依赖关系。此处的"计算生态"指多种计算范式通过互操作性、基础设施依赖、操作重叠和累积整合等关系共存，形成异质性计算环境，其中不同计算逻辑保持同时运作的状态。
研究发现表明，从基于规则的确定性系统向基于学习的系统的转变为建筑计算的本质引入了根本性转变，使设计过程从受控执行走向概率性探索。人工智能不仅扩展了现有技术能力，更重构了设计者、工具和知识之间的关系。当代建筑运作于多层范式重叠交互的分层计算生态之中，这一视角使计算不仅被理解为工具集合，更被视为深刻重塑建筑实践、其过程和批判框架的认识论基础设施。
论文发表在《Architecture》期刊。
主要关键技术方法：本研究采用质性历史-批判方法论， situated于建构主义范式（constructivist paradigm），基于建筑计算模式是文化、技术和认识论建构而非中性技术演进的假设。研究被构建为系统化学术综述（systematizing review），结合结构化文献检索与质性历史-批判研究的理论取样策略。文献通过Scopus、Web of Science、Google Scholar及主要建筑出版社进行检索，关键词包括"architectural computation"、"CAD"、"BIM"、"parametric design"、"algorithmic architecture"、"artificial intelligence in architecture"、"computational design theory"等。研究结合三个主要组成部分：（i）计算范式的历时税费映射（diachronic mapping）；（ii）比较分析；（iii）理论分类化。分析识别了五个主要计算范式：早期计算基础与应用（1950–1970）、CAD的巩固与信息模型的出现（1970–1990）、BIM的扩散（1990–2010）、参数化与算法设计的发展（1990–2010）、以及AI/机器学习与数据驱动计算系统的整合（2010–2025）。分析围绕九个分析轴展开：计算的本质、数字模型的类型、人机关系、自动化程度、学习/适应性、数据的作用、作者身份与能动性、对设计过程的贡献、对专业实践的影响、风险与局限。
研究结果：
一、计算基础与建筑中的早期应用（1950–1970）：从数值计算到结构化问题解决
这一时期建筑中计算的出现需置于战后科学、工程和系统理论的更广泛转型中加以理解。早期数字计算机主要用于军事和科学应用，在建筑语境中，其首次应用与数值分析、结构计算、荷载分布优化和环境性能模拟相关。FORTRAN等编程语言使工程师能够将数学程序编码为可执行序列。尽管尚无图形界面，但其概念意义重大：建筑问题现在可以被分解为变量、约束和迭代程序。控制论和系统理论深刻影响了早期计算建筑学的理论基础。诺伯特·维纳（Norbert Wiener）引入的反馈、控制和自适应行为概念被迅速吸收进1960年代的建筑 discourse。戈登·帕斯克（Gordon Pask）关于对话理论的工作影响了实验性建筑思考，特别是在塞德里克·普莱斯（Cedric Price）的Fun Palace项目中。雷纳·班纳姆（Reyner Banham）将建筑重新框定为环境控制系统而非纯粹的形式构成。1960年代设计方法运动（Design Methods Movement）兴起，克里斯托弗·亚历山大（Christopher Alexander）提出将设计问题分解为关系和约束的结构化图表；J. Christopher Jones倡导基于分析、生成和评估周期的结构化设计程序。伊凡·萨瑟兰（Ivan Sutherland）的Sketchpad（1963）引入了交互式图形操作、基于约束的几何关系、对象层次结构和参数依赖，标志着从数值计算向图形计算、从表征性绘图向计算建模的转变。尼古拉斯·尼葛洛庞帝（Nicholas Negroponte）在MIT建筑机器组的研究将计算机设想为能够与设计师对话的智能助手而非绘图工具。尽管实际采纳极为有限，此时期建立了后续范式的认识论基础：建筑作为信息系统、设计作为结构化问题解决、几何作为关系性和规则支配的、反馈作为调节机制。
二、CAD的巩固与信息模型的出现（1970–1990）：从实验计算到专业工具
