تحقیقات آینده پژوهی در دانشگاه های استنفورد، MIT، هاروارد و ییل

سناریوهای محتمل و ممکن در آینده انسان، زندگب، شهر، معماری

آینده پژوه عرصه معماری و شهر: جلال حسنخانی

پژوهش‌های آینده‌پژوهی “Futures Studies” و برنامه‌ریزی سناریومحور در دانشگاه‌های پیشرو جهان  “  استنفورد، MIT، هاروارد و ییل”، مطالعات از سال ۲۰۲۰ به بعد بر سه محور اصلی استوار شده‌اند:

• آینده‌های ناگزیر “Inevitable Futures”:روندهای کلان، ساختاری و تکنولوژیکی که جهت حرکت آن‌ها تثبیت شده و امکان بازگشت از آن‌ها وجود ندارد.
• آینده‌های محتمل “Probable Futures”:سناریوهایی که بر پایه تداوم خط‌مشی‌های فعلی، ساختارهای اقتصادی و الگوهای رفتاری بشر، بیشترین شانس وقوع را دارند.
• آینده‌های ممکن “Possible Futures”: طیف وسیعی از گزینه‌های نوظهور، تحولات انقلابی، جهش‌های علم و فناوری و تغییرات ساختاری که وقوع آن‌ها غیرممکن نیست، اما نیازمند انتخاب‌های سیاسی، فناوری‌های نوظهور یا تغییر در پارادایم‌های حاکم است.

۱. دانشگاه استنفورد “Stanford University”

تمرکز اصلی پژوهش‌های استنفورد از سال ۲۰۲۰ عمدتاً بر «مؤسسه هوش مصنوعی انسان‌محور “HAI”، “ابتکار خطرات زیستی و وجودی” و «پژوهشکده بین‌المللی فریمن اسپوگلی» بوده است:

آینده‌های ناگزیر:

همگرایی هوش مصنوعی و زیرساخت‌های ملی : داده‌های شاخص هوش مصنوعی استنفورد

Ai Indexنشان می‌دهد که هوش مصنوعی مولد و عاملیت‌محور “AI Agents” به بخش غیرقابل تفکیک از زیرساخت‌های اقتصادی، آموزشی و امنیتی بدل شده است.

تغییر ماهیت بازار کار :  خودکارسازی وظایف پیچیده ذهنی و برنامه‌نویسی به یک امر قطعی بدل شده و الگوی آموزش دانشگاهی و ورود به بازار کار را به‌طور ریشه‌ای تغییر داده است.

آینده‌های محتمل:

شکاف میان سرعت پیشرفت هوش مصنوعی و توان حکمرانی :  سناریوی اصلی استنفورد حاکی از آن است که سرعت توسعه هوش مصنوعی مولد بسیار سریع‌تر از توان قانون‌گذاری دولت‌ها خواهد بود که این امر احتمال بروز حوادث ناخواسته و ناامنی سایبری را به‌شدت افزایش می‌دهد.

توزین مجدد قدرت تکنولوژیک آمریکا و چین :  رقابت شدیدی بر سر زیرساخت‌های پردازشی و نیمه‌هادی‌ها جاری است که به منطقه‌ای شدن زنجیره تامین قطعات سخت‌افزاری می‌انجامد.

آینده‌های ممکن:

هوش عمومی مصنوعی “AGI” و خطرات وجودی :  پروژه‌های آینده‌پژوهی استنفورد سناریوهایی را بررسی می‌کنند که در صورت دست‌یابی به AGI پیش از تدوین چارچوب‌های ایمنی “Responsible AI”، ساختارهای امنیتی و ادراکی جوامع دچار گسست حاد می‌شوند.

۲. مؤسسه فناوری ماساچوست “MIT”

در MIT، ابتکاراتی مانند تم پژوهشی  Future Worlds  در آزمایشگاه میدیا “Media Lab” ، مرکز هوش جمعی و دانشکده محاسبات شوارزمن مرجع اصلی طراحی آینده بوده‌اند:

آینده‌های ناگزیر:

گذار به زیست‌بوم‌های ترکیبی انسان و ماشین : ادغام حسگرها، اینترنت اشیاء، هوش مصنوعی و مدل‌های فیزیک‌محور در مدیریت سیاره زمین “مانند سنجش اقیانوس‌ها و جو زمین” قطعی است.

پیامدهای «شتاب بزرگ» اقلیمی : افزایش دما، تغییرات اکوسیستم‌های دریایی و فشارهای زیست‌محیطی به‌طور ناگزیر جوامع بشری را مجبور به تغییر زیرساخت‌های انرژی و شهرسازی کرده است.

• آینده‌های محتمل:

شهرهای هوشمند متکی بر مدل‌های همزاد دیجیتال “Digital Twins”: مدیریت شهری بر اساس تحلیل‌های لحظه‌ای داده‌ها و شبیه‌سازی‌های کامپیوتری پیش خواهد رفت.

شبکه‌های هوش جمعی “Collective Intelligence”: ترکیب تصمیم‌گیری انسانی با الگوریتم‌های هوشمند برای حل مسائل پیچیده اجتماعی و اقتصادی.

• آینده‌های ممکن:

زیست‌بوم‌های خودترمیم‌شونده و مهندسی سیاره‌ای: پروژه‌های ممکن شامل استفاده از هوش مصنوعی برای جذب پیشرفته کربن، مدل‌سازی دقیق آب‌وهوا برای بازسازی اکوسیستم‌ها و حتی زیست‌پذیری زیرساخت‌ها در ماه و مریخ است.

۳. دانشگاه هاروارد “Harvard University”

پژوهش‌های هاروارد از طریق پروژه «فناوری و هدف عمومی» “TAPP” در مرکز بلفر، مرکز برکمن کلاین و دانشکده بازرگانی هاروارد دنبال می‌شود:

• آینده‌های ناگزیر:

اجتناب‌ناپذیری پیشرفت فناوری و بحران‌های تبعی: طبق پژوهش‌های مرکز بلفر، رشد تکنولوژی نوین حتمی است اما سود حاصل از آن به‌طور خودکار توزیع عادلانه نخواهد شد، مگر اینکه سیاست‌گذاری عمومی همراه آن باشد.

تأثیر بیوتکنولوژی بر ساختار سیاسی و حقوقی   : ابزارهای اصلاح ژنتیک و بیولوژی ترکیبی چالش‌های حقوقی و اخلاقی اجتناب‌ناپذیری ایجاد می‌کنند.

• آینده‌های محتمل:

حکمرانی چندپاره فناوری “Tech Nationalism” : شکل‌گیری بلوک‌های قدرت فناوری “مانند آمریکا، اروپا و چین” با قوانین و استانداردهای کاملاً مجزا.

ارزیابی مجدد شاخص‌های اقتصادی بر اساس ESG و اقلیم : تغییر الگوی سرمایه‌گذاری شرکت‌های بزرگ جهان به سمت پایداری محیطی و مسئولیت اجتماعی.

آینده‌های ممکن:

بازطراحی پیمان‌های بین‌المللی کنترل تسلیحات برای عصر AI: خلق ساختارهای حکمرانی جهانی نوین که مانع استفاده مخرب از هوش مصنوعی بیولوژیک و خودکار در جنگ‌ها شود.

۴. دانشگاه ییل “Yale University”

مطالعات ییل بیشتر از طریق برنامه ارتباطات تغییرات اقلیمی ییل “YPCCC” و مراکز تحقیقاتی دانشکده حقوق و محیط زیست انجام گرفته است:

• آینده‌های ناگزیر:

تغییر الگوهای آب‌وهوایی و مخاطرات گرمای شدید : افزایش بسامد موج‌های گرمایی و تأثیر مستقیم آن بر سلامت عمومی، مهاجرت‌های اقلیمی و امنیت غذایی.

گذار ناپذیر به انرژی‌های تجدیدپذیر :  تغییر ساختار انرژی جهانی از سوخت‌های فسیلی به سمت انرژی‌های پاک تحت فشار رفتارهای مصرف‌کننده و واقعیت‌های اقتصادی.

• آینده‌های محتمل:

دو قطبی شدن رفتارهای سیاسی-اجتماعی در قبال اقلیم :  طبق پیمایش‌های ییل، با وجود درک عمومی از مخاطرات، افکار عمومی در شیوه اجرای سیاست‌ها و هزینه‌های اقتصادی دچار قطبی‌شدگی شدید باقی می‌ماند.

تغییر ارزش دارایی‌ها و بازارهای بیمه : بازتعریف ارزش املاک و دارایی‌ها در مناطقی که در معرض خطرات حوادث اقلیمی قرار دارند.

