هوش مصنوعی در حوزۀ معماری: آیا هوش مصنوعی جایگزینِ معماران خواهد شد؟
هوش مصنوعی در حوزۀ معماری در حال پیشرفت است. با توسعۀ ابزارهای خودکار برای تولید تصویر، طراحی شماتیک، برنامه‌ریزی شهری، چیدمان فضای داخلی و غیره، هوش مصنوعی در حوزۀ معماری مورد اقبال گسترده قرار گرفته است. هم‌چنان‌که قابلیت‌های هوش مصنوعی در حوزۀ معماری به‌طور فزاینده تکامل می‌یابند، معماران بیش از پیش به ایفای نقش سرپرست یا ناظر نزدیک می‌شوند. به طور خلاصه:
- هوش مصنوعی در حوزۀ معماری در مرحلۀ میانی توسعه است و در تولید تصاویر با جزئیات عمیق و حل مسئله دستِ بالا را دارد.
- این‌دو مهارت معماران را به سمت ایفای نقش سرپرستی در حوزۀ طراحی سوق می‌دهند تا بنشینند و گزینه‌های هوش مصنوعی را قبول یا رد کنند.
- محدودیت‌های اصلی هوش مصنوعی در حوزۀ معماری در دلِ قابلیت‌های تصویرسازی و حل مسئله نهفته است. در واقع، هوش مصنوعی نمی‌تواند از تصویر دلخواه شما یک طرح‌وارۀ قابل ساخت ارائه دهد یا از طرح‌وارۀ قابل ساخت شما تصویری دقیق بسازد.
هوش مصنوعی در حوزۀ معماری در حال بدل شدن به ابزاری فراگیر و قدرتمند است که همچنان در مراحل میانی توسعه قرار دارد. هوش مصنوعی می‌تواند کارهای ساده و عملیاتی مانند نحوۀ چیدمان پلان را با سرعت و تنوعی بی‌نظیر به انجام برساند و چشم‌انداز خلاقانه‌ای را به کمک یک پیام متنی ساده از دلِ تصاویر اینترنتی بیرون بکشد. اما تلفیق این‌دو بخش از فرایند طراحی- یعنی علم پایه و هنر معماری- دشوار به نظر می‌رسد.
ارائۀ چند توضیح معماری («یک خانۀ ییلاقی کالیفرنیایی قدیمی در ناحیۀ رنچو لا بریا») به برنامه‌های تصویرساز مانند میدجرنی باعث نمی‌شود که طرحی قابل ساخت به دست آورید. پلان‌ها هم که به‌صورت الگوریتمی بی‌انتها تولید می‌شوند، فقط برای آشنایی با نحوۀ استفاده از فضای محیط کاربرد دارند. از این‌رو، تلفیق این‌دو قابلیت، بزرگ‌ترین پیشرفتِ فناوری طراحی در عصر هوش مصنوعی خواهد بود.
بررسی کنید: خرید آپارتمان در بندرانزلی با معماری منحصربفرد و تسهیلات بانکی
هوش مصنوعی در معماری چه استفاده‌ای دارد
هوش مصنوعی در طراحی معماری براساس برنامه‌های کامپیوتری عمل می‌کند؛ برنامه‌هایی که از قوۀ شناخت انسان برای حل مسائل پیچیده و واکنش پویا به عوامل محرک بهره می‌گیرند. برای نمونه می‌توان به یادگیری ماشینی اشاره کرد که با توانایی هوش مصنوعی برای تشخیص الگوها و یادگیری از آن‌ها سروکار دارد؛ قابلیتی که خودش را به‌طور مستقل و بدون نیاز به دخالت انسان بهبود می‌دهد.
