GPT-6 Astra模型又強勢進化。
這次更快更強的推理、畫圖、畫3D能力——拿一個競圖案測過以後，確實AI Agent的建築生產力再次恐怖推進。從基地分析、法規檢核、方案生成、3D建模、圖面渲染到比較評估….順便做完報告書，可以一條龍直接完成。（附圖只是第一版草案，圖面完全可以畫到施工構造等級）
但這種技術進化速度，讓人吃驚之餘，個人反而越來越覺得：如果我們只是把 AI 當成一雙更快的「手」，其實還是錯估了它。
「AI並非只是設計的手，而是重新觀看世界的眼睛。」
當前大多數人談論 AI 與設計，關注的仍然是「AI 能替我們做什麼」。生成圖像、繪製平面、建立模型、製作渲染、整理法規、估算成本，乃至一次產生數百個設計方案。這些應用固然重要，但本質上仍然把 AI 視為人的「手」——一種更快速、更便宜、更不知疲倦的生產工具。
如果 AI 的價值只停留在這裡，那麼它所帶來的主要是效率革命（Efficiency Revolution），而不是設計革命。
真正值得關注的，是另一種可能：
AI 不只是替我們做，而是幫助我們重新看見。
也就是從 AI as Hand 轉向 AI as Eye。
一、從「生產工具」轉向「認識工具」
設計的起點其實從來不是畫圖，而是觀看。建築師走進基地，看見的並不只是道路、建築線、日照與風向，而會注意到人如何停留、老人習慣坐在哪裡、學生如何穿越校園、店家如何占用騎樓、下午四點哪一面牆開始形成陰影，以及某些看似不起眼的空間為何總有人聚集。
因此，設計能力的核心並不只是「能不能畫出一個好的形式」，而是：
能不能看見別人沒有看見的關係。
Louis Kahn 看見的不只是磚，而是材料自身的秩序；Jane Jacobs 看見的不只是街道，而是日常生活形成的「街道之眼」；Christopher Alexander 試圖從大量日常環境中辨識反覆出現的空間模式。
設計史某種程度上就是一部觀看方式不斷改變的歷史。
AI 的真正潛力，也應該放在這個脈絡裡理解。它不是讓建築師畫得更快，而是讓我們擁有一雙以前不存在的眼睛。
⸻
二、AI 能看見人類難以看見的「關係」
人的觀看能力非常強，但同時受到尺度、時間、記憶與注意力的限制。
一位建築師可以在基地觀察三個小時，卻很難同時理解：
一年四季的人流變化、
數千人的移動軌跡、
三十年的都市變遷、
不同年齡層的使用差異、
數百次設計決策背後的共同模式。
AI 的特殊之處，在於它可以在龐大的異質資料中尋找弱訊號（weak signals）與潛在關係（latent relationships）。
因此未來的基地分析可能不再只是：
Sun / Wind / Traffic / Zoning，
而是：
People / Behavior / Memory / Conflict / Emotion / Time。
AI 可能發現：
「這裡沒有座椅，但人總是在這裡停留。」
「規劃的人行道在這裡，但真正的路徑在另外一邊。」
「這個廣場設計成公共空間，但老人幾乎從不進入。」
這些不是新的「資料」，而是新的關係可見性。
AI 因此不是替我們回答問題，而是讓原本不可見的問題浮現。
⸻
三、從看「物的形式」轉向看「空間行為」
傳統建築圖學本質上是一套觀看物體的方法。
平面圖看牆、柱、房間；
剖面圖看高度與空間；
立面圖看表皮與比例；
配置圖看建築與基地。
可是生活並不是靜止的。
真正的建築其實存在於：
人 × 空間 × 行為 × 時間之中。
AI 如果能長期閱讀空間，就可能把建築師的視線從 Object 移向 Behavior。
例如一所學校完成後，AI 發現學生每天都穿越草坪形成一條非正式路徑。
傳統管理思維可能會說：
「學生走錯了。」
但另一種觀看方式會問：
是不是建築畫錯了？
那條泥土路其實是一張由使用者共同繪製的「第二張平面圖」。
AI 的價值就在於讓這些日常行為成為新的設計圖層。
⸻
四、從看「結果」轉向看「猶豫」
AI 還可能讓我們第一次真正觀看設計思考本身。
過去建築研究大量研究完成的作品。
但一個建築師在設計過程中：
刪掉什麼、
保留什麼、
在哪裡停頓、
什麼方案反覆拿回來、
什麼地方覺得「說不上來，但就是不對」，
這些極少被記錄。
然而真正的專業知識，往往藏在這些瞬間。
這就是緘默知識（Tacit Knowledge）。