آینده‌های ممکن:

شکل‌گیری «اجماع شهروندی جهانی» و تغییر رادیکال سیاست‌های عمومی: سناریویی که در آن آگاهی عمومی و فشارهای اجتماعی ناشی از بحران‌ها باعث تسریع بی‌سابقه تصویب قوانین سخت‌گیرانه کربنی و بازسازی ساختارهای سیاسی شود.

دانشگاه MIT به دلیل رویکرد عملیاتی، مهندسی و متکی بر آزمایشگاه‌های پیشرفته، آینده‌پژوهی را نه صرفاً به عنوان مطالعه نظری سناریوها، بلکه به عنوان طراحی فعالانه آینده “Future Crafting” بررسی می‌کند. در این نگاه، مرز باریکی میان فناوری‌های در حال توسعه و سرنوشت جوامع وجود دارد.

پژوهش‌های انجام‌شده در MIT به ویژه در Media Lab، مرکز هوش جمعی، دانشکده محاسبات Schwarzman و مرکز تغییرات جهانی” از سال ۲۰۲۰ تا کنون بر سه دسته سناریوی ناگزیر، محتمل و ممکن تمرکز داشته‌اند:

۱. آینده‌های ناگزیر “Inevitable Futures”

رویدادها و روندهایی که قوانین فیزیکی، زیستی و شتاب رشد تکنولوژی وقوع آن‌ها را حتمی کرده است.

مدل‌سازی سیاره‌ای و همزادهای دیجیتال زمین:

 “Digital Twins” از نظر MIT، ادغام سیستم‌های سنجش از دور، سنسورهای IoT و پردازش ابری به نقطه‌ای رسیده که ایجاد «همزاد دیجیتال زمین» ناگزیر است. ما به سمتی می‌رویم که تصمیم‌گیری درباره زیرساخت‌های شهری، مدیریت منابع آب و پاسخ به بحران‌های طبیعی کاملاً بر پایه شبیه‌سازی‌های زنده چندمقیاسی انجام خواهد شد.

• پایان جدایی فیزیکی و دیجیتال

 “Phygital Convergence”ماده و دیجیتال در حال ترکیب شدن هستند. از مواد خودترمیم‌شونده تا سیستم‌های سازه‌ای که بر اساس شرایط محیطی واکنش نشان می‌دهند، MIT اثبات کرده که زیرساخت‌های آینده غیرفعال “Passive” نخواهند بود، بلکه به عنوان سیستم‌های زنده و داده‌محور عمل خواهند کرد.

• تغییر حتمی الگوهای تولید و زنجیره تأمین

فشارهای زیست‌محیطی و بحران‌های ژئوپلیتیک، زنجیره‌های تأمین سنتی متمرکز فروپاشیده‌اند. ناگزیر بودن ساختارهای تولید محلی، هوشمند و منعطف          “Distributed & Additive Manufacturing”    از یافته‌های اصلی MIT در سال‌های اخیر است.

۲. آینده‌های محتمل “Probable Futures”

مسیرهایی که با توجه به ساختارهای اقتصادی، سیاسی و فناوری فعلی، بیشترین شانس تحقق را در ۱۰ تا ۳۰ سال آینده دارند.

شبکه‌های هوش جمعی “Collective Intelligence Units”: بر اساس تحقیقات MIT Center for Collective Intelligence، سناریوی محتمل این است که تصمیم‌گیری‌های کلان سازمانی و شهری نه توسط انسان‌ها به تنهایی و نه توسط AI مستقل، بلکه توسط سیستم‌های ترکیبی “Hybrid Human-AI Systems” انجام شود. در این الگوریتم‌ها، AI نقش پیشنهاددهنده، تحلیل‌گر دادهای انبوه و شبیه‌ساز را دارد و انسان نقش تعیین‌کننده ارزش‌ها و اولویت‌های اخلاقی را ایفا می‌کند.

• شهرهای خودتنظیم‌گر و زیرساخت‌های واکنش‌گرا: پژوهش‌های MIT Senseable City Lab نشان می‌دهد که شهرهای آینده نزدیک به جای توسعه افقی یا عمودی متراکم سنتی، به سمت سیستم‌های dynamic حرکت می‌کنند؛ شبکه‌های حمل‌ونقل خودمختار، ساختمان‌هایی با مصرف انرژی صفر که شبکه انرژی همسایگی را تغذیه می‌کنند، و مدیریت پویای تراکم شهری بر اساس داده‌های مکانی لحظه‌ای.
• گذار سخت انرژی و جابه‌جایی ریسک‌ها: سناریوی محتمل MIT نشان می‌دهد حتی با رشد سریع انرژی‌های تجدیدپذیر، گذار انرژی بدون استخراج سنگین معادن “برای باتری‌ها و زیرساخت‌ها” و چالش‌های منطقه‌ای جدید ممکن نیست. بنابراین، بحران‌های جدیدی در حوزه زمین‌های نایاب و فلزات بحرانی شکل خواهد گرفت.

۳. آینده‌های ممکن “Possible Futures”

تحولات انقلابی و پارادایم‌های جدیدی که تحقق آن‌ها از نظر علمی ممکن است، اما نیازمند جهش‌های تکنولوژیک و تغییرات بنیادی در رفتار بشر است.

• زیست‌بوم‌های خودترمیم‌شونده و مهندسی زیستی متقاطع “Bio-Hybrid Ecosystems”: یکی از هیجان‌انگیزترین حوزه‌های MIT “به‌ویژه در Media Lab”، استفاده از زیست‌شناسی ترکیبی “Synthetic Biology” برای جایگزینی مصالح و سیستم‌های صنعتی سنتی است. در این سناریوی ممکن، ما با ساختمان‌هایی مواجه می‌شویم که کربن جذب می‌کنند، مصالحی که خود را ترمیم می‌کنند و ارگانیسم‌های مهندسی‌شده‌ای که می‌توانند آلودگی‌های صنعتی را پاک‌سازی یا انرژی تولید کنند.
• حکمرانی هوشمند منابع غیرمتمرکز “Decentralized Resource Swarms”: سناریویی که در آن مدیریت انرژی، غذا “از جمله کشاورزی عمودی و پروتئین‌های سنتزی” و آب کاملاً از شبکه‌های متمرکز دولتی خارج شده و به شبکه‌های محلی، متکی بر هوش مصنوعی و خودکفا تبدیل می‌شود که شوک‌های اقلیمی یا سیاسی روی آن‌ها اثری ندارد.
• توسعه زیست‌پذیری فرازمینی و مهندسی محیط‌های شدید: پژوهش‌های MIT در حوزه معماری و مهندسی فضایی، فناوری‌هایی را بررسی می‌کند که ساخت‌وساز و بقا در محیط‌های با شرایط شدید “Extreme Environments” – از اعماق اقیانوس‌ها تا سطح ماه – را با کمترین وابستگی به منابع زمین ممکن می‌سازد.

پژوهش‌های دانشگاه MIT در تقاطع معماری زیستی “Bio-Architecture”، بیولوژی ترکیبی “Synthetic Biology” و مواد هوشمند خودترمیم‌شونده “Self-Healing Smart Materials” بر روی یک پارادایم بنیادی استوار است: تغییر نقش ساختمان‌ها از شیء بی‌جان و مصرف‌کننده، به سیستم‌های زنده، خودتنظیم‌گر و بازسازی‌کننده.

رویکرد MIT در این حوزه پیشروترین مرزهای علم مواد و معماری دیجیتال را یکپارچه کرده است.

۱. معماری زیستی و «اکولوژی مواد» “Material Ecology”

این مفهوم که اولین بار در گروه Mediated Matter دانشگاه MIT تعریف شد، طراحی محاسباتی، ساخت دیجیتال و زیست‌شناسی را با یکدیگر ترکیب می‌کند تا ساختارهای معماری رفتار مواد زنده را تقلید کنند:

• پروژه‌های پایه سلولزی و کیتوسانی “مانند پروژه Aguahoja”: MIT روش‌هایی را برای پرینت سه‌بعدی رباتیک پوسته و سازه با استفاده از فراوان‌ترین زیست‌پلیمرهای روی زمین “سلولز، کیتوسان پوست میگو و پکتین” توسعه داده است. این مواد نه تنها زیست‌تخریب‌پذیر و بازیافت‌پذیرند، بلکه خصوصیات مکانیکی آن‌ها “مانند انعطاف‌پذیری، استحکام و شفافیت” در مقیاس میکروسکوپی مطابق با نیازهای سازه‌ای قابل تنظیم است.
• پوسته‌های پاسخ‌گو به رطوبت و دما: با الهام از ساختار مخروط کاج، MIT صفحاتی زیستی تولید کرده است که بدون نیاز به هیچ‌گونه موتور، سنسور الکترونیکی یا انرژی خارجی، تنها در پاسخ به تغییرات رطوبت و دمای هوا باز یا بسته می‌شوند و تهویه و نورگیری ساختمان را به صورت غیرفعال “Passive” تنظیم می‌کنند.

