Multi-Objective Optimization and Artificial Intelligence Application in Skyscraper Design and Repurposing: Methodological Review and Implementation

The thesis explores the transformative capability of Artificial Intelligence (AI) in architectural design. By integrating AI tools into the architectural process, the research aims to emphasize the potential for enhanced creativity, improvement in efficiency, optimization of the design and the automation for repetitive architectural tasks. The potential of AI in transforming the architectural landscape is emphasized, offering new methodologies to address contemporary challenges and opportunities. The background and literature review cover foundational concepts in architectural design and building lifecycle management, as well as early developments and advanced applications of AI in architecture. The literature reveals gaps in a holistic AI methodology integration, highlighting tools that focus exclusively on one task. A conceptual framework is developed to map the building lifecycle, integrating specific AI tools into each phase. The methodology aims to explore the possibility of integrating the existing AI tools into a holistic methodology. The implementation involves skyscraper case studies, focusing on urban context analysis, concept ideation, form finding, architectural representation, and building repurposing. AI-Aided prompt-based concept ideation and multi-objective optimization demonstrate the Machine Learning capability to optimize design solutions. The methodology is expanded to include the evaluation of the potential for building repurposing. The results highlight the benefits and challenges of AI-enhanced methodology, showing the potential for improved design efficiency and creativity while addressing technical and practical limitations. Challenges include limited computational power, data quality, interdisciplinary expertise, and regulatory compliance. Future work recommends enhancing computational resources, extending project duration, improving data acquisition, and fostering interdisciplinary collaboration.

La tesi esplora la capacità trasformativa dell'Intelligenza Artificiale (IA) nel design architettonico. Integrando gli strumenti di IA nel processo architettonico, la ricerca mira a sottolineare il potenziale per una maggiore creatività, miglioramento dell'efficienza, ottimizzazione del design e automazione delle attività ripetitive. Viene enfatizzato il potenziale dell'IA nel trasformare il paesaggio architettonico, offrendo nuove metodologie per affrontare le sfide e le opportunità contemporanee. Il background e la revisione della letteratura coprono i concetti fondamentali del design architettonico e della gestione del ciclo di vita degli edifici, così come gli sviluppi iniziali e le applicazioni avanzate dell'IA nell'architettura. La letteratura rivela lacune nell'integrazione di una metodologia olistica dell'IA, evidenziando strumenti che si concentrano esclusivamente su un compito specifico. Viene sviluppato un quadro concettuale per mappare il ciclo di vita dell'edificio, integrando specifici strumenti di IA in ogni fase. La metodologia mira a esplorare la possibilità di integrare gli strumenti di IA esistenti in una metodologia olistica. L'implementazione coinvolge studi di casi su grattacieli, concentrandosi sull'analisi del contesto urbano, l'ideazione del concetto, la ricerca della forma, la rappresentazione architettonica e il riposizionamento degli edifici. L'ideazione del concetto basata su prompt assistiti dall'IA e l'ottimizzazione multi-obiettivo dimostrano la capacità del Machine Learning di ottimizzare le soluzioni di design. La metodologia viene ampliata per includere la valutazione del potenziale per il riposizionamento degli edifici. I risultati evidenziano i benefici e le sfide della metodologia migliorata con l'IA, mostrando il potenziale per migliorare l'efficienza e la creatività del design, affrontando al contempo limitazioni tecniche e pratiche. Le sfide includono potenza computazionale limitata, qualità dei dati, competenza interdisciplinare e conformità normativa. I lavori futuri raccomandano di migliorare le risorse computazionali, estendere la durata dei progetti, migliorare l'acquisizione dei dati e promuovere la collaborazione interdisciplinare.