هوش مصنوعی به واسطۀ فرایند طراحی با معماری ارتباط پیدا کرده است. برنامه‌های تصویرساز مانند میدجرنی با تجزیه و تحلیل تصاویر اینترنتی و به کمک پیام‌های متنی کوتاه می‌توانند تصاویری با جزئیات دقیق و کیفیت مناسب تولید کنند. این قابلیت موهبتی قدرتمند برای اندیشه‌باران مفهومیِ پیش‌رس است که معادل دیجیتالی اسکچ یا همان طرح اولیه محسوب می‌شود. این تصاویر برای دسترسی به عموم مردم مفید هستند و می‌توان از آن‌ها در امر بازاریابی و تبلیغات برای ارائۀ مفاهیم و زمینه‌های طراحی اولیه استفاده کرد.
هوش مصنوعی می‌تواند عملکرد همزادهای دیجیتالی را در ارزیابی متغیرهای دگرگون‌شونده بهبود بخشد و یاد بگیرد که عملیات ساخت و طراحی را ارتقا دهد.
ابزارهای هوش مصنوعی متمرکز می‌توانند طرح‌های مربوط به معیارهای ساخت را بهینه‌سازی کنند، پلان طبقات را با استفاده از ورودی‌های برنامه و داده‌های فضایی تهیه کرده و آن‌ها را به‌صورت پویا با جابجایی دیوارها و پارتیشن‌ها از نو سازماندهی کنند. مهندسان هوش مصنوعی در حال کار روی تلفیق رابط‌های متنی مبتنی بر زبان طبیعی، مانند چت جی‌پی‌تی، با ابزارهای معماری مبتنی بر هوش مصنوعی هستند. تولید ورق آج‌دار با کمک هوش مصنوعی نوعی طراحی پارامتریک است که از مدت‌ها پیش برای ساخت سازه‌های گوناگون در حوزۀ معماری کاربرد داشته است.
با توجه به توان محاسباتی عالی هوش مصنوعی، معماران و طراحان می‌توانند از هوش مصنوعی مولّد در راستای فعالیت‌های کاری‌شان استفاده کنند که به‌جای تولید انبوهی از سازه‌های مبتنی بر الزامات ساخت، کیفیت هر سازه را براساس مجموعه‌ای از معیارهای تعریف‌شدۀ کاربر رتبه‌بندی می‌کند.
بسیاری از معماران عادت دارند که در طراحی‌های خود از فرایندهای دیجیتال مانند مدل‌سازی اطلاعات ساختمان استفاده کنند و هوش مصنوعی در حال تغییر کاربریِ چنین مدل‌سازی‌هایی است. همزادهای دیجیتالی که تمام تعاریف رسمی و داده‌های عملکردی مربوط به سازه را شامل می‌شوند، از بسیاری جهات به‌عنوان فاز بعدی تکاملِ مدل‌سازی اطلاعات ساختمان شناخته می‌شوند.
هوش مصنوعی به ما کمک می‌کند که این مدل‌ها را آزمایش یا دستکاری کنیم و ببینیم که تغییر یک متغیر چه تأثیری روی بازدهی انرژی ساختمان، ضریب کسب حرارت خورشیدی یا سایۀ ساختمان بر خیابان دارد. همچنین می‌تواند به‌طور مستمر و مستقل یاد بگیرد که چطور عملیات و فرایند طراحی را بهبود بخشد. این فناوری نوظهور از حسگرها و دستگاه‌های تحت شبکۀ اینترنت اشیاء که داده‌ها را بدون واسطه به همزادهای دیجیتالی می‌رسانند تغذیه می‌کند.
بیشتر بدانید: استعلام برای خرید زمین و ۵ اقدام بسیار مهم قبل از خرید زمین
مزایای استفاده از هوش مصنوعی در طراحی معماری
بیشترین کاربردِ هوش مصنوعی در طراحی معماری به انجام فوری روزمره و تکراری و بهینه‌سازی طرح‌ها به واسطۀ پیشرفت‌های جزئی مربوط می‌شود که اغلب از آن تحت عنوان هوش مصنوعی ضعیف یا محدود یاد می‌شود. اگر این امور هم‌پوشانی داشته باشند- که اغلب چنین است- هوش مصنوعی بیشترین کارایی را خواهد داشت. هوش مصنوعی می‌تواند یک برج مسکونی را با آپارتمان‌های مورد نظر توسعه‌دهندگان طراحی کند و هرکدام را با مصالح و هزینه‌های مختلف بسازد.