۲. بیولوژی ترکیبی و مواد زنده مهندسی‌شده “ELMs”

در بخش MIT Synthetic Biology Center “CSB” و آزمایشگاه‌های مرتبط، سلول‌های زنده “مانند باکتری‌ها و جلبک‌ها” نه به عنوان یک عنصر تزیینی، بلکه به عنوان ریزکارخانه‌های تولید ماده برنامه‌ریزی می‌شوند:

• باکتری‌های برنامه‌ریزی‌شده ژنتیکی: پژوهشگران با دستکاری ژنتیکی باکتری‌هایی مانند E. coli یا سیانوباکتری‌ها، آن‌ها را وادار به ترسیم یا ترشح مواد معدنی “مانند کربنات کلسیم یا ترکیبات آهکی” با ساختار هندسی مشخص می‌کنند. این فرآیند اجازه می‌دهد تا بلوک‌های ساختمانی به جای کوره و مصرف شدید انرژی، در دمای محیط و از طریق فرآیندهای زیستی «رشد» کنند.
• پوسته‌های فتوسنتزی و تولید بیوسوخت: ترکیب سیانوباکتری‌های فتوسنتزکننده در کانال‌های آوندی پوسته ساختمان‌ها، امکان جذب دی‌اکسید کربن از هوای شهری و تبدیل همزمان آن به زیست‌توده یا بیوسوخت را فراهم می‌کند.

۳. مواد هوشمند و بتن خودترمیم‌شونده “Self-Healing Materials”

دپارتمان علوم و مهندسی مواد MIT “DMSE” و مرکز Bits and Atoms “CBA” بر مکانیزم‌های خودترمیم‌شوندگی در سه سطح تمرکز دارند:

• بتن و ملات‌های زیستی “Bio-Concrete”: با تعبیه اسپورهای باکتریایی مقاوم “مانند Bacillus pseudofirmus” به همراه مواد مغذی داخل کپسول‌های میکروسکوپی در بافت بتن، با ایجاد کوچک‌ترین ترک و نفوذ آب و اکسیژن، باکتری‌ها فعال شده و با ترشح کریستال‌های آهک، ترک ایجادشده را به صورت خودکار مسدود می‌کنند.
• شبکه‌های آوندی مصنوعی “Vascular Networks”: الهام از سیستم گردش خون در موجودات زنده؛ شبکه مویرگی متراکمی درون مصالح ساختمانی پرینت می‌شود که حامل عوامل ترمیم‌کننده رزینی یا زیستی است. در صورت بروز شوک، زلزله یا فشار مکانیکی، این شبکه ماده ترمیم‌کننده را دقیقاً به موضع آسیب‌دیده هدایت می‌کند.
• پلیمرهای متکی بر پیوندهای بازگشت‌پذیر: ساخت موادی با پیوندهای کووالانسی پویا یا supramolecular که تحت تابش نور خورشید یا تغییرات حرارتی، شکاف‌های داخلی خود را بدون نیاز به ماده اضافه بخیه می‌زنند.

مراکزی که این پژوهش‌ها را در MIT هدایت می‌کنند

۱. MIT Media Lab: پیشتاز در همگرایی معماری، طراحی رباتیک و سیستم‌های بیولوژیک. ۲. Synthetic Biology Center “CSB”: مرکز تخصصی مهندسی ژنتیک و برنامه‌ریزی سلولی. ۳. Department of Materials Science and Engineering “DMSE”: توسعه متالوژی و پلیمرهای پیشرفته خودترمیم‌شونده. ۴. Center for Bits and Atoms “CBA”: پژوهش در زمینه تبدیل اطلاعات دیجیتال به ساختارهای فیزیکی خودتراکم و خودترمیم‌کننده.

پژوهش‌های MIT در حوزه مصالح بیولوژیک و خودترمیم‌شونده از مرحله آزمایش‌های نظری عبور کرده و در قالب پروژه‌های پایلوت، نمونه‌های اولیه در مقیاس معماری “Prototypes” و تجاری‌سازی صنعتی عملیاتی شده‌اند.

این پروژه‌های کاربردی عمدتاً سه محور «پرینت زیستی رباتیک»، «بتن‌های باکتریایی/خودترمیم» و «سازه‌های خودمختار پاسخ‌گو به محیط» را هدف قرار داده‌اند:

۱. پروژه Aguahoja “پایلوت سازه زیست‌تخریب‌پذیر در مقیاس ۵ متری”

پروژه Aguahoja که توسط گروه Mediated Matter در MIT Media Lab اجرا شد، یکی از برجسته‌ترین نمونه‌های کاربرد عملی زیست‌پلیمرها در مقیاس معماری است.

• مکانیسم: این سازه پنج‌متری کاملاً از ترکیب سه زیست‌توده فراوان در طبیعت شامل کیتوسان “استخراج‌شده از پوست میگو”، سلولز “از چوب” و پکتین “از پوست سیب” ساخته شده است.
• روش ساخت: یک بازوی رباتیک، الگوی ژل پایه آب را طبق مدل‌سازی محاسباتی پرینت سه‌بعدی می‌کند. با تبخیر آب، ماده متراکم شده و صلابت سازه‌ای پیدا می‌کند.
• عملکرد کاربردی: این پوسته ساختاری به رطوبت و باران حساس است. تا زمانی که تحت پوشش باشد، مانند یک سازه سخت عمل می‌کند، اما پس از پایان عمر مفید و قرارگیری مستقیم در معرض باران، به‌طور کامل تجزیه شده و خاک اطراف را تغذیه می‌کند. این پروژه جایگزین مستقیم پلاستیک‌ها و مصالح ساختمانی تجدیدناپذیر است.

۲. پروژه Silk Pavilion “پایلوت هم‌افزایی ربات و کرم ابریشم”

یکی از معروف‌ترین پایلوت‌های MIT در جهت بهره‌گیری از ارگانیسم‌های زنده برای «رشد دادن» سازه، پروژه Silk Pavilion ”گوشواره ۱ و ۲” است.

• مکانیسم: ابتدا یک بازوی رباتیک، رشته‌های نایلونی اولیه را بر اساس الگوی توزیع نیرو و نور روی یک گنبد سیمی کشید. سپس ۱۷,۵۰۰ کرم ابریشم زنده روی این سازه قرار گرفتند.
• عملکرد کاربردی: کرم‌های ابریشم با دنبال کردن شدت نور و حرارت، فضاهای خالی میان رشته‌ها را با ابریشم طبیعی پر کردند و یک پوسته یکپارچه، سبک و فوق‌العاده مقاوم را به وجود آوردند. این پایلوت ثابت کرد که می‌توان از رفتارهای بیولوژیک ارگانیسم‌ها به عنوان پرینترهای سه‌بعدی بی‌نیاز از کالیبراسیون صنعتی استفاده کرد.

۳. بتن خودترمیم‌شونده باکتریایی و آنزیمی “از پایلوت تا Spin-offهای تجاری”

پژوهش‌های دپارتمان علوم مواد “DMSE” و مهندسی عمران MIT روی بتن‌های خودترمیم‌شونده به پایلوت‌های زیرساختی و ایجاد شرکت‌های نوپا منجر شده است:

• پایلوت کپسول‌های میکروسکوپی آنزیمی: پژوهشگران MIT با همکاری موسسه پلی‌تکنیک ووستر “WPI”، از آنزیم کربنیک انیدراز “CA” ”موجود در گلبول‌های قرمز خون” در بافت بتن استفاده کردند. وقتی ترک‌های میکروسکوپی در بتن ایجاد می‌شود، این آنزیم CO2 جو را جذب کرده و آن را با کلسیم موجود در بتن ترکیب می‌کند؛ در نتیجه، ظرف چند ساعت کریستال‌های کربنات کلسیم ایجاد شده و ترک‌ها را پیش از گسترش عمیق کاملاً مسدود می‌کنند.
• تست‌های دوام در زیرساخت‌های تجربی: این بتن در قطعات آزمایشگاهی مانند دال‌های بتنی روکش پل‌ها و دیوارهای حائل تست شده است. نتایج نشان می‌دهد توانایی ترمیم خودکار این بتن، عمر مفید زیرساخت‌های شهری را تا ۴ برابر افزایش داده و نیاز به تعمیرات گران‌قیمت را به‌شدت کاهش می‌دهد.