如果 AI Agent 長期陪伴設計過程，它真正值得記錄的可能不是最後那張圖，而是：
Decision → Rejection → Hesitation → Revision → Judgment
於是我們第一次可以「看見」設計判斷如何形成。
AI 成為觀看思考的眼睛。
⸻
五、從「我的眼睛」變成「很多人的眼睛」
更重要的是，建築師的觀看從來不是中性的。
我們受到教育、專業訓練、文化與階級經驗影響。
同一座車站：
建築師看到空間序列；
老人看到椅子距離；
兒童看到可以奔跑的地方；
輪椅使用者看到高差；
清潔人員看到維護死角；
街友看到夜間能否躺下；
管理者看到監控與秩序。
所以真正重要的问题不是：
What does AI see?
而是：
Whose eyes can AI help us see through?
AI Agent 可以讓設計師暫時離開自己的視角。
它不是宣稱「代表老人」或「代表兒童」，而是持續提醒設計者：
你現在沒有看見誰？
於是 AI 可能成為一種 Plural Eyes——複數之眼。
⸻
六、AI甚至可以成為「反觀看」的眼睛
再往前一步，AI 不只是增加我們看到的東西，也可以質疑我們原本的觀看方式。
建築師說：
「這是一個開放的公共空間。」
AI 問：
對誰開放？
建築師說：
「透明玻璃象徵公共性。」
AI 問：
視覺透明等於社會開放嗎？
建築師說：
「這裡會促進社區交流。」
AI 問：
這是觀察得到的事實，還是建築師習慣使用的設計敘事？
這時 AI 已經不再是第三隻手。
它成為第二雙眼睛。
甚至是一雙專門觀看我們「觀看方式」的眼睛。
這可以稱為：
Reflexive Seeing
反身性觀看
設計師不只觀看世界，也開始觀看自己如何觀看世界。
⸻
七、真正的轉變：從 Generative Design 到 Generative Seeing
因此，我認為 AI 時代設計領域最值得提出的，不一定是現在大量討論的：
Generative Design
而可能是：
Generative Seeing
「生成式觀看」
AI 所生成的不只是 Image、Form 或 Solution，
它還可以生成：
新的視角（Perspective）
新的關係（Relationship）
新的問題（Question）
新的證據（Evidence）
新的詮釋（Interpretation）
最後才產生新的設計。
因此設計流程可能從：
Problem → Design → Solution
轉變成：
Seeing → Questioning → Reframing → Judging → Designing
這個差異非常重要。
前者把 AI 放在設計流程的後端，幫助人快速生產答案；
後者把 AI 放到設計流程的前端，重新決定「我們究竟在處理什麼問題」。
⸻
AI as Hand → AI as Eye → AI as Mind
因此，AI 與設計的演進可以理解成三個階段：
AI as Hand｜手
Automation / Production / Generation
→ 幫我們做本來就會做
↓
AI as Eye｜眼
Observation / Detection / Interpretation
→ 幫我們看見所不見
↓
AI as Mind｜心智
Reflection / Judgment / Negotiation
→ 刺激我們重新思考
第一階段提高的是生產力。
第二階段擴張的是感知力。
第三階段真正改變的，才是設計判斷力。
而建築師未來最重要的能力，也許因此不再是比 AI 更快地產生形式，而是：
決定值得看什麼，辨識看見了什麼，理解為何如此觀看，並對觀看之後所做出的判斷負責。
60年前陳其寬先生在〈肉眼、物眼、意眼與抽象畫〉一文中，討論的並不只是繪畫形式，而涉及更根本，今日的AI世代仍有重大意義的問題：
人究竟如何觀看世界？
觀看並不是單純由眼睛接收外界影像。
從「肉眼」到「物眼」，再到「意眼」，觀看逐漸由表象進入事物，由事物進入心智。
這才可能是 AI 對設計最底層、也最具人文意義的改變。
-------
比較不具體的方式： 試從 the pattern languages 出發寫詩-建築...