طراحان همچنین می‌توانند از برنامه‌های تصویرساز به‌عنوان «تابلوی ایده‌ها» برای الهام گرفتن در کارشان استفاده کنند و یک ترکیب بصری فوری بر مبنای مجموعه تصاویرشان بسازند. این تصاویر می‌توانند مادامی‌که معماران مشغولِ راه‌اندازی سیستم‌های مهندسی و سازه‌ای هستند، برای آن‌ها یک هدف زیبایی‌شناختی تعیین کنند.
در هردو سناریوها، معماران به‌جای کنترل دقیق تصمیمات طراحی، نقش سرپرست یا ناظر را برعهده می‌گیرند؛ یعنی پارامترها را تعیین می‌کنند، گزینه‌ها را قبول یا رد می‌کنند و الگوریتم‌ها را راهنمایی می‌کنند. این یک تغییر اساسی در فرایند معماری است. تفاوت هنوز مشخص نیست: آیا این ابزار جدید وسیله‌ای است مثل طراحی سه‌بعدی یا مدل‌سازی اطلاعات ساختمان که زحمت کارگران را کمتر می‌کند یا تغییری اساسی در فرایند خلاقانۀ تولید ایجاد کرده است؟
هوش مصنوعی می‌تواند امور روزمره و تکراری را به سرعت انجام دهد، چیدمان فضای اتاق و سایر طرح‌ها را با پیشرفت‌های جزئی بهینه‌سازی کرده و دست طراحان را برای انجام کارهای خلاقانه‌تر باز بگذارد.
(بررسی کنید: خرید ویلا در بندرانزلی با تسهیلات بانکی)
۷ نمونۀ هوش مصنوعی در پروژه‌های معماری
استفاده از ابزارهای خودکار برای سازماندهی سایت و داده‌های متنی قبل از شروع کار طراحی می‌تواند ابهامات را از بین ببرد و امید است که خطرات را هم برطرف کند. این ابزارها باعث می‌شوند که کارهای فنی و برنامه‌نویسی‌های سنگین برای کسانی که کدنویس نیستند- از جمله طراحان و توسعه‌دهندگان- آسان‌تر شوند. مثال‌های زیر نشان می‌دهند که هوش مصنوعی در حوزۀ معماری- چه در پروژه‌های پژوهشی و چه در محصولات تجاری- می‌تواند زمینۀ بهبود فرایند طراحی را فراهم کند تا خلاقیت طراح در کانون توجه قرار گیرد.
۱. هوش مصنوعی برای برنامه‌ریزی شماتیک
فینچ یک ابزار برنامه‌ریزی پارامتریک با طیف وسیعی از توابع طراحی است. این برنامه می‌تواند تنها با چند ورودی محدود پلان طبقات را تولید و آن‌ها را به‌صورت درجا شخصی‌سازی کند. برای نمونه می‌توانید یکی از دیوارها را انتخاب کنید، آن را جابجا کرده و تغییر نسبت، محیط و ساختار اتاق‌های مجاور را تماشا کنید.
این پلتفرم مقررات برنامه‌ریزی محلی را هم لحاظ می‌کند و به کاربران اجازه می‌دهد که کارایی سازه، تعداد واحدها یا سایر متغیرها را بهینه‌سازی کنند؛ همچنین می‌تواند پلان طبقات را در محدوده‌های دلخواه بنشاند، اشکال نامنظم و طبیعی را به واحدهای فرعی تقسیم کند، پله‌ها را به‌صورت پویا به طبقات مختلف وصل کرده و مسیر بهینۀ جاده را در زمین مربوطه رهگیری کند.