۴. پروژه CITA / MIT Smart Textiles “منسوجات زیستی پاسخ‌گو به محیط”

در پروژه‌های مشترک میان MIT Media Lab و مراکز بیوتکنولوژی، پارچه‌ها و پوسته‌های معماری تولید شده‌اند که حاوی سلول‌های زنده باکتریایی “Bacillus subtilis” هستند.

• مکانیسم: این باکتری‌ها در واکنش به رطوبت هوا متورم یا منقبض می‌شوند.
• کاربرد عملی: لایه‌هایی از این ماده روی پوسته‌های نما و پوشاک ورزشی هوشمند قرار گرفته‌اند. وقتی میزان رطوبت یا عرق بدن/محیط بالا می‌رود، سلول‌ها منقبض شده و روزنه‌های “Flaps” روی پوسته باز می‌شوند تا جریان هوا برقرار شود. با خشک شدن محیط، روزنه‌ها به طور خودکار بسته می‌شوند.

۵. پروژه Liquid Metal Printing & Self-Assembly “مرکز Bits and Atoms – CBA”

در مرکز قطعات و اتم‌ها “CBA” در MIT، پژوهش بر روی فلزات و پلیمرهایی انجام می‌شود که ویژگی‌های ترمیم‌پذیری و تغییر شکل پویا دارند.

• کاربرد عملی: قطعات سازه‌ای پرینت‌شده با آلیاژهای حافظه‌دار و پلیمرهای دارای پیوندهای کووالانسی پویا، پس از اعمال فشارهای فوق‌العاده شدید یا بروز شکستگی، تنها با اعمال یک شوک حرارتی یا طیف مشخصی از نور UV، پیوندهای مولکولی خود را از نو برقرار کرده و به شکل هندسی اولیه‌شان بازمی‌گردند. این مصالح اکنون در قطعات پهپادها و سازه‌های هوافضایی پایلوت شده‌اند.

صنعت ساخت‌وساز در حال حاضر مسئول حدود ۴۰ درصد از کل انتشار گازهای گلخانه‌ای در جهان است “۸٪ تا ۱۱٪ آن صرفاً مربوط به تولید بتن و فولاد است”. فناوری‌های توسعه‌یافته در MIT دقیقاً این نقطه بحرانی را هدف قرار داده‌اند تا ساخت‌وساز را از یکی از مخرب‌ترین عوامل اقلیمی، به ابزاری برای ترمیم زیست‌بوم و جذب کربن “Carbon Sink” تبدیل کنند.

تأثیر عملی این مصالح و فناوری‌ها بر آینده صنعت ساخت‌وساز و کاهش اثرات کربنی را می‌توان در چهار محور اصلی خلاصه کرد:

۱. حذف «کربن تجسم‌یافته» “Embodied Carbon” و گذار به مصالح کربن‌منفی

کربن تجسم‌یافته به تمام گازهای گلخانه‌ای اطلاق می‌شود که در مراحل استخراج، کلسیناسیون، پخت در کوره‌ها و حمل‌ونقل مصالح “به‌ویژه سیمان و فولاد” تولید می‌شوند.

• کاهش کربن با بتن‌های زیستی: در فرآیند تولید سیمان پورتلند، سنگ‌آهک در دمای بیش از ۱۴۰۰ درجه سانتی‌گراد پخته می‌شود که دی‌اکسید کربن فراوانی آزاد می‌کند. فناوری‌های بیولوژیک MIT “مانند بتن‌های آنزیمی و باکتریایی” تولید کریستال‌های آهکی را در دمای محیط و از طریق فرآیندهای زیستی ممکن می‌سازند.
• جذب فعال کربن “Carbon Capture”: مصالحی مانند Aguahoja یا بتن‌های حاوی آنزیم کربنیک انیدراز، در طول دوره ساخت و عملکرد خود، دی‌اکسید کربن موجود در جو را جذب و تثبیت می‌کنند. این یعنی ساختمان‌ها به جای تولید کربن، به فرآیند معکوس‌سازی گرمایش زمین کمک خواهند کرد.

۲. افزایش عمر مفید زیرساخت‌ها و حذف هزینه‌های نگهداری

بخش زیادی از انتشار کربن در صنعت ساخت‌وساز مربوط به بازسازی، تخریب و نوسازی مداوم زیرساخت‌های آسیب‌دیده “پل‌ها، تونل‌ها، دیوارهای حائل و راه‌ها” است.

• انقلاب در پایداری سازه‌ها: نفوذ آب و خوردگی میلگردها علت اصلی تخریب بتن است. بتن‌های خودترمیم‌شونده MIT ترک‌های میکروسکوپی را قبل از تبدیل شدن به شکاف‌های عمیق مسدود می‌کنند.
• کاهش ۵۰ درصدی مصرف مصالح در طول دوره‌ بازه زمانی ۵۰ ساله: با افزایش عمر مفید سازه‌ها از ۵۰ سال به بیش از ۱۵۰ سال، تقاضا برای استخراج مواد خام و تولید مجدد بتن به شدت کاهش می‌یابد.

۳. گذار از انرژی‌های فعال به تهویه و تنظیم غیرفعال “Passive Architecture”

بخش دیگری از انتشار کربن ساختمان‌ها در طول دوره بهره‌برداری “Operational Carbon” و صرف سرمایشی/گرمایشی می‌شود.

• حذف سیستم‌های الکترومکانیکی پیچیده: با استفاده از پوسته‌های پاسخ‌گو به رطوبت و دمای ساخته‌شده در MIT “مانند منسوجات باکتریایی یا صفحات زیستی”، نماهای شهری مانند ریه‌های زنده عمل می‌کنند؛ در ساعات گرم و مرطوب روز باز می‌شوند تا تهویه طبیعی رخ دهد و در سرما بسته می‌شوند. این امر مصرف برق برج‌ها و ساختمان‌های اداری را به حداقل می‌رساند.

۴. تحقق اقتصاد چرخشی کامل “Circular Economy” و صفر کردن پسماند

تخریب ساختمان‌های قدیمی میلیون‌ها تن پسماند غیرقابل تجزیه تولید می‌کند که در محل‌های دفن زباله انباشته می‌شوند.

• طراحی برای تجزیه “Design for Decomposition”: پروژه‌هایی مانند Aguahoja اثبات می‌کنند که می‌توان پوسته‌های بزرگ ساختمانی ساخت که پس از پایان عمر مفیدشان، نیازی به تخریب و حمل با کامیون‌های دیزلی نداشته باشند؛ بلکه تحت باران‌های طبیعی تجزیه شده و به عنوان کود و مغذی به خاک بازگردند.

چشم‌انداز آینده صنعت ساخت‌وساز “۲۰۳۰ تا ۲۰۵۰”

حقق کامل این چشم‌انداز نیازمند مقیاس‌پذیری صنعتی، اصلاح آیین‌نامه‌های ملی ساختمان و کاهش هزینه‌های اولیه پرینت زیستی است؛ مسائلی که هم‌اکنون موضوع اصلی پروژه‌های تجاری‌سازی در اسپین‌آف‌های دانش‌بنیان MIT هستند.

دانشگاه سای-آرک “SCI-Arc – Southern California Institute of Architecture” یا «مؤسسه معماری کالیفرنیای جنوبی» در لس‌آنجلس، یکی از رادیکال‌ترین و پیشروترین مراکز مستقل آموزش و پژوهش معماری، طراحی دیجیتال و آینده‌پژوهی فضایی در جهان است.

این مؤسسه که در سال ۱۹۷۲ تاسیس شده، به دلیل آوانگارد بودن، عبور از خطوط قرمز معماری سنتی و گره زدن معماری با سینما، هوش مصنوعی، بازی‌سازی و آینده‌های گمانه‌زنانه “Speculative Futures” شهرت جهانی دارد.

پژوهش‌های سای-آرک در حوزه آینده‌های محتمل، ممکن و ناگزیر ”به‌ویژه در برنامه‌های تخصصی مانند Fiction and Entertainment و Edge Design Technologies” ساختار متفاوتی نسبت به دانشگاه‌های علمی-پایه‌ای دارد:

۱. آینده‌های ناگزیر “Inevitable Futures”

تثبیت حاکمیت داده‌ها، زوال اکولوژی‌های شهری سنتی و نفوذ هوش مصنوعی در ساختارهای فضایی.

