大規模言語モデルを用いたデザインスクリプティング：思考様式を媒介する新たなアプローチ

核心概念

大規模言語モデル (LLM) は、人間の意図とアルゴリズムの橋渡し役として、建築デザインにおけるパラメトリックモデリングをより利用しやすく、楽しいものにする可能性を秘めている。

要約

LLMを用いたデザインスクリプティング：思考様式を媒介する新たなアプローチ

本稿は、大規模言語モデル (LLM) を計算デザインプロセスにおける媒介者として提案する研究論文である。具体的には、LLMが人間の直感とデザインにおけるアルゴリズムロジックの橋渡し役として有効である可能性を論じ、デジタル時代の強力なアルゴリズムツールの活用をデザイナーに ermöglichen するための新たな道を切り拓くことを目指している。

パラメトリックモデリングの課題
パラメトリックモデリングは、手作業では管理・探索が困難な複雑なデザイン空間の探求を可能にするため、現代建築の複雑な幾何学的スタイルの推進力となっている。しかし、デザイナーはパラメトリックデザインツールの習得に苦労しており、アルゴリズムの厳密さと初期デザイン段階における人間の思考の曖昧さの間にギャップが存在する。
LLMの可能性
機械学習、特にLLMを用いたデザインツールは、経験から学習し、観察されたパターンから推論することで、従来のCADやパラメトリックモデリングツールよりもデザイナーの思考様式に沿ったものになる可能性がある。LLMは、人間の文脈を理解し、コードや論理的な手順を生成することができるため、思考の根本的な違いを媒介し、デザイナーとアルゴリズムツールの相互作用を根本的に変える可能性を秘めている。

本研究では、LLMが人間の意図を自然言語の説明から解釈し、対応するデザインロジックを生成することでデザイナーを支援するシステムを提案する。プロトタイプシステムは、ユーザーのテキストプロンプトからデザインスクリプトを作成できるようにすることで、デザインスクリプトの生成と推論におけるLLMの可能性を検証するものである。
システムアーキテクチャ
システムは、LLMエージェント、メッセージ交換を処理するAPI、生成されたJSONをキャンバスに解析するGrasshopperプラグインの3つの主要なレイヤーで構成されている。ユーザーはテキストプロンプトを入力し、APIを介して最初のLLMエージェントに送信される。最初のエージェントは、ユーザーのデザイン意図を推論し、スクリプトの入力を定義し、幾何学的ロジックを構築する。これらの操作は、Grasshopper固有のスクリプトにマッピングされ、後続のエージェントによってJSONファイルに変換される。JSONはGrasshopper環境に返され、スクリプトが生成される。
エージェントの機能

最初のエージェント: ユーザーのプロンプトからデザイン意図を理解し、パラメータ化する入力を決定し、値の範囲を割り当て、目標ジオメトリに繋がる幾何学的操作の連鎖を構築する。
2番目のエージェント: 最初のエージェントによって作成されたロジックを、Grasshopper環境の特定のコンポーネントまたは操作のセットにマッピングする。また、ループやロジックの繰り返しを分解するなど、この環境特有のフローベースの制約に合わせてスクリプトを調整する。
3番目のLLMエージェント: 2番目のエージェントによって生成されたコンポーネントチェーンを取得し、JSON言語で指定されたスキーマに変換する。
結果
プロトタイプシステムは、「トラス」、「傘」、「吊り橋」という最小限のテキスト入力から、パラメトリックなスクリプトまたはスニペットを生成することができた。LLMは、学習したデータから、かなり複雑な幾何学的関係を、パラメトリックな、すぐに使えるスクリプトとして再構築することができることがわかった。

抽出されたキーインサイト

Mediating Modes of Thought: LLM's for design scripting

by Moritz Riets... 場所 arxiv.org 11-25-2024

https://arxiv.org/pdf/2411.14485.pdf

深掘り質問

LLMを用いたデザインツールは、デザイナーの創造性をどのように変化させるのだろうか？

LLMを用いたデザインツールは、デザイナーの創造性を以下の3つの点で大きく変化させる可能性があります。

発想の幅の拡大: 従来のパラメトリックデザインツールでは、デザイナーはアルゴリズムやプログラミングの知識が求められ、表現の幅が制限されていました。LLMを用いることで、自然言語による指示やイメージ、スケッチなど、より直感的なインターフェースで複雑な形状や構造を生成できるようになります。これは、デザイナーが本来の創造的な活動に集中することを可能にし、これまで想像もつかなかったような斬新なデザインを生み出す可能性を秘めています。