۲. هوش مصنوعی برای توسعۀ شهری
ابزارهای جدید هوش مصنوعی با نگاهی فراتر از الزامات ساختوساز از توان مولّد خود در مقیاس شهری استفاده می‌کنند. این ایده در برنامۀ آتودسک فُرما عملی شده است. فُرما از اتوماسیون ابری بر مبنای هوش مصنوعی بهره می‌گیرد که واکاویِ مفاهیم طراحی را ساده‌تر می‌کند، وظیفۀ انجام امور تکراری را برعهده می‌گیرد و به ارزیابی کیفیت محیطی سایت ساختوساز کمک می‌کند.
فُرما که در مراحل اولیۀ برنامه‌ریزی و طراحی به‌کار گرفته می‌شود، در لحظه به ارزیابی عوامل کیفی محیط مانند ساعات نور خورشید، پتانسیل نور روز، باد، انرژی عملیاتی و خُرداقلیم می‌پردازد و نیازی به تخصص فنی کاربران ندارد. یادگیری ماشینی و آنالیزهای محیطی مبتنی بر هوش مصنوعی از روز اول طراحی برای دستیابی به اهداف تجاری و پایداری به‌کار گرفته می‌شوند.
برای نمونه، مدل‌سازی باد به کمک فُرما نشان می‌دهد که ساختمان چه نقشی در مسیردهی به باد دارد. این کار را با استفاده از دینامیک سیالات محاسباتی و به منظور پالایش طرح‌ها برای آسایش خاطر معماران انجام می‌گیرد.
۳. هوش مصنوعی در فرایند مناقصه
کان‌ایکس‌تک، شرکت ساختوساز فعال در منطقۀ خلیج، از هوش مصنوعی برای به دست گرفتن کنترل یکی از غیرقابل پیش‌بینی‌ترین مراحل ساختوساز بهره می‌گیرد که همان مرحلۀ مناقصه است.
به‌مانند دیگر شرکت‌های ساختمانی، کان‌ایکس‌تک در مرحلۀ توسعۀ پروژه مورد توجه مالکان و توسعه‌دهندگان قرار می‌گیرد. قابلیت اجرای پروژه در این مقطع هنوز قطعی نشده و گزینه‌های مختلفی روی میز است. این مسئله شرکت‌هایی مثل کان‌ایکس‌تک را مجبور می‌کند تا برای پروژه‌هایی که ممکن است هرگز به مرحلۀ ساخت نرسند، شبیه‌سازی‌های تکراری انجام دهند. در نهایت ممکن است میلیون‌ها دلار صرف پروژه‌های ناموفق یا مناقصه‌های نافرجام شود. در عین حال، مالکان و توسعه‌دهندگان از شرکت‌های ساختمانی انتظار دارند که راه‌حلی قابل اجرا و اقتصادی پیش پای‌شان بگذارند.
کان‌ایکس‌تک برای کوتاه کردن چرخۀ مناقصه و کاهش هزینه‌های مربوط به آن از آتودسک ریسرچ برای توسعۀ پلتفرم اولیۀ مناقصه استفاده می‌کند که از هوش مصنوعی برای یافتن اقتصادی‌ترین طراحی براساس مخارج مصالح و هزینۀ ساخت بهره می‌گیرد. این مخارج به فروشندگان و پیمانکاران پروژه بستگی دارد و بسته به مکان پروژه متفاوت خواهد بود.
۴. هوش مصنوعی برای طراحی و برنامه‌ریزی حجمی
اوبایاشی و آتودسک یک پلتفرم هوش مصنوعی دارند که به معماران اجازه می‌دهد با وارد کردن پارامترهای ساختمان به طراحی حجمی ساختمان و انواع برنامه‌ریزی داخلی دست پیدا کنند.