• انتقال شهرسازی از «کالبد فیزیکی» به «بستر داده و رسانه»: سای-آرک معتقد است که آینده زیست شهری ناگزیر از زیرساخت‌های فیزیکی صرف “خیابان و ساختمان” به سمت فضاهای هایبرید متکی بر واقعیت افزوده “AR”، سنسورهای داده و گرافیک کامپیوتری حرکت کرده است.
• اتوماسیون کامل ساخت‌وساز با رباتیک: فرآیندهای سنتی ساخت‌وساز نه‌تنها به دلیل هزینه‌ها بلکه به دلیل پیامدهای زیست‌محیطی ناگزیر باید جای خود را به پرینت رباتیک، بازوهای پیشرفته ماشینی و مصالح هوشمند بدهند.
• شهرسازی زیر سایه بحران‌های حاد اقلیمی “Post-Anthropocene”: محیط‌های شهری ناگزیر باید برای سناریوهایی طراحی شوند که خشکسالی، افزایش سطح دریاها و گرمای شدید، جابه‌جایی انسان‌ها را قطعی کرده است.

۲. آینده‌های محتمل “Probable Futures”

سناریوهایی که بر پایه نفوذ فناوری‌های تصویرسازی، گیمینگ و AI در گمانه‌زنی‌های معمارانه استوار است.

• معماری هم‌پیمان با هوش مصنوعی مولد “AI-Driven Architecture”: سای-آرک یکی از پیشگامان استفاده از الگوریتم‌های هوش مصنوعی “Generative AI و Neural Networks” برای خلق فرم‌های غیرمنتظره، تحلیل الگوهای پیچیده زیستی و شبیه‌سازی رفتار کاربران در فضا است. سناریوی محتمل این است که معماران آینده بیشتر نقش «مدیر داده و الگوریتم» را ایفا خواهند کرد تا طراحان دستی.
• شهرهای ترکیبی با دنیای گیمینگ و موتورهای رندرینگ: با پژوهش‌های گسترده در زمینه موتورهای بازی‌سازی مانند Unreal Engine، سای-آرک پیش‌بینی می‌کند که طراحی شهرهای آینده ابتدا در بسترهای مجازی شبیه‌سازی و تست شده و سپس به جهان فیزیکی منتقل می‌شوند.
• بازبازآفرینی فضاهای صنعتی متروکه “Adaptive Reuse”: تبدیل ساختارهای عظیم صنعتی قرن بیستم به زیست‌بوم‌های تکنولوژیک و خلاقانه شهری، همان‌طور که خود سای-آرک در یک انبار تاریخی راه‌آهن در لس‌آنجلس مستقر شده است.

۳. آینده‌های ممکن “Possible Futures”

جسورانه‌ترین و رادیکال‌ترین سناریوهای سای-آرک که مرز میان داستان‌پردازی علمی “Sci-Fi”، معماری و سیاره‌شناسی را از بین می‌برد.

• معماری و زیست‌بوم‌های فرازمینی “Off-World & Planetary Urbanism”: پروژه‌های گمانه‌زنانه برای زیست‌پذیری در ماه، مریخ یا ایستگاه‌های مداری خوداتکا که در آن‌ها استخراج منابع، پرینت سه‌بعدی با خاک اجرام آسمانی و مدیریت بسته‌های زیستی بررسی می‌شود.
• داستان‌پردازی سینمایی درباره آینده جوامع “Fiction & Worldmaking”: ایجاد سناریوهای بصری و سینمایی کامل از جهان‌های آینده؛ از کلان‌شهرهای ابر-متراکم و شناور گرفته تا جوامعی که تحت حکمرانی مستقیم شبکه‌های هوشمند قرار دارند. این رویکرد به معماران اجازه می‌دهد چالش‌های سیاسی، اخلاقی و فضایی آینده را پیش از وقوع، مجسم کنند.
• معماری پاسخ‌گوی غیرارگانیک “Biomorphic & Synthetic Environments”: طراحی ساختارهایی که با هوش مصنوعی و متریال‌های نوظهور، می‌توانند مانند یک موجود زنده تغییر شکل دهند، خود را بازسازی کنند یا با تغییرات آب‌وهوایی تطبیق یابند.

در تحقیقات آینده‌پژوهی دانشگاه سای-آرک “SCI-Arc – Southern California Institute of Architecture”، «معماری هم‌پیمان با هوش مصنوعی مولد» “AI-Driven Architecture” نه به‌عنوان ابزاری برای اتوماسیون نقشه کشی یا رندرینگ سریع، بلکه به عنوان پارادایم جدیدی از تفکر فضایی، زیبایی‌شناسی سنتی-ماشینی و همکار خلاق “Co-creator” نگریسته می‌شود.

استادان و پژوهشگران پیشرو سای-آرک مانند کی‌سی رم “M. Casey Rehm”، دیوید روی “David Ruy”، دامیان یووانوویچ “Damjan Jovanovic” و جنیفر چن “Jennifer Chen” مسیر تحول نقش معمار و فرآیند طراحی را مبتنی بر پلتفرم‌های تکنولوژی، گیمینگ و الگوریتم‌های مولد تحلیل کرده‌اند.

در ادامه، فرآیند چند مرحله‌ای نقش هوش مصنوعی و بازتعریف گام‌به‌گام نقش معماران در آینده مبتنی بر پژوهش‌ها و برنامه‌های آموزشی اصلی سای-آرک “از جمله MS in Architectural Technologies و Vertical Studios” ارائه می‌شود.

۱. فرآیند گام‌به‌گام عملکرد AI در معماری آینده “از دیدگاه سای-آرک”

مرحله اول: از «مدل‌سازی پارامتری» به «محیط‌های ترکیبی زیست‌شناختی-الگوریتمی»

در دوره‌های قبلی فناوری‌های دیجیتال “Paperless Studios در دهه ۹۰ تا فرم‌های پارامتری”، الگوریتم‌ها تابع قوانین صریح معمار بودند. اما سای-آرک هوش مصنوعی مولد را در لایه Synthetic Landscapes “چشم‌اندازهای مصنوعی” تعریف می‌کند. در این مرحله، AI با پردازش انباشت داده‌های اکولوژیک، اقلیمی و ترکیبی، تصاویر و فرم‌های فضایی «زنده‌ای» تولید می‌کند که مرز میان طبیعت و مصنوع را از بین می‌برد. هوش مصنوعی یاد می‌گیرد که چطور ساختارهای ارگانیک و مکانیکی را در یک بافت سنتز کند.

مرحله دوم: معماری رابط متقابل و فضاهای پاسخ‌گو “Interface Architecture”

در تحقیقات آزمایشگاه پلتفرم و اتوماسیون “Platform and Automation Lab” سای-آرک، AI به عنوان یک سیستم ادراکی به درون بستر فیزیکی معماری تزریق می‌شود. در این مرحله، ساختمان‌ها از طریق سنسورها، داده‌های صوتی، حرکتی و حرارتی محیط را دریافت کرده و فرم و کارکرد خود را لحظه‌به‌لحظه تنظیم می‌کنند. ساختمان دیگر یک شیء ایستا نیست، بلکه فرآیندی جاری از تحلیل هوشمند داده در زمان واقعی “Real-time Data” است.

مرحله سوم: پشته کامل فناوری “The Full Stack” و ترکیب رباتیک با AI

الگوریتم‌های مولد هوش مصنوعی تنها به تصویرسازی “Prompt-to-Image” محدود نمی‌شوند. سای-آرک معماری را در قالب یک Vertical Stack “پشته عمودی” بررسی می‌کند:

1. داده‌های کلان “Big Data”: تحلیل بافت شهری و زیست‌محیطی.
2. مدل‌های مولد هوش مصنوعی “Generative Models”: پیشنهاد ساختارها و فرم‌های پیچیده.
3. موتورهای بازی‌سازی “Game Engines like Unreal Engine”: شبیه‌سازی فیزیکی و تعاملی فضا.
4. رباتیک و ساخت فیزیکی: انتقال مستقیم دستورالعمل‌های AI به بازوهای رباتیک جهت ساخت ساختارهای پیچیده.