邱浩修 :訓練 AI Agent (Claude) 讀懂Francis D. K. Ching的「建築：造型、空間與秩序」這本書中的建築語言系統，讓AI自動部署設計語言知識的 Skill，含四項強制3D建模規則（封閉實體、層高固定、模矩規範、形式類型）與 FSO 操作代號體系。最後建立出建築設計專用的Concept Battle Generator，可以依據設計需求文件，同步生成不同的概念策略，每個策略都有對應的 FSO 操作代號組合。
接續再次拿建築師考試的集合住宅設計題目來測試：一塊 70×50 公尺的基地，要同時放進傳統市場、快閃攤位、150 戶社會住宅、社工站，還要符合建蔽率 45%、容積率 300% 的法規限制。
過去這種「大量發散」的階段，建築師可能要花整個下午手繪草圖、反覆推翻、再重來。
先把考題丟給 AI Agent，讓它讀懂題目、載入建築法規與訓練過建築語言的設計 Skill、調用 Rhino 建模工具，然後系統性地從「量體類型 × 剖面邏輯 × 幾何系統 × 特殊形體」四個維度，生成完全不同的 25 個方案，整齊排列在 Rhino 裡的 5×5 矩陣中。
AI 把發散的時間成本壓縮，讓建築師可以把精力留在真正需要的地方——選擇、判斷、敘事。
#建築設計 #AI建築 #參數化設計 #建築師考試 #RhinoMCP #設計工具
顯示較少
趕在連假之前，請託戴育澤、郭旭原兩位建築師親自上陣，各自導覽了台中太平育賢段社宅二、三期，璞園貴象，以及文山區興隆E期公宅。從商業的嚴苛邏輯、公共工程的困頓中，仍堅持不懈地尊重生活品質的權利、落實連結環境的善意。
順道，也走訪了桃園國家檔案館、兒童美術館、橫山書法館，以及臺大人文館等優異的公共建築。
總的感想：建築路，有為者，亦若是….
剛辦完臺灣建築AI沙龍台中場
臺灣建築學會鄭理事長提出的觀察
建築與許多專業一樣
面臨一個 change or be changed 的轉型路口
但作為專業者，更作為人
與其焦慮被取代
應該自問：建築(師)的核心價值看清了嗎？
某感言：【臺灣建築AI沙龍｜3/28台中場感言】
（實體60人、線上180人）
今天台中場談「AI建築新創與價值創新」，
但更深層的問題其實是
在AI時代，建築能創造什麼價值？這不只是一場AI講座，
而是一場關於建築未來的集體思考。
ㄧ、 現場最真實的聲音
建築師的焦慮，其實很直接：
・AI發展太快，追不上怎麼辦？
・AI若成為基礎設施，是否需要自建工具？
・AI轉型，如何變成資產，而不是成本？
・AI會取代工作，那建築師如何重新定義價值？
這些問題，都指向同一件事：建築正進入一個結構性轉型時代。
二、關鍵不是工具，而是能力
AI轉型的真正關鍵：
能否創造新價值 能否建立差異化 能否累積成組織資產三、 一個關鍵辯證
張清華建築師提出一個關鍵問題：
『未來是AI主導流程，還是人主導AI？』
這正是「Human in the Loop」的核心問題，
也將重新定義建築專業的角色。
留給大家的問題 你認為未來建築師最重要的能力是什麼？
作者簡介
邱浩修
哈佛大學設計學院設計博士，東海建築系教授。專長為當代建築評論、參數設計與數位構築、虛實整合空間設計、智慧建築與永續設計，過去幾年教學與研究實踐，致力於探索持續進化的當代數位技術，如何在全球與在地的社會文化與建築產業脈絡下，從概念到實踐挖掘出新的設計觀點、設計方法與應用理論。同時也關注當代建築的發展，嘗試以建築論述、策展與創作方式，建構台灣在地性與世界建築思潮的積極對話與辯證的可能。
建築設展與創作作品