此时期标志着从实验性和概念性计算使用向专业建筑实践的逐步整合。小型计算机和个人计算机的发展显著扩展了计算技术的可及性。Intergraph和AutoCAD（1982）等早期CAD系统引入了复制和增强传统绘图实践的数字绘图环境，提高了精度、编辑灵活性和可重复性。然而CAD本质上仍保持表征性，几何被数字化编码但保留传统绘图的逻辑，计算机主要作为可视化和文档化工具而非形式的积极生成者。CAD引入了程序逻辑到设计工作流：图层、图块和坐标系实现了几何信息的结构化组织，预示了后来的面向对象建模。此时期最重要的贡献之一是建筑表征的标准化，促进了跨项目一致性、学科间协调和共享绘图惯例的出现。尽管CAD显著提高了效率和精度，但未根本改变建筑设计的底层逻辑；缺乏嵌入式数据、关系依赖和集成性能反馈限制了其作为真正计算设计环境的能力。CAD可理解为翻译阶段——模拟绘图向数字环境的迁移，其主要贡献在于表征的数字化和标准化而非设计逻辑本身的转变。
三、BIM的扩散（1990–2010）：从表征到信息
此时期标志着从表征系统向基于信息的建模环境的根本转变。BIM引入了数字模型作为共享信息数据库而非静态表征的范式转变。与CAD不同，BIM系统将建筑元素结构化为包含几何和语义信息的参数化对象：墙体、楼板和构件不再是线条或表面，而是由属性、关系和行为定义的实体。这种转变使模型能够作为共享信息数据库运作。BIM基于面向对象逻辑，元素通过类、属性和关系依赖加以定义，实现协调更新、视图一致性和文档自动化。IFC（Industry Foundation Classes）等标准促进了不同软件平台间的数据交换，实现多学科协作和集成项目交付。BIM的关键创新在于将建筑生命周期的多个阶段整合于单一模型中，设计、分析、施工和设施管理通过共享数据结构相互连接，反映了AEC行业向系统集成和信息管理的转变，也满足了可持续性、性能分析和长期资产管理的新兴需求。然而BIM不本质生成形式或启用探索性设计过程，通常通过预定义对象库和标准化组件定义，可能限制形式实验和创意变化。BIM应被理解为更广泛的演变计算景观中的中心层而非终点。
四、参数化与算法设计的发展（1990–2010）：从静态几何到关系建模
与BIM扩散并行，参数化和算法设计作为 distinct 计算范式而出现。参数设计基于元素间关系的定义而非固定几何实体：建筑师直接定义参数、约束和依赖关系来控制系统行为。这种关系方法允许连续变化、适应和迭代，参数变化在整个系统中传播，生成形式家族而非单一解决方案。Schumacher认为参数化主义代表了向差异化、相关性和连续转变的逻辑转变。算法设计将脚本和计算程序作为核心设计工具引入，建筑师日益通过指令序列运作，定义生成几何的规则而非手动构建形式。Terzidis将此转变描述为从构图到计算的转变，强调算法作为设计思维驱动者的角色。算法方法不仅实现形式探索，还实现性能驱动设计，其中环境、结构或材料标准影响形式生成。Menges认为计算允许材料属性、制造过程和几何定义之间更高水平的整合，将设计从表征转向模拟和优化。参数化和算法系统重新分配了建筑师与计算模型之间的能动性：设计师定义规则和参数，系统生成多种可能结果，引入受控的自动化形式。建筑师角色转变为系统设计师或过程作者。然而与AI系统不同，参数模型保持完全确定性和透明性，允许对设计决策的完全控制和可追溯性。批评者指出参数设计可能偏爱形式复杂性而牺牲社会、文化或环境考量，连续变化和差异化的强调可能导致风格同质化。
五、AI与数据驱动计算范式的整合（2010–2025）：迈向概率范式
此最新阶段以AI、机器学习（Machine Learning, ML）和数据驱动设计过程的整合为特征。与先前基于确定性和规则的系统不同，AI引入能够从数据中学习模式并生成非显式预定义输出的概率模型。此转变代表重大认识论转变：计算不再限于执行指令，而日益涉及推理、预测和自适应行为。建筑计算从确定性系统转向基于统计推理和模式识别的系统。
生成对抗网络（Generative Adversarial Networks, GANs）、扩散模型（diffusion models）和基于Transformer的架构实现了基于数据驱动合成而非显式建模程序的新设计探索形式。ArchiGAN等研究表明训练有素的神经网络如何使用条件生成框架从空间需求生成平面图。近期大语言模型和生成式AI系统的发展进一步扩展了AI在建筑工作流中的角色，超越图像生成，整合进概念构思、早期设计探索、空间组织、程序分析和人类-AI协作设计过程。Spacemaker（现整合入Autodesk Forma）等平台 exemplify 这一转变，其中生成算法和机器学习技术用于优化建筑体量、日光获取、噪声暴露和空间分布，设计师与概率性输出而非预定义几何进行交互。