۲. بازتعریف نقش معماران در آینده “تغییر پارادایم شغلی”

پژوهشگران سای-آرک تاکید می‌کنند که AI معماران را حذف نمی‌کند، بلکه ارزش اقتصادی و فرهنگی آن‌ها را در جامعه تغییر می‌دهد. نقش معمار آینده از «رسام و طراح فرم» به سه نقش کلیدی جدید تبدیل می‌شود:

۱. معمار به عنوان «کیوریتور و همکار هوش مصنوعی» “Curator & Co-Creator”

در عصر AI، تولید فرم و تصویر ارزان و بی‌نهایت است. به گفته کی‌سی رم، معمار آینده کسی نیست که تمام جزئیات یک ساختمان را از صفر ترسیم کند، بلکه معمار نقش کیوریتور “متصدی” و هدایت‌کننده مدل‌های هوش مصنوعی را ایفا می‌کند. معمار، داده‌های ورودی “Inputs”، محدودیت‌های اخلاقی، معانی فرهنگی و ارزش‌های زیبایی‌شناختی را تنظیم کرده و از میان هزاران گزینه مولد AI، بهترین سناریو را انتخاب و پالایش می‌کند.

۲. معمار به عنوان «خالق جهان‌ها» “Worldmaker”

در برنامه‌هایی مانند BS in Design و Fiction and Entertainment سای-آرک، معماران یاد می‌گیرند که لزوماً برای ساخت‌وساز فیزیکی سنتی طراحی نکنند. معمار آینده طراح محیط‌های سناریومحور در سینما، گیمینگ، متاورس و داده‌بسترهای شهری است. تفکر فضایی معمار برای ساخت اکوسیستم‌های مجازی و شبیه‌سازی پیچیده زیرساخت‌های آینده به کار گرفته می‌شود.

۳. معمار به عنوان «پاسخ‌دهنده به بحران‌های سیاره‌ای» “Planetary Designer”

در کارگاه‌های Earth Machine ”با همکاری NASA JPL در سای-آرک”، AI به معماران اجازه می‌دهد تا داده‌های ماهواره‌ای و اقلیمی را پردازش کرده و پروژه‌هایی طراحی کنند که به جای آسیب به زمین، مانند ابزارهایی برای پایش، بازسازی و تطبیق با تغییرات اقلیمی عمل کنند.

۳. منابع معتبر پژوهش‌های سای-آرک در این حوزه

برای مطالعه مستقیم منابع و ویدیوهای مستند سای-آرک در زمینه آینده معماری و هوش مصنوعی، منابع زیر مرجع اصلی هستند:

• پژوهش‌های دانشکده و برنامه‌های تخصصی:

MS in Architectural Technologies “SCI-Arc EDGE” بررسی پشته فناوری، AI و اتوماسیون رباتیک.

ArchDaily Report “2025/2026”: How SCI-Arc Prepares Architects to Thrive in Constant Change – بررسی کارگاه‌های Synthetic Landscapes و Interface Architecture.

Study International: Exploring the Intersection of AI and Architecture at SCI-Arc – مصاحبه با M. Casey Rehm درباره هوش مصنوعی مولد و هوش مصنوعی ترکیبی.

برای درک کامل‌تر ساختار آموزشی و نحوه ادغام هوش مصنوعی در ابزارهای رندرینگ و گیمینگ در سای-آرک، ویدیوهای رسمی این دانشگاه مرجع بسیار مفیدی هستند.

برنامه‌های پژوهشی سای-آرک در ویدیوهایی مانند SCI-Arc EDGE MS Architectural Technologies به‌طور دقیق نشان می‌دهند که چگونه موتورهای بازی‌سازی، برنامه‌نویسی الگوریتمی و هوش مصنوعی در کنار هم، نسل آینده معماران را به رهبران نوآوری در ابزارهای نرم‌افزاری و سخت‌افزاری تبدیل می‌کنند.

Attachments area

فاوت رویکرد سای-آرک “SCI-Arc” در کالیفرنیا با دانشگاه‌های پیشرو اروپایی مانند ات‌اچ زوریخ “ETH Zurich” در سوئیس و بارتلت “The Bartlett – UCL” در لندن در مواجهه با هوش مصنوعی، نشان‌دهنده سه مکتب فکری و فلسفی کاملاً متفاوت در معماری معاصر است.

اگرچه هر سه مؤسسه در صدر نوآوری‌های تکنولوژیک قرار دارند، اما جهت‌گیری پژوهشی، ابزارها و تعریف آن‌ها از «نقش هوش مصنوعی در آینده معماری» بنیادهای متفاوتی دارد:

۱. سای-آرک “SCI-Arc”: مکتب «گمانه‌زنی فرهنگ‌محور، سینما و فرم متناقض»

سای-آرک هوش مصنوعی را نه صرفاً یک ابزار محاسباتی یا مهندسی، بلکه یک پدیده فرهنگی، رسانه‌ای و فلسفی می‌بیند.

• فلسفه اصلی: هوش مصنوعی یک «همکار ناشناخته و متناقض» است. هدف سای-آرک، کشف زیبایی‌شناسی جدید “Strange Aesthetics”، بازتعریف داستان‌پردازی فضایی و عبور از مرزهای فرهنگ پاپ، گیمینگ و سینماست.
• نوع نگاه به AI: هوش مصنوعی به عنوان ابزاری برای تولید جهان‌های مجازی “Worldbuilding”، گمانه‌زنی درباره آینده‌های رادیکال و ایجاد تصاویر و فرم‌های عجیب “Alien Forms” که ذهن انسان به تنهایی قادر به درک اولیه آن‌ها نبوده است.
• تمرکز ابزاری: موتورهای بازی‌سازی “Unreal Engine”، مدل‌های هوش مصنوعی تصویرساز و مولد متنی-تصویری، نرم‌افزارهای رندرینگ سینمایی و برنامه‌نویسی برای رابط‌های کاربری هوشمند “Interface Architecture”.
• خروجی متداول: فیلم‌های کوتاه گمانه‌زنانه، انیمیشن‌های بافت‌یافته پیچیده، تجسم‌های فضایی در متاورس و چالش کشیدن تعاریف سنتی از کالبد شهری.

۲. ات‌اچ زوریخ “ETH Zurich”: مکتب «ریاضیات دقیق، ساخت رباتیک و مهندسی مصالح»

در ات‌اچ زوریخ “به‌ویژه در مرکز National Centre of Competence in Research – Digital Fabrication”، هوش مصنوعی کاملاً در خدمت فیزیک، ساخت فیزیکی و بهینه‌سازی سازه قرار دارد.

• فلسفه اصلی: هوش مصنوعی مغز متفکر کارخانه ساخت‌وساز آینده است. هدف ات‌اچ زوریخ، بهینه‌سازی مصرف مصالح، دقت میلی‌متری در اجرای رباتیک و ساخت سازه‌هایی است که با روش‌های انسانی غیرممکن هستند.
• نوع نگاه به AI: هوش مصنوعی به عنوان الگوریتم بهینه‌سازی فرم بر اساس نیروهای فیزیکی “Form-Finding”، محاسبات پیشرفته مکانیک ساختمانی و کنترل حرکتی بازوهای رباتیک ساخت‌وساز.
• تمرکز ابزاری: رباتیک صنعتی پیشرفته، الگوریتم‌های بهینه‌سازی توپولوژی “Topology Optimization”، محاسبات فیزیک‌محور کدهای پایتون و گراس‌هاپر، و پرینت سه‌بعدی بتن و فلز.
• خروجی متداول: سقف‌های بتنی فوق سبک با حداکثر بهره‌وری سازه‌ای، پل‌ها و سازه‌های رباتیک چوبی یا بتنی کاملاً فیزیکی و اجراشده در مقیاس ۱:۱.

۳. بارتلت “The Bartlett – UCL”: مکتب «معماری رفتاری، سیستم‌های خودکار و نظریه الگوریتمی»

بارتلت “به‌ویژه برنامه‌هایی مانند Urban Morphogenesis Lab و B-Pro” در میانه‌ای از هنر و مهندسی قرار دارد، اما تمرکز اصلی آن بر سیستم‌های پیچیده، رفتارهای بیولوژیک و هوش محاسباتی است.