試行錯誤の効率化: デザインプロセスにおいて、試行錯誤は非常に重要です。LLMは、膨大なデザインデータや過去の事例を学習しているため、デザイナーの意図を汲み取り、複数のデザイン案を提案することができます。さらに、パラメータ調整による形状の変化をリアルタイムに可視化することで、効率的な試行錯誤を支援します。これにより、デザイナーは短時間でより多くの可能性を探求し、最適なデザインに到達することが可能になります。

専門知識の補完: 構造計算や環境シミュレーションなど、建築デザインには専門的な知識が求められる場面が多く存在します。LLMは、これらの専門知識を学習し、デザインプロセスに統合することで、デザイナーの意思決定を支援することができます。例えば、構造的に最適な形状を提案したり、環境負荷を考慮した材料選定を支援したりすることが可能になります。

しかし、LLMはあくまでツールであり、創造性の源泉はあくまでもデザイナー自身にあります。LLMがもたらす可能性を最大限に活かすためには、デザイナー自身がその特性を理解し、自身の創造性を高めるためにLLMをどのように活用していくかが重要になります。

LLMが生成したデザインの著作権は誰が所有するのか？

LLMが生成したデザインの著作権については、現時点では明確な法的解釈が確立されていません。 複雑な問題であり、今後の議論や法整備が待たれる状況です。
現行の著作権法では、著作物は「思想又は感情を創作的に表現したものであって、文芸、学術、美術又は音楽の範囲に属するもの」と定義されています (著作権法第2条第1項第1号)。
LLMが生成したデザインを著作物と認める場合、誰が著作者となるかが問題となります。 考えられるのは以下の３つです。

LLMの開発者: LLMの学習データやアルゴリズムを作成した開発者が著作権を主張する可能性があります。
LLMの使用者: LLMに指示を与え、具体的なアウトプットを得た使用者（デザイナーなど）が著作権を主張する可能性があります。
LLM自身: LLMが自律的に創造性を発揮してデザインを生み出したとみなされる場合、LLM自身が著作者となりうる可能性も考えられますが、現在の法体系では認められません。

LLMが生成したデザインの著作権については、今後、LLMの進化や社会実装が進むにつれて、活発な議論と法整備が求められる重要な論点となるでしょう。

LLMを用いることで、これまで以上に複雑で有機的な建築物を設計することができるようになるのだろうか？

はい、LLMを用いることで、これまで以上に複雑で有機的な建築物を設計することが可能になると考えられます。

複雑な形状生成: LLMは、従来のCADソフトでは困難であった複雑な曲線や自由曲面を扱うアルゴリズムを容易に生成することができます。自然界の形態や数学的なモデル、デザイナーのスケッチなど、多様な入力データから有機的な形状を生成することが可能になります。

構造最適化: 複雑な形状の建築物は、構造的な安定性を確保することが課題となります。LLMは、構造解析の知識を組み込むことで、形状や材料に合わせて構造的に最適な設計を提案することができます。軽量かつ強靭な構造を実現することで、より大胆で有機的な建築物の実現が可能になります。

環境との調和: 有機的な建築物は、周囲の環境と調和し、自然と共生することが求められます。LLMは、日照、風、気温などの環境データを分析し、快適な室内環境を実現するデザインを生成することができます。例えば、太陽光を最大限に取り込むパッシブデザインや、自然換気を促進する形状などを提案することができます。

個別最適化: LLMは、個々の建築物の用途や敷地条件に合わせて、最適なデザインを生成することができます。例えば、人の流れをシミュレーションし、効率的な動線を確保したり、周辺環境との調和を考慮したファサードデザインを生成したりすることが可能になります。

LLMは、有機的な建築物の設計においても強力なツールとなりえます。しかし、実現には、LLMの技術的な進歩だけでなく、建築材料や施工技術の革新も必要不可欠です。 LLMと建築分野の相互的な発展によって、より複雑で美しい、そして環境と調和した建築物が実現すると期待されます。