اوبایاشی شرکتی ژاپنی است که در زمینۀ ساختوساز، مهندسی و املاک و مستغلات فعالیت دارد. این شرکت با همکاری آتودسک ریسرچ تلاش کرد تا به یک راه‌حل هوش مصنوعی دست پیدا کند؛ راه‌حلی که به معماران اجازه می‌دهد با وارد کردن پارامترهای اساسی ساختمان و ارائۀ چند راهنمایی مختصر، به طراحی حجمی ساختمان و انواع برنامه‌ریزی داخلی دست پیدا کنند. این هوش مصنوعی که بیشتر در طراحی فضاهای اداری به‌کار گرفته می‌شود، با به‌کارگیری بیش از 2.800 نمونه‌کار اوبایاشی که با استفاده از نرم‌افزار آتودسک رِویت طراحی شده‌اند، توسعه یافته است.
هوش مصنوعی روابط انتزاعی بین برنامه‌ها و اندازه‌ها و نسبت‌های مطلوب در حجم ساختمان را درک می‌کند. برای طراحی چیدمان داخلی، طراح و مشتری از پارامترهای لغوی استفاده می‌کنند: جملاتی ساده که ابعاد مختلف ساختمان و مکان هرکدام از آن‌ها را مشخص کرده و ارتباط آن‌ها را با یکدیگر نشان می‌دهند. برای نمونه، می‌توان این‌طور نوشت که «اتاق جلسات باید نزدیک پنجره‌ها باشند» یا «اتاق ناهارخوری باید برای حفظ ایمنی دور از آزمایشگاه باشد.»
۵. هوش مصنوعی برای بهبود زیبایی‌شناختی تصاویر
شرکت ماکت به‌مانند اوبایاشی می‌تواند در طراحی شماتیک اولیه به معماران کمک کند. برای نمونه، ماکت می‌تواند با دریافت ابعاد، انواع و محدوده‌های لازم یک پلان دقیق از طبقۀ مورد نظر بسازد و این کار به کمک یک رابط متنی مبتنی بر زبان طبیعی انجام می‌گیرد.
ماکت همچنین یک دستیار نظارتی است که می‌تواند اسناد قانونی بارگذاری‌شده را بخواند و به سؤالات شما دربارۀ آن‌ها پاسخ دهد. طراحان همچنین می‌توانند عکس‌های معماری را روی آن بارگذاری کنند، از پیام‌های متنی برای اِعمال تغییرات زیبایی‌شناختی استفاده کرده یا وسایل داخلی و مبلمان را به عکس اضافه کنند.
۶. هوش مصنوعی برای توسعه‌دهندگان املاک
پلتفرم پارافین یک ابزار طراحی مولّد بر مبنای ابر است که به کار توسعه‌دهندگان املاک می‌آید و از هوش مصنوعی برای تعیین صرفۀ اقتصادی پروژه در جریان برنامه‌ریزی اولیه استفاده می‌کند.
پارافین از هوش مصنوعی پارامتریک برای تعدیل برنامه، هزینه و صرفۀ اقتصادی بهره می‌گیرد. این برنامه توسط برایان آمس معمار و آدام هنگلس توسعه‌دهنده از مرکز فناوری آتودسک توسعه یافته است. این برنامه بی‌نهایت حالت ممکن را با تمرکز بر سودآوری و عملکرد عینی پروژه به نمایش می‌گذارد.
پارافین یک پلتفرم طراحی مولّد بر مبنای ابر است که در حال حاضر برای توسعۀ هتل‌ها به‌کار گرفته می‌شود. این پلتفرم که در درجۀ اول مورد توجه توسعه‌دهندگان املاک قرار دارد، به ارزیابی فوری صرفۀ اقتصادی پروژه در جریان برنامه‌ریزی اولیه کمک می‌کند.
