Fundamentos de IA en arquitectura

Contenido

1. Módulo 1

   3 temas

   Génesis y definición de la IA arquitectónica

   Establecimiento de las bases conceptuales, la distinción entre modelos y la evolución del pensamiento computacional en el diseño.

   1. 1.1

      Definición y taxonomía de la IA en el proyecto

      Diferenciar con precisión entre procesos algorítmicos tradicionales, modelos generativos y modelos predictivos en arquitectura.

   2. 1.2

      Genealogía del diseño computacional

      Trazar la evolución desde el diseño paramétrico de finales del siglo XX hasta la actual autonomía de los modelos de aprendizaje profundo.

   3. 1.3

      El giro estadístico: de la regla al dato

      Comprender el cambio de paradigma de la programación basada en reglas lógicas al entrenamiento basado en patrones de datos.

2. Módulo 2

   4 temas

   Modelos generativos y exploración formal

   Análisis de la capacidad de síntesis visual y espacial de las redes neuronales aplicadas a la generación de alternativas.

   1. 2.1

      Redes Generativas Antagónicas y difusión

      Evaluar el funcionamiento de las GANs y modelos de difusión como herramientas de ideación y representación arquitectónica.

   2. 2.2

      Estudio de caso: El Pabellón de IA de Zaha Hadid Architects

      Analizar cómo el uso de datasets específicos permite iterar variaciones formales manteniendo el lenguaje de una firma.

   3. 2.3

      La iteración masiva: del autor al curador

      Reflexionar sobre el cambio de rol del arquitecto de dibujante a selector de resultados óptimos generados por IA.

   4. 2.4

      Control de lenguaje y prompt engineering

      Dominar la traducción de conceptos espaciales en instrucciones precisas para modelos de texto-a-imagen.

3. Módulo 3

   4 temas

   Análisis predictivo y rendimiento espacial

   Uso de la IA para anticipar el comportamiento del edificio y optimizar decisiones basadas en evidencia técnica.

   1. 3.1

      Optimización multiobjetivo mediante redes neuronales

      Aplicar modelos predictivos para resolver conflictos entre eficiencia energética, coste y confort espacial.

   2. 3.2

      Estudio de caso: Generative Design en Autodesk Toronto

      Analizar la distribución de planta basada en preferencias de empleados y flujos de trabajo optimizados por IA.

   3. 3.3

      IA en el análisis de sitio y contexto urbano

      Utilizar visión artificial para extraer datos de morfología urbana y microclima automáticamente.

   4. 3.4

      Predicción de huella de carbono y ciclo de vida

      Evaluar el impacto ambiental temprano mediante modelos que estiman el carbono embebido en fases preliminares.

4. Módulo 4

   3 temas

   Tensiones críticas y límites del modelo

   Examen de los riesgos éticos, sesgos de los datasets y la pérdida de la intención arquitectónica.

   1. 4.1

      El problema de la 'Caja Negra'

      Identificar los riesgos de opacidad en la toma de decisiones cuando el arquitecto no comprende la lógica del modelo.

   2. 4.2

      Sesgos culturales en el entrenamiento de IA

      Analizar cómo los datasets predominantemente occidentales limitan la diversidad de soluciones arquitectónicas globales.

   3. 4.3

      Derechos de autor y propiedad intelectual de la forma

      Navegar el complejo panorama legal de la autoría en obras generadas por procesos híbridos de IA.

5. Módulo 5

   5 temas

   Implementación y criterios de control humano

   Metodologías para integrar la IA en el flujo de trabajo profesional sin comprometer el criterio de diseño.

   1. 5.1

      Protocolos de validación de resultados

      Establecer criterios técnicos para verificar la viabilidad constructiva de propuestas generadas por IA.

   2. 5.2

      BIM + IA: El futuro de la gestión de datos

      Explorar cómo la IA puede automatizar la detección de colisiones y la gestión de especificaciones en modelos BIM.

   3. 5.3

      Estudio de caso: El proyecto de vivienda social de Higharc

      Analizar la automatización de la personalización masiva en vivienda sin perder la coherencia técnica.

   4. 5.4

      Estudio de caso: Diseño generativo de barrios por Sidewalk Labs

      Evaluar el uso de IA para la planificación urbana a escala de distrito priorizando indicadores de calidad de vida.

   5. 5.5

      Definición de un flujo de trabajo híbrido

      Diseñar una estructura de trabajo propia que combine la intuición humana con la potencia de cálculo de la IA.