2023 「M公寓 – 永續生活新寓言」地景空間設計總策展人
2022 「智能種子屋」設計 (日本優良設計獎)
2020 「顯相｜環聲」數位藝術互動創作 (東海大學藝術中心「藝術、AI、未來展」)
2020 『2020實構築展「構造詩」＋陳其寬建築文件展＋向OO學習木構空間裝置展』總策劃
2020 「顯微建築」設計作品 (東海大學藝術中心「生態、綠能、永續」親生命環境智造展)
主要建築著作
《自匱乏而生的品質：再探弗朗西斯·凱雷的建築作品思想》
《台灣教會建築百年群像》
《垂直造境、城市尋景 — 評介劉偉彥建築師「城市異托邦」的住宅作品思想》
《建築智造：邁向以設計演效、虛實共融的當代構築美學》
《人工自然之間的蟄伏地景》
《造物化境、返璞歸真 — 廖偉立的建築生活實踐》
邱浩修
哈佛大學設計學院設計博士，東海建築系教授。專長為當代建築評論、參數設計與數位構築、虛實整合空間設計、智慧建築與永續設計，過去幾年教學與研究實踐，致力於探索持續進化的當代數位技術，如何在全球與在地的社會文化與建築產業脈絡下，從概念到實踐挖掘出新的設計觀點、設計方法與應用理論。同時也關注當代建築的發展，嘗試以建築論述、策展與創作方式，建構台灣在地性與世界建築思潮的積極對話與辯證的可能。
建築設展與創作作品
2023 「M公寓 – 永續生活新寓言」地景空間設計總策展人
2022 「智能種子屋」設計 (日本優良設計獎)
2020 「顯相｜環聲」數位藝術互動創作 (東海大學藝術中心「藝術、AI、未來展」)
2020 『2020實構築展「構造詩」＋陳其寬建築文件展＋向OO學習木構空間裝置展』總策劃
2020 「顯微建築」設計作品 (東海大學藝術中心「生態、綠能、永續」親生命環境智造展)
主要建築著作
《自匱乏而生的品質：再探弗朗西斯·凱雷的建築作品思想》
《台灣教會建築百年群像》
《垂直造境、城市尋景 — 評介劉偉彥建築師「城市異托邦」的住宅作品思想》
《建築智造：邁向以設計演效、虛實共融的當代構築美學》
《人工自然之間的蟄伏地景》
《造物化境、返璞歸真 — 廖偉立的建築生活實踐》
內容簡介
---
2026 年被媒體宣告為AI普及化與規模化的元年。然而，事實是我們正處於人類文明史上最弔詭的時刻：我們以前所未有的速度解決問題，卻以前所未有的速度失去對問題的理解。
01. 認知的「軍備競賽」：
當強者跑得更快，社會對「合格」的標準也會隨之水漲船高。這會導致強烈的認知焦慮——為了不被拉開數倍差距，個體必須不間斷地學習如何與不斷進化的 AI 協作。
「門檻」的消失與建立：
AI 降低了進入某個領域的「技術門檻」（例如：不會畫畫的人也能生成圖），但它極大提高了達成「卓越」的「智識門檻」。如果你沒有深厚的學理基礎，你將無法分辨 AI 給你的答案是真知灼見還是平庸的幻覺
02. 效率的代價：被截斷的「長迴路」
傳統上，人類的深層認知依賴於所謂的「長迴路」（Long Circuit）。這是一條充滿阻力的路徑：從資料收集、邏輯推演、經歷挫折、反覆辯證，最終才抵達結論。這段過程雖然緩慢，卻是神經可塑性的溫床，它塑造了我們的直覺、批判力與獨特的審美觀。然而，AI 提供的是「短迴路」（Short Circuit）。它直接跳過了痛苦的推論，將平滑、完美的最終答案呈現在你面前。
「當你跳過推導的痛苦，大腦中負責邏輯與專注的神經通路就會因『用進廢退』而萎縮。」
這不僅是效率的提升，更是一場「認知主體性」的消逝。我們正從知識的「生產者」，退化為 AI 產出的「包裝員」。
03. 紙本書的復興：作為「重訓器材」的阻力