این پلتفرم فقط به چند پارامتر (تعداد اتاق، پارکینگ، مکان، ارتفاع و دستورالعمل‌های مربوط به نشان تجاری برای هتل‌داران) نیاز دارد و می‌تواند میلیون‌ها حالت مختلف را برای انجام پروژه در اختیارتان بگذارد که همگی براساس عملکرد مالی، هزینه و موارد دیگر قابل پیگیری هستند. پارافین به واسطۀ یک رابط مبتنی بر نقشه و فهرست در مرورگر وب کار می‌کند و می‌تواند پلان دقیق طبقات، نماهای سه‌بعدی و فایل‌های رِویت مورد نظر را برای هر طرح تولید کند.
۷. هوش مصنوعی برای بهینه‌سازی عملکرد
کاو.تول یک برنامۀ خودکار برای طراحی ساختمان است که توسط معمار معروف ساندیپ آهوجا توسعه یافته است. این برنامه از یادگیری ماشینی استفاده می‌کند تا ببیند که چگونه می‌توان مصرف انرژی و کربن، مقدار روشنایی روز، ساختار هزینه و موارد دیگر را در طرح‌های ساختمانی بهبود بخشید.
کاو.تول همچنین می‌تواند با تغییر متغیرهایی مانند جهت‌گیری ساختمان و نوع مصالح به ارزیابی خروجی پروژه بپردازد و هزینۀ ساخت را براساس معیارهای مختلف بهینه‌سازی و نتایج را برحسب استانداردهای کیفی رتبه‌بندی کند. با توجه به جزئیات ریز این برنامه، کاو.تول اساساً جزو همزادهای دیجیتالی مرحلۀ پیش‌ساخت محسوب می‌شود که در الگوریتم‌های یادگیری ماشینی ادغام شده و عملکرد ساختمان را به تدریج بهبود می‌بخشد.
قابلیت‌های کامپیوتری فرصت بیشتری برای ایجاد تعادل بین هوش انسان و ماشین فراهم می‌کنند، اما انسان‌ها فعلاً در حوزۀ خلاقیت حرف اول را می‌زنند.
(بیشتر بدانید: دهکده ساحلی انزلی شهرکی با معماری و بافت منحصربفرد)
آیا هوش مصنوعی جایگزینِ معماران خواهد شد؟
با توجه به این‌که هوش مصنوعی در حوزۀ معماری پدیده‌ای نوظهور است، نمی‌توان گفت چه تأثیری بر مشاغل معماری می‌گذارد. البته با توجه به این‌که هوش مصنوعی در کارهایی مثل جمع‌آوری جزئیات و تنظیم نقشه‌های فنی عملکرد بهتری دارد، انتظار می‌رود نیاز شرکت‌ها به طراحان مبتدی که معمولاً روی همین موارد تمرکز دارند کاهش پیدا کند. از سوی دیگر، پتانسیل هوش مصنوعی برای رهایی معماران از دست جزئیات پردردسر به حدی بالاست که شاید کارفرمایان برای تسریع امور به فکر استفاده از این ابزارهای کم‌زحمت بیافتند.
پای هوش مصنوعی هنوز به بسیاری از حوزه‌های طراحی معماری باز نشده و این پدیده هنوز نمی‌تواند پارامترهایی مثل برنامه، اندازه، مخاطب، مصالح یا بستر جغرافیایی پروژه را تعیین کند. این پارامترها به واسطۀ تعامل با مشتریان به دست می‌آیند و نمی‌توان آن‌ها را به دست هوش مصنوعی سپرد. این فناوری همچنین درک ناچیزی از نحوۀ جابجایی افراد در فضا و تعامل با اشیاء دارد و هنوز نمی‌تواند به واسطۀ یک پیام متنی، تصاویر سه‌بعدی مورد نظر معماران را با همان دقت تصاویر دوبعدی تولید کند.