• فلسفه اصلی: معماری یک سیستم زنده، چندعامله “Multi-Agent Systems” و رفتارمحور است. هوش مصنوعی ابزاری است برای شبیه‌سازی رفتارهای زیستی، شهری و اجتماعی.
• نوع نگاه به AI: هوش مصنوعی به عنوان شبیه‌ساز الگوهای رشد، تحولات مورفولوژیک “ریخت‌شناسی” و اتوماسیون فرایندهای پیچیده شهری و فضایی. بارتلت کارهای هوش مصنوعی را بسیار عمیق به نظریه‌های معماری محاسباتی گره می‌زند.
• تمرکز ابزاری: کدرنویسی چندعامله “Agent-Based Modeling”، یادگیری عمیق برای تحلیل شبکه‌های شهری، زیست‌شناسی محاسباتی و هوش مصنوعی ترکیبی.
• خروجی متداول: مدل‌های محاسباتی رشد شهری، چیدمان‌های تعاملی، و پوسته‌های پیچیده متکی بر الگوهای زیستی و الگوریتم‌های تکاملی. به زبان ساده: ات‌اچ زوریخ از هوش مصنوعی استفاده می‌کند تا ببیند چگونه می‌تواند یک سازه بسیار دقیق و بهینه بسازد؛ بارتلت استفاده می‌کند تا بفهمد فضاها و شهرها چگونه رشد و رفتار می‌کنند؛ و سای-آرک از آن استفاده می‌کند تا بپرسد معماری در جهان‌های آینده چه معنی فرهنگی و بصری جدیدی خواهد داشت.

رای درک ملموس تفاوت این سه مکتب، بررسی نمونه پروژه‌های شاخصی که مستقیماً از دل کارگاه‌ها و آزمایشگاه‌های تحقیقاتی SCI-Arc، ETH Zurich و The Bartlett “UCL” بیرون آمده‌اند، تصویر روشنی ارائه می‌دهد.

این پروژه‌ها نشان می‌دهند که چگونه یک ابزار واحد “هوش مصنوعی” در سه فرهنگ دانشگاهی متفاوت، خروجی‌هایی کاملاً مجزا خلق می‌کند:

۱. سای-آرک “SCI-Arc”: پروژه The Artificial Unreal و Deep Synthesis

در آزمایشگاه‌های Architectural Technologies و کارگاه‌های M. Casey Rehm در سای-آرک، پروژه‌های شاخص بر تولید زیبایی‌شناسی عجیب، ترکیب فرم‌ها و خلق جهان‌های مجازی تمرکز دارند.

• پروژه شاخص: Deep Synthesis / Cinema of Synthetic Spaces
• چگونگی عملکرد AI: در این پروژه‌ها، از شبکه‌های مولد متخاصم “GANs” و مدل‌های چندوجهی هوش مصنوعی استفاده می‌شود تا انباشت بزرگی از داده‌های بصری تاریخی، معماری صنعتی، پوسته‌های ارگانیک و صحنه‌های سینمایی در یکدیگر ادغام “Synthesize” شوند. AI در اینجا فرم‌هایی متناقض و دارای لایه‌های بصری پیچیده تولید می‌کند که معمار آن را وارد موتور بازی‌سازی Unreal Engine می‌کند.
• خروجی پروژه: انیمیشن‌های سینمایی کوتاه، فضاهای تعاملی واقعیت مجازی “VR” و مدل‌های سه‌بعدی پیچیده‌ای که مرز میان تصویر رندرشده و کالبد فیزیکی را از بین می‌برند. پروژه نه برای ساخت انباشت بتنی، بلکه برای به چالش کشیدن «ادراک فضایی» بیننده طراحی شده است.

۲. ات‌اچ زوریخ “ETH Zurich”: پروژه HiLo Floor و DFAB House

در مرکز نوآوری‌های دیجیتال ات‌اچ زوریخ “NCCR Digital Fabrication” به رهبری اساتیدی مانند Philippe Block و Gramazio Kohler، هوش مصنوعی دقیقاً در نقطه پیوند با ریاضیات فیزیک و رباتیک عمل می‌کند.

• پروژه شاخص: The HiLo Unit “سقف بی‌نهایت سبک بتنی در پروژه DFAB House”
• چگونگی عملکرد AI: در این پروژه، الگوریتم‌های هوش مصنوعی و یادگیری ماشین برای بهینه‌سازی توپولوژی “Topology Optimization” استفاده شدند. AI با تحلیل دقیق خطوط نیرو و فشارهای سازه‌ای، متریال بتن را تنها در نقاطی قرار داد که از نظر مکانیکی صددرصد ضروری بودند. در نتیجه، فرم‌های انحنا‌داری شکل گرفت که با دست یا محاسبات سنتی انسان قابل طراحی نبودند.
• خروجی پروژه: یک دال بتنی فوق‌العاده نازک و موج‌دار متکی بر ساخت رباتیک ۱:۱ در ساختمان واقعی DFAB House. این سازه ۷۰ درصد متریال و بتن کمتری نسبت به دال‌های معمولی مصرف کرد و اثبات نمود که AI می‌تواند مستقیم به کاهش اثرات کربنی صنعت ساخت‌وساز کمک کند.

۳. بارتلت “The Bartlett – UCL”: پروژه Bio-Integrated AI / Agent-Based Morphogenesis

در گروه‌های پژوهشی بارتلت مانند Urban Morphogenesis Lab ”به رهبری Claudia Pasquero” و پروژه‌های B-Pro، AI با الگوریتم‌های زیست‌شناختی و سیستم‌های چندعامله گره خورده است.

• پروژه شاخص: Deep Green / Urban Algae Canopy
• چگونگی عملکرد AI: در این پروژه، الگوریتم‌های هوش مصنوعی چندعامله “Multi-Agent Neural Networks” الگوی رشد جلبک‌ها، جریان‌های هوا و نحوه جذب آلودگی در شهرهای پرتراکم را شبیه‌سازی کردند. AI فرم‌های شبکه مویرگی پیچیده‌ای را طراحی کرد که توزیع بهینه نور، جریان سیالات و رشد جلبک‌های فتوسنتزکننده را در یک پوسته شهری تضمین می‌کرد.
• خروجی پروژه: یک سازه و نمای ساختمانی بیولوژیک پیوندخورده با هوش مصنوعی که نه تنها نقش سایه‌بان شهری را ایفا می‌کند، بلکه با رشد جلبک‌های درون کانال‌هایش، آلودگی هوای شهر را جذب کرده و اکسیژن تولید می‌کند.

جمع‌بندی: کدام رویکرد آینده را می‌سازد؟

تفاوت این پروژه‌ها نشان می‌دهد که آینده معماری هوشمند یک‌دست نخواهد بود:

• ETH Zurich زیرساخت‌های فیزیکی، زیرپل‌ها و برج‌های فوق‌سبک و کم‌کربن آینده را خواهد ساخت.
• The Bartlett سیستم‌های پویا، نماهای بیولوژیک و برنامه‌ریزی زنده شهری را هدایت خواهد کرد.
• SCI-Arc فرهنگ بصری، جهان‌های مجازی “Metaverse/Gaming” و مفاهیم نوین معماری را در عصر هوش مصنوعی تعریف خواهد نمود.

ترکیب این سه رویکرد در یک پروژه واقعی، مرز میان «زیبایی‌شناسی سینمایی و هوش مصنوعی» “SCI-Arc”، «بهینه‌سازی ریاضی و ساخت رباتیک» “ETH Zurich” و «سیستم‌های زنده، رفتار چندعامله و اکولوژی شهری» “The Bartlett” را از بین می‌برد.

برای تحقق عملی این تلفیق، پروژه باید در قالب یک «پشته فناوری و لایه‌بندی عملکردی» “Full-Stack Architecture” طراحی شود. در ادامه، سنتز این سه مکتب فکری در قالب یک پروژه واقعی “مانند یک ایستگاه تحقیقاتی/پوسته شهری زیست‌محیطی” به صورت مرحله‌به‌مرحله ارائه می‌شود:

۱. لایه‌بندی پروژه بر اساس ۳ مکتب فکری

+———————————————————————–+

|  لایه ۱: پوسته فضایی و هویت بصری “رویکرد SCI-Arc”                      |

|  – تولید فرم‌های پیچیده، سناریوپردازی و رابط‌های تعاملی متکی بر AI      |

+———————————————————————–+

|

v

+———————————————————————–+

|  لایه ۲: اسکلت سازه‌ای و تولید رباتیک “رویکرد ETH Zurich”               |

|  – بهینه‌سازی توپولوژی بتن/فلز و پرینت ۳ بعدی بدون اتلاف متریال       |

|  لایه ۳: پوسته زنده زیستی و شبکه متابولیک “رویکرد The Bartlett”        |

|  – کانال‌های آوندی جلبکی، تصفیه هوا، جذب کربن و واکنش چندعامله       |

۲. سناریوی عملیاتی اجرای پروژه در ۴ گام

گام اول: ایده‌پردازی و خلق فرم پایه “The SCI-Arc Layer”

* عملکرد: در گام نخست، معمار از مدل‌های هوش مصنوعی چندوجهی “Multi-Modal AI” و الگوریتم‌های Style Transfer استفاده می‌کند تا داده‌های بافت شهری، سناریوهای اقلیمی و فرم‌های ارگانیک غیرمنتظره را ترکیب کند.