令人驚訝的是，在這場數位洪流中，被認為過時的「紙本書」正在經歷一場類似黑膠唱片的文化復興。這並非出於懷舊，而是一種生理上的必然。
紙本書提供了 AI 無法給予的「必要阻力」。它沒有 Ctrl+F 的快速檢索，沒有演算法的彈窗干擾。讀者必須強迫大腦維持在低頻、線性的狀態。這種物理上的「慢」，意外地成為了對抗大腦萎縮的重訓器材。紙本書的厚度、空間感與翻頁的觸覺，為大腦提供了空間記憶的錨點，讓知識不再是雲端上隨時消失的快取，而是內化為個體的一部分。
04. 圖書館的轉型：從知識倉庫到「腦力健身中心」
在這樣的脈絡下，城市的圖書館與校園的閱覽室正在發生功能上的劇變。它們不再只是借書的地方，而是 AI 時代的「腦力健身中心」（Cognitive Gym）。
未來的圖書館將具備以下機能：
* 深度閱讀區（Analog Zone）： 物理性斷網，提供高阻力的環境來強化大腦核心肌群。
* 認知重訓： 透過長篇幅文獻的研讀，對抗碎片化的資訊餵養。
* 主體性守護： 鼓勵人與人之間、非平均值邏輯的深度辯論，對抗 AI 的平庸化偏見。
結語：在演算法時代，保留「變笨的自由」
我們不必拒絕 AI，因為它確實賦予了我們如同神一般的「產出力量」。但我們必須警惕——當力量來自槓桿，我們更需要強健的核心肌群。
如果我們不再願意經歷「長迴路」的痛苦，我們最終將失去定義問題的能力。未來的競爭不在於誰更會操作 Prompt，而在於誰能在斷網的瞬間，依然保有深邃、獨特且無法被模擬的思考底蘊。
這是一場需要腦洞大開，同時保衛大腦的戰爭。而你的第一組重訓，或許就從翻開一本厚重的實體書開始。
//東海AI中心投注資源，支持成立創藝學院內的教師AI創新教學實踐社群。
社群透過每兩週一次的AI議題討論、跨域交流與不同的AI工作坊，在大腦外包、知識貶值的新時代，一同學習如何培養追求真理、系統思考、解決問題與審美能力的人才。
過程中同時讓AI分析教師社群的分享對話，連結不同老師的教學專長和研究領域，主動建議和激發跨域合作的形式和可能。
AI大學非無用，而是更積極搭起鏈結人才的網絡與給予持續成長機會。
@haohsiu.chiu
老家挖出35年前，自己進建築系大一開始學建築的第一個建築作品模型。練習從平面的印章篆刻文字（記得是「師心」二字），轉化成虛實空間幾何的「印章美術館」。
意外的新旅程
邱浩修
【編按】2025年7月30日，理事長確定「AI合作框架協議 II修訂版」，7月31日張運宗與邱浩修向張校長報告後，DDS THU AI中心進入新階段，擘畫開拓AI中心的羅文聰卸下主任，由邱浩修接任，並請羅文聰擔任策略長，持續推動產業轉型。 8月18日，邱浩修召集策略小組會議，張嘉修副校長、林惠真研發長、張運宗出席，確認114年度專案計畫，光點計畫擴大對東海內、外的影響力將是AI中心努力的重心。
8月1日邱浩修接任後，旋在FB發表「意外的新旅程」一文，對象雖以建築行業為主，然其大旨堪為DDS THU AI中心在新時代的宣言。
深感榮幸除了獲邀新任臺灣建築學會數位轉型委員會的主任委員，8/1起也在資工系羅文聰教授之後，同步接下「大渡山-東海大學人工智慧中心」主任的任務。 自己其實也頗感詫異，長期作為一名專注在建築教育的工作者，曾擔任過深富人文精神傳統的東海建築系主任，在此當下，如何能涉入而引領AI在高等教育的發展？然而，面對領域邊界快速融合變化的時代，恰恰是接下此任的冒險起點，也是必須直面的時代命題。