به‌علاوه، چشم‌اندازهای خارق‌العادۀ میدجرنی و دال-ئی شامل قوانین ساختوساز نمی‌شوند. اگر به صنعت معماری، مهندسی و ساختوساز بنگریم، خواهیم دید که هوش مصنوعی کمترین استفاده را در حوزۀ رباتیک داشته که مستقیماً با مکان‌های ساخت یا ساختمان‌ها در تعامل هستند. با ظهور ربات‌های اسکنر که تا حدی مستقل عمل می‌کنند اما همچنان به دستیار انسانی نیازد ارند، این روند در حال تغییر است.
پتانسیل هوش مصنوعی در معماری به واسطۀ پویایی‌های اقتصادی و انتخاب‌های یک‌سویه که بر کیفیت داده‌های مورد نیاز این برنامه‌ها اثر می‌گذارد، محدود می‌شود. گسترۀ عملکرد الگوریتم هوش مصنوعی برحسب مقدار داده‌هایی که باید از آن‌ها بیاموزد، تعیین می‌شود که مقدار آن در حوزۀ معماری می‌تواند انحصاری باشد؛ امری که مانع از به اشتراک گذاشتن آن با رقبای بالقوه در حیطۀ هوش مصنوعی می‌شود.
به‌علاوه، هوش مصنوعیِ تصویرساز تنها می‌تواند چیزی را که پیش‌تر دیده بازتولید کند. از این‌رو، اگر بانک تصاویر اینترنتی از منظر فرهنگی یا جغرافیایی دچار سوگیری باشد (مثلاً اگر بیش از حد به تصاویر معماری کشورهای ثروتمند غربی متکی باشد)، نتیجۀ کار هم دچار سوگیری خواهد شد.
هوش مصنوعی نتیجۀ تکامل اتوماسیون است و فرایندهای خودکار با کار طراحی سازگاری دارند، فقط نام متفاوتی بر آن‌ها نهاده شده است. جیم استودارت از استودیوی معماری زندگی در این‌باره می‌گوید:
«اگر چیزی را در رِویت طراحی کنم و هوش مصنوعی به‌طور خودکار مختصات ساخت آن را تولید کند، دیگر نگران چیزی نخواهم بود. اتوماسیون کار خودش را بلد است و تمام کارهایی را که پیش‌تر به‌صورت دستی انجام می‌دادم، به‌جای من انجام می‌دهد.»
قابلیت‌های محاسباتی پیشرفته فرصت‌های بیشتری برای ایجاد تعادل بین هوش انسان و ماشین فراهم می‌کنند و اجازه می‌دهند هرکسی یا هرچیزی بهترین کاری را که بلد است انجام دهد. مایک مندلسون، مدرس و طراح برنامۀ درسی در مؤسسۀ ژرف‌آموزی اِنویدیا می‌گوید: «کامپیوترها در ارائۀ راه‌حل‌های خلاقانۀ بی‌انتها چندان خوب نیستند و انسان‌ها هنوز در این زمینه دستِ بالا را دارند. با این‌حال، ما می‌توانیم از طریق اتوماسیون در زمان مربوط به انجام کارهای تکراری صرفه‌جویی کنیم و وقت آزادمان را روی کار طراحی بگذاریم.»
در پایان، می‌توانید برای مطالعه مقالات بیشتر در این خصوص به صفحه معماری مراجعه کنید. علاوه بر این، برای بازدید از جدیدترین فایل‌های ملکی با بهترین قیمت و موقعیت در شهر انزلی کافی‌ست از طریق لینک وارد صفحه اصلی سایت شوید. اگر علاقمند باشید از طریق صفحه معرفی بهترین محله‌های انزلی می‌توانید با سایر خیابان‌ها و محلات این شهر مانند: دهکده ساحلی بندرانزلی، خیابان پاسداران، بلوار ساحل قو، بلوار معلم، بلوار اطبا و برخی دیگر از مناطق آشنا شوید. در این صفحه اطلاعات جامعی را از محلات انزلی کسب خواهید کرد.
منبع: autodesk