* خروجی: فرم پایه ساختمان در یک محیط موتور بازی‌سازی “Unreal Engine” مدلسازی می‌شود. این فرم دارای حس روایی، لایه‌بندی سینمایی و فضاهای فضایی پیچیده “Alien Aesthetics” است که تجربه کاربری متفاوتی ایجاد می‌کند.

گام دوم: تحلیل سازه و ساخت رباتیک “The ETH Zurich Layer”

* عملکرد: فرم ایده‌آل و اولیه گام اول وارد الگوریتم‌های بهینه‌سازی توپولوژی “Topology Optimization” ات‌اچ زوریخ می‌شود. هوش مصنوعی فیزیک‌محور، فرم را آنالیز کرده و تنها مسیرهای انتقال نیرو را حفظ می‌کند و جرم اضافی سازه را حذف می‌کند.

* خروجی: سازه اصلی “باربر” به یک شبکه بتنی یا فلزی فوق‌سبک تبدیل می‌شود که تا ۶۰٪ متریال کمتری نسبت به سازه‌های معمولی مصرف می‌کند. این قطعات مستقیماً به بازوهای رباتیک جهت پرینت سه‌بعدی متصل می‌شوند.

گام سوم: تزریق متابولیسم زیستی و پوسته‌های هوشمند “The Bartlett Layer”

* عملکرد: روی شبکه سازه‌ایِ بهینه‌شده، یک سیستم چندعامله “Multi-Agent System” پیاده می‌شود. این سیستم مویرگ‌های آوندی، بسترهای رشد جلبک، و سیستم‌های جمع‌آوری آب باران را بر اساس الگوی تابش خورشید و جریان باد روی پوسته ساختمان توزیع می‌کند.

* خروجی: پوسته بیرونی ساختمان به یک اکوسیستم زنده تبدیل می‌شود که دی‌اکسید کربن هوا را جذب می‌کند، اکسیژن تولید می‌کند و آب خاکستری ساختمان را تصفیه می‌کند.

گام چهارم: یکپارچه‌سازی و مانیتورینگ زنده “The Hybrid Loop”

* در نهایت، سنسورهای هوشمند داده‌های زیستی پوسته “Bartlett” و استرس‌های سازه‌ای “ETH” را جمع‌آوری کرده و به سیستم مدیریت واقعیت افزوده “SCI-Arc” بازمی‌گردانند. ساختمان در زمان واقعی به تغییرات اقلیمی و رفتار کاربران پاسخ می‌دهد.

۳. جدول ماتریس مسئولیت‌ها در پروژه تلفیقی

| بخش پروژه | ابزارها و فناوری‌ها | نقش هوش مصنوعی | مرجع فکری |

| ایده‌پردازی و فرم اولیه | Midjourney, Unreal Engine, TouchDesigner | خلق زیبایی‌شناسی جدید و شبیه‌سازی تجربه فضایی | سای-آرک “SCI-Arc” |

| سازه و ساخت فیزیکی | Grasshopper, Python, Robotic 3D Printing | بهینه‌سازی توپولوژی و هدایت بازوهای رباتیک | ات‌اچ زوریخ “ETH” |

| پوسته زیستی و عملکرد | Agent-Based Models “ABM”, Bio-Reactors | شبیه‌سازی الگوهای رشد ارگانیک و جریان سیالات | بارتلت “The Bartlett” |

نتیجه‌گیری

این ترکیب مثلثی، چالش‌های سنتی معماری را حل می‌کند:

۱. معماری SCI-Arc اگر تنها بماند، ممکن است مجرد و غیرعملی به نظر برسد.

۲. مهندسی ETH Zurich اگر بدون نگاه فرهنگی باشد، ممکن است به تکنوکراسی سرد تبدیل شود.

۳. زیست‌شناسی Bartlett اگر بدون سازه بهینه باشد، اجرای اجرایی سختی خواهد داشت.

تلفیق این سه رویکرد، ساختمانی می‌سازد که زیبا و روایت‌گر است “SCI-Arc”، از نظر سازه‌ای فوق‌العاده بهینه و رباتیک ساخته شده است “ETH” و مانند یک ارگانیسم زنده با زیست‌بوم خود تنفس می‌کند “Bartlett”.

این ماتریس تلفیقی یکی از جامع‌ترین و دقیق‌ترین چارچوب‌های فکری برای معماری پیشرفته و تکتونیک محاسباتی “Computational Tectonics” است. برای ارتقاء این پشته فناوری “Full-Stack Architecture” از یک «مدل نظری» به یک «پروتکل اجرایی واقعی»، باید زیرساخت نرم‌افزاری و سخت‌افزاری، خطوط انتقال داده “Data Pipelines” و ابزارهای میان‌افزاری که این ۳ لایه را به یکدیگر متصل می‌کنند دقیق‌تر شفاف‌سازی شوند.

در ادامه، نقشه فنی و زنجیره ابزاری “Toolchain” پیشنهادی برای پیاده‌سازی گام‌به‌گام این پشته ارائه شده است:

۱. زنجیره یکپارچه‌سازی فناوری‌ها “Software Pipeline”

برای اینکه داده‌ها بدون افت کیفیت بین این ۳ لایه جابه‌جا شوند، زنجیره ابزاری زیر پیشنهاد می‌شود:

[SCI-Arc Layer]          –>          [ETH Layer]          –>          [Bartlett Layer]

NeRF/3D AI Generative                 Houdini / Karamba3D               Anylogic / Basking

│                                     │                                  │

▼                                     ▼                                  ▼

Unreal Engine 5 “USD”  <── OpenUSD ──>  Grasshopper / Python  <── ROS 2 ──>  IoT Sensors / Edge AI

• داده‌های پایه “OpenUSD – Universal Scene Description”: فرمت استاندارد برای انتقال هندسه سینمایی و بافت‌های ساخته‌شده در لایه SCI-Arc به محیط‌های محاسباتی سازه.
• میان‌افزار سازه و رباتیک “ROS 2 – Robot Operating System”: متصل‌کننده مدل‌های بهینه‌سازی توپولوژی ات‌اچ زوریخ به بازوهای رباتیک صنعتی “مانند KUKA یا ABB” جهت اجرای ۳D Printing.
• ارتباط زنده “MQTT / WebSockets”: متصل‌کننده داده‌های سنسورهای پوسته زیستی “Bartlett” به موتور بازی‌سازی “SCI-Arc” برای رندرینگ تعاملی و داشبورد مدیریتی Real-time.

۲. گام‌های تکمیلی برای اجرایی‌سازی پروژه

گام اول: تبدیل AI دوبعدی به هندسه سه بعدی “SCI-Arc Integration”

• چالش: خروجی مدل‌هایی مثل Midjourney دوبعدی است و مستقیم وارد فرایند ساخت نمی‌شود.
• راهکار اجرایی: استفاده از شبکه‌های Neural Radiance Fields “NeRF” یا مدل‌های 3D Generative “مانند Tripo3D یا Meshy” جهت تبدیل ایماژهای سینمایی به فایل‌های هندسی اولیه “Mesh/NURBS”، و سپس استفاده از TouchDesigner برای ایجاد رفتارهای تعاملی پوسته در پاسخ به حضور انسان.

گام دوم: تبدیل هندسه پیچیده به دستورات حرکتی ربات “ETH Integration”

• چالش: هندسه‌های ارگانیک غیرخطی ممکن است نازل پرینتر ۳بعدی را دچار تصادم کنند.
• راهکار اجرایی: استفاده از Grasshopper “پلاگین‌های Robots یا COMPAS” برای تبدیل مدل‌های بهینه‌شده با Karamba3D به G-Code یا Toolpath اختصاصی بازوهای رباتیک، همراه با شبیه‌سازی فیزیک تزریق بتن/پلیمر به کمک Houdini Vellum.

گام سوم: محاسبات رشد بیولوژیکی “Bartlett Integration”

• چالش: پیش‌بینی الگوی حرکت و رشد جلبک‌ها و توزیع مویرگی مایعات در پوسته.
• راهکار اجرایی: پیاده‌سازی الگوریتم‌های Multi-Agent “مانند Quelea یا Physarealm در گراس‌هاپر”. این الگوریتم‌ها شبکه آوندی را بر اساس نقاطی که بیشترین جذب خورشید و باران را دارند خودساماندهی “Self-organizing” می‌کنند.

تالیف و ژوهش : جلال حسن خانی : آینده پژوه

معمار، مشاور توسعه، برندینگ و مارکتینگ در صنعت ساختمان