Google 前執行長Eric Schmidt前不久提出的「舊金山共識」已非空談，矽谷領袖們對AI將在極短時間內（平均三到六年）徹底顛覆人類活動各層面的堅定信念。 這不僅僅是預測，更是一種「技術信念驅動的社會轉型」，關鍵參與者的集體行動正加速AI社會預言的自我實現。 我們正處於一個「用即刻學」取代「學用合一」的知識轉型期。 傳統教育所預設的線性路徑，在AI工具的疾速迭代面前已顯得捉襟見肘。 AI工具的普及與進化，迫使我們重新審視知識的本質：學習不再是單向的知識傳遞，而是透過不斷的「用」去反思、去創造、去迭代。 這不僅是技術層面的變革，更是認識論上的學習革命。
這波由「語言革命」、「代理人革命」與「推理革命」三大AI匯聚力量所驅動的變革，其協同效應正帶來指數級的發展。 當AI導入的創造性變革，開始重於AI技術研發，我們必須意識到，所謂的「學科和專業門檻」正逐漸消弭。 連建築這樣被視為人類文明最古老、穩固、前工業化的產業，也正被AI的浪潮所敲打。 從建築背景到涉入AI，並非偶然的錯位，而更多是一個象徵：意示著AI不再是特定技術領域的專屬，而是所有人類活動的共在。 它挑戰著我們對於「學科」與「知識邊界」的既有認知。 如同Schmidt所言，AI「被低估了，而非被高估了」，其真正、迫在眉睫的深層影響仍被嚴重低估。
因此，期待人工智慧中心的任務，並非只是技術的應用推廣，更是探索教育典範的重塑與改變產業模式的再定義過程，讓AI融入東海傳統人文思維，成為東海學子的共同底蘊，而非特定科系的知識技能。 這不僅是為了「學用合一」，更是為了讓學生在未來時刻變動的不確定性中，具備「用即刻學」的自主判斷與應變能力。
東海AI中心將秉持「教育轉化」及「產業+」兩大任務，並協助推動TPR。 我們不僅要將AI內化於學生的認知結構中，更要主動「以AI連結產業」，促成實踐與理論的交互辯證，使東海成為產業轉型的夥伴與後盾。 在羅前主任的洞見與努力下，除了先前已經與台中榮總（智慧醫療）、板金產業聯盟（智慧製造），目前研發團隊也在法律顧問（智慧服務）以及執行經濟部價創計劃，從建設公司、建築師事務所與營造的建築產業，積極進行設計到營建的智慧轉型研發。
但在擁抱「生成式AI、AI代理人、GAI通用人工智慧到超級智慧」等不斷進化的顛覆性技術的同時，我們卻也意識到AI發展所帶來的倫理的新挑戰。 如同部分批判性觀點所指出，我們需警惕「迴聲室效應」與科技巨頭可能造成的權力集中、加劇不平等、貶低人類勞動價值，甚至威脅基本人權的風險。 因此，AI推進必須納入人文社會的視角，引導學生與社會進行深度的價值倫理判斷。 我們必須反思：當AI日益聰明，人類智慧的價值該如何定義？當AI無所不在，人性的關懷又該如何彰顯？一個流於工具理性而沒有價值判斷的AI，或將迷失方向，導致AI無意識的工具目標，威脅人類精神文明甚至生存福祉的意外後果。
這場由AI啟動的深刻變革，不僅是科技的躍進，更是人類心智與社會結構的重新校準。 是激進的也是謹慎的，期待未來與更多同行夥伴，共同參與這場冒險，探索AI教育與人文、科技與產業演化的各種正向可能。
wwwww
The Economics of Superintelligence
「超智慧經濟的預測」 ….摘錄自「經濟學人」
經濟增長的空前加速：
* AI 的能力屢屢超越預測，例如大型語言模型在國際數學奧林匹克競賽中奪金，比專家預期提前了 18 年。
* 科技巨頭預計AI 將在數年內超越人類在所有認知任務上的能力。
* AI 不受人口因素限制，技術專家預計 AI 將迅速加速新發現的步伐，甚至能夠監督自身的改良。
* 這種運算能力的躍進將可能帶來「第二次經濟增長大爆炸」，使財富以前所未有的速度累積。
