معماری در عصر هوش مصنوعی: تصویر بیشتر / پرسش کم‌تر

پیش از آنکه ابزارهای مولد بتوانند در چند ثانیه یک ساختمان خیالی تولید کنند، معماری سال‌ها بود که بیش از پیش از طریق تصویر دیده، مصرف و قضاوت می‌شد. مجلات معماری، وب‌سایت‌ها، مسابقات، پلتفرم‌های تصویری و در سال‌های اخیر شبکه‌های اجتماعی، تصویری از معماری ساخته‌اند که در آن، یک پروژه پیش از آنکه تجربه شود، دیده می‌شود؛ پیش از آنکه درباره عملکردش پرسیده شود، پسندیده می‌شود و پیش از آنکه مشخص شود برای چه کسی ساخته شده، به یک تصویر قابل انتشار تبدیل می‌شود. هوش مصنوعی این وضعیت را ایجاد نکرده است. سرعت، مقیاس و سهولت تولید آن را چند برابر کرده است. و شاید همین‌جا نخستین پرسش جدی شکل بگیرد: آیا معماری در عصر هوش مصنوعی به تصویر تقلیل پیدا کرده است؟

پاسخ اگر فقط «بله» باشد، ساده‌انگارانه است. اگر «خیر» باشد نیز چیزی را توضیح نمی‌دهد. مسئله عمیق‌تر از این دوگانه است. هوش مصنوعی شاید بیشتر از آنکه معماری را تغییر داده باشد، شکافی را آشکار کرده که مدت‌ها درون این حرفه وجود داشته است: فاصله میان «تصویر معماری» و «خود معماری».

یک تصویر می‌تواند فرم یک ساختمان را نشان دهد، اما نمی‌تواند به‌تنهایی توضیح دهد چرا آن فرم انتخاب شده است. نمی‌تواند به جای طراح درباره اقلیم، اقتصاد، سازه، رفتار کاربران، قوانین، مصالح، هزینه، نگهداری، دسترسی یا تأثیر پروژه بر شهر تصمیم بگیرد. تصویر، نتیجه بخشی از یک فرآیند است؛ نه خود فرآیند.

معماری محصول نهایی نیست؛ فرآیندی از شناخت، پرسش، آزمون، حذف، انتخاب، اصلاح و تصمیم‌گیری است.

دونالد شون، که بخش مهمی از پژوهش خود را به شیوه اندیشیدن حرفه‌ای در معماری و طراحی اختصاص داد، طراحی را یک «گفت‌وگوی تأملی با موقعیت» می‌داند؛ فرآیندی که در آن طراح هم‌زمان با طراحی، مسئله را نیز دوباره می‌شناسد و بازتعریف می‌کند. این نکته برای فهم جایگاه هوش مصنوعی مهم است. AI می‌تواند در بسیاری از بخش‌های این فرآیند کمک کند؛ می‌تواند گزینه‌های بیشتری تولید کند، داده‌ها را تحلیل کند، تصویر بسازد، سناریو پیشنهاد دهد و حتی در برخی مراحل طراحی، امکان آزمودن گزینه‌هایی را فراهم کند که پیش از این زمان زیادی برای تولیدشان لازم بود. پژوهش‌های جدید نیز نشان می‌دهند کاربرد هوش مصنوعی مولد در معماری به‌سرعت در حال گسترش است، اما تمرکز اصلی آن همچنان در مراحل اولیه و مفهومی طراحی است و تصویر، قالب غالب در داده‌های ورودی و خروجی این فرآیند باقی مانده است. بنابراین مسئله این نیست که AI نمی‌تواند در معماری کاری انجام دهد. برعکس؛ می‌تواند بسیار کارها انجام دهد. مسئله این است که چه کسی تصمیم می‌گیرد کدام کار ارزش انجام دادن دارد؟

آیا هوش مصنوعی جایگزین معمار خواهد شد؟

در مواجهه با AI دو نگاه افراطی شکل گرفته است. یک طرف معتقد است هوش مصنوعی در نهایت معمار را حذف خواهد کرد؛ طرف دیگر تلاش می‌کند ارزش AI را انکار کند و آن را صرفاً ابزاری برای تولید تصاویر جذاب بداند. هر دو نگاه یک اشتباه مشترک دارند: معماری را به مجموعه‌ای از کارهایی که می‌توان خودکار کرد تقلیل می‌دهند. معمار فقط کسی نیست که خط می‌کشد، مدل سه‌بعدی می‌سازد یا رندر تولید می‌کند. بخش مهمی از کار معماری، پیش از ترسیم اولین خط اتفاق می‌افتد: تعریف مسئله.

قرار است چه چیزی حل شود؟ برای چه کسی؟ در چه مکانی؟ با چه منابعی؟ تحت چه محدودیت‌هایی؟ با چه پیامدهایی؟ حتی ممکن است مسئله‌ای که کارفرما مطرح کرده، مسئله واقعی پروژه نباشد. ممکن است چیزی که در ابتدا یک مشکل فرمی به نظر می‌رسد، در واقع مسئله‌ای اقتصادی، اجتماعی، اقلیمی یا شهری باشد. یافتن این مسئله و تبدیل آن به یک پرسش طراحی، بخشی از همان تخصصی است که به‌سادگی در یک