AI系统的决定性特征是其数据依赖性：与通过显式定义规则运作的参数或算法模型不同，AI系统从训练数据集推导行为。这引入了与数据质量、代表性和偏见相关的新挑战。训练数据中嵌入的偏见可能导致生成输出中的系统性扭曲，影响空间类型学、文化表征和 generative 系统中的设计假设。许多机器学习模型的不透明性——常被描述为"黑箱"系统——使透明度和控制问题复杂化，挑战了关于作者身份、责任和决策的传统观念。AI向建筑工作流的整合产生了混合能动性（hybrid agency）模型：人类和机器贡献深度交织，设计师日益通过选择、策划和评估机器生成输出来运作而非直接形式创造。作者身份在设计师、数据集和计算模型之间分布，引发关于知识产权、创意责任和AI中介设计过程中建筑师角色的复杂问题。
讨论部分总结：研究讨论部分从三个相互关联的维度展开。第一，从确定性计算到自适应智能的转变：最具意义的分裂不在于几何复杂性或表征复杂性，而在于从基于规则的系统向基于学习的推理的转变。AI引入质的不同计算逻辑，机器学习系统从数据而非预定义规则推导内部表征，实现自适应行为和概率综合。设计决策日益从统计相关性而非显式程序逻辑中产生，能动性被重新分配——设计师定义数据集、策划输出、建立评估标准，而学习系统探索超出显式脚本依赖的解决方案空间。当代建筑计算日益类似于混合计算环境，其中符号逻辑、关系依赖和统计推断同时运作。第二，对建筑实践与教育的影响：计算能动性的重新分配对专业实践有重大影响。建筑师从直接形式给予者转变为复杂社会技术系统的编排者，设计日益涉及配置约束、策划数据和评估机器生成替代方案。从业者必须发展数据结构、模型训练过程、评估指标和基础设施依赖方面的素养。教育机构面临结构性课程挑战，传统围绕绘图、建模和表征技能的课程必须扩展以包含计算伦理、AI素养、数据治理和批判性算法思维。但基础学科知识——空间推理、材料逻辑和环境理解——仍然不可或缺。关键在于认知增强而非技术替代。第三，风险、局限性与伦理考量：生成能力扩展的同时引入了建筑生产中的悖论——依赖历史数据集、现有类型学和继承空间惯例的系统可能同时增加形式变化而强化训练数据中嵌入的主导建筑规范。三个关注集群尤为相关：不透明性与可解释性——学习模型常以黑箱方式运作，复杂化设计决策的可追溯性和问责性；偏见与表征政治——训练于历史数据集的AI系统可能复制嵌入的社会、文化或空间不平等；基础设施依赖与控制——AI工具日益依赖专有平台、云基础设施和企业生态系统，可能将权力从技术使用者转向技术提供者。此外，自适应系统面临不稳定性，包括模型漂移、分布偏移和不可预测的泛化行为。
研究结论部分翻译：本研究已证明，建筑中计算范式的演变无法被充分理解为技术创新的线性序列，而应被理解为学科认识论和操作基础的分层转变。通过历时性框架和比较分析矩阵的构建，围绕早期计算、CAD、BIM、参数化设计和AI整合五大范式，研究考察了不同计算机制如何重构设计、知识与计算之间的关系。这些范式并未使先前系统过时，而是累积和交互，形成当代建筑实践特征的分层计算生态。通过自动化、能动性、作者身份、数据和控制五个结构轴的分析揭示，每个范式不仅引入新技术工具，还引入不同的推理、表征和专业能动性模式。特别是，从确定性和基于规则的系统向概率性和数据驱动模型的转变标志着建筑计算的重要认识论转变，重新定义了人类判断与计算过程之间的关系。AI的整合通过引入基于学习推断而非显式规则遵循的自适应和数据驱动计算形式，加剧了这些转变。此状况扩展了设计空间，同时引发了关于 opacity、偏见和建筑实践中计算决策治理的担忧。本研究的一个核心贡献是分层计算生态的概念，它将当代建筑实践框定为并非由单一范式主导，而是通过互操作性、基础设施依赖和操作共存等关系链接的多种计算逻辑的交互构成。这些发现的意涵延伸至建筑专业身份和专业知识的重定义。随着计算系统变得更加自适应和生成性，建筑师的角色日益由跨异质计算环境行使批判性判断的能力所定义。这包括策划和评估数据、根据空间、文化和伦理标准评估机器生成输出、以及在计算过程不完全透明时维持设计决策问责性的能力。这一转变并未削弱建筑知识，而是将其重新定位为日益复杂的计算环境中的批判性和伦理性判断形式。从此视角，建筑计算的生态状况不仅在于范式的共存，还在于跨互联计算系统之间的数据、过程和表征逻辑的持续交换。总之，建筑计算最好被理解为不是工具的 succession，而是塑造建筑如何表征、生成、评估和治理设计过程的演进认识论基础设施。本研究提出的分层计算生态框架为批判性解读这种状况超越技术中心叙事提供了结构化基础。建筑计算的未来较少依赖单一范式的主导，而更多依赖学科批判性参与异质计算系统的能力，同时维持对建成环境空间、文化和人文维度的责任。