* 有預測指出，一旦 AI 能夠執行 30% 的任務，年增長率將超過 20%。
* 自我改進的 AI（超智慧）有望使人類獲得所有可用知識，消除能源和人類壽命的限制，經濟的唯一制約將僅剩下物理學定律。
勞動力市場的徹底轉變：
* 達到人類水準的 AI 將使得使用運算能力完成任務的成本限制了工資，工人的報酬將不會比數位組件高出多少。
* **能直接補充 AI 且技能無法被自動化的頂尖人才將獲得豐厚回報**。
* 新興的入門級工作將比被取代的舊工作更優渥，但這些工作會屬於那些擁有與 AI 相關資本的人，他們將佔據越來越大的經濟產出份額。
* 在自動化和勞動力供應存在瓶頸的地方，工資可能會上漲，這種現象被稱為「奶牛病」（cow-sickness），甚至可能導致可觀測到的 GDP 下降。
* 人類最終可能會與 AI 展開競爭，這將是一場艱難的挑戰。
* 如果社會的主要運作被自動化，人類將面臨「人類能力衰退」的風險。
財富分配與社會不平等加劇：
* 擁有 AI 相關資本的人將鯨吞經濟產出中越來越大的份額。
* 儘管平均工資可能飆升，更高的不平等也可能引發對財富重新分配的要求。
* 無法或不願利用 AI 熱潮的國家可能面臨資本外逃。
金融市場的波動與再融資挑戰：
* 隨著哪些公司在「贏家通吃」的競爭中勝出或落敗變得明朗，股市可能會出現劇烈波動。
* 為了說服人們放棄資本進行投資以產生更強大的力量，將需要更高的利率，這可能導致長期資產價格下跌。
* 在一個爆炸性增長的場景中，若利率保持不變但經濟持續增長，可能需要以 20-30% 的利率為債務再融資，這將使收入增長的債務人受苦，而那些收入沒有與失控增長掛鉤的人將遭受重創。
宏觀經濟不穩定與政治動盪：
* 如果中央銀行未能及時提高利率，通貨膨脹可能會失控。
* 各國政府將不得不重新思考一切，從稅基、教育到公民權利的保護。
* 國家也將擁有更強大的工具來監控和操控人口，這可能導致政治動盪。
人類與 AI 的關係及人類智慧的定位：
* DeepMind 提出的「結構性風險」指出，單個人或團體之外的更大規模系統性問題可能出現。
* 人類可能會發現自己的智慧被超越。
* 然而，人類仍將需要智慧。
* 有樂觀的看法認為，人類仍會愛家人、發揮創造力、打球、游泳。
* 也有人認為，人類將是未來 AI 系統（包括超級智慧）的「老闆」。
* 儘管如此，懷疑者擔心業界未必真正為悲觀情境做好準備，而犬儒派則認為商業利益會阻止他們投入應有的安全措施。
AI 的快速發展是由於各實驗室之間的「孤注一擲」競爭，深信率先突破者將獲得最大好處，因此安全問題被擠壓到邊緣。AI 的「遞迴自我改進」（AI 幫助研發更好的 AI）預計將持續拉開領先實驗室與競爭對手的距離，進一步加速其發展。這種加速的趨勢在資本支出上的急遽上升和業內人士對 AGI 快速到來的預測中顯而易見，例如 Anthropic 聯合創辦人 Jack Clark 預計 AGI 將在 2027 年到來，DeepMind 聯合創辦人 Demis Hassabis 則認為十年內 AI 將能匹敵人類能力。
20201108
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
1.《構築交織：運用生成式AI探索服裝與織理所啟發的建築形式》──王宇之
（AI × 服裝 × 織理 × 建築）
「如果材料不是『被使用』，而是『被翻譯』，建築會變成什麼？」
這篇研究把服裝織理——皺摺、張力、纖維、透明度——轉譯成建築語彙。
AI 在這裡不是發明新形狀，而是進行 跨尺度語意轉換。
服裝的「柔軟」經 AI 演化後，成為建築的「流動結構」。
織品的「紋理」被抽象化成立面的「物質節奏」。
甚至材料的「層次」也被重新詮釋成空間的「光影濾網」。
這項研究重要的不是形式，而是提出了一個未來方向：
建築的語彙庫不必侷限在建築本體，AI 讓跨領域的語意能直接轉化為構築。
你會感覺到一件事正在成形：
材料已經不是物質，而是一種被 AI 重新演算的語意。
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
2.《生成式AI微調模型於建築之創造性考古探究：以1960年代前衛建築為例》──許又中
（AI × 歷史 × Metabolism × Archigram）
這篇論文迷人之處在於耦合建築歷史與設計現場。
如果 1960 年代的前衛建築師擁有今天的 AI，他們的設計會長什麼樣？
把那個烏托邦時代未完成的想像——Metabolism、Archigram、Open Building——運用
• Prompt
• ControlNet
• Stable Diffusion（含 LoRA 微調）
重新演算一次。
結果呈現一種 「建築歷史的平行宇宙」：
不是復古，而是「歷史中的未來」被 AI 重新召喚。
這篇研究提出的核心洞見是：
AI 可以不是發明新建築，而是重啟建築史中被中斷的思想。
這可能是一種新的建築史方法論。
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
3.《AI幻境啟發的當代建築詩意》──陳弘毅
（語言 × 誤讀 × 詩意生成 × AI 影像迭代）
這篇研究吸引人之處是它揭露了：AI 誤讀的幻境可能是新的詩意來源。
將 Midjourney 的 imagine／blend／describe／vary 對應到詩的四種技法——意象、嫁接、誤讀、迭代置換。
這讓 AI 成為一種新的「詩性生成器」，
而建築的語意也首次擺脫了單線性的設計流程，
走向多向度的語意網絡。
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
4.《AI協同創作方法之建構與實踐：以「日常神聖性」為例》──董冠儀
（空間詩學 × 都市角落 × Kevin Lynch × 雙螺旋模型）
這篇論文提出一個極具前瞻性的框架：AI 不只是工具，而是共同感知城市與集體記憶的伙伴。
用迭代演化的「雙螺旋模型」把：
• 空間詩學（Bachelard、Pallasmaa）
• 都市意象（Kevin Lynch）
• AI 影像混成
交織成一條能生成「日常神聖性」的設計路徑。
不是製造地標，而是讓都市角落重新恢復庇護、安定、象徵與沉思的能量。
5.《使用深度學習模型辨識建築圖之圖例》──吳沂璟
（YOLOv11 × 建築圖資 × 產業鏈自動化）
這篇研究完全落地——不是影像，而是「建築業界真正需要的東西」。
透過 YOLOv11 自動辨識 CAD 2D 圖例，效率提升 8.7 倍。
建築資訊化不會只靠 BIM，而是靠 AI-native 的細節處理能力。
這是能直接進入實務現場的 AI，也是建築產業鏈加速的轉折。
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
兩年間這些指導研究生在 AI 與建築之間做了五種嘗試：
從探討物質、歷史、詩意，到城市精神性。到圖面生產的效能加速。
它們共同指出一個方向：「AI 不是取代建築師，而是讓我們看見建築能到達更遠一點的地方。」
沒有留言:
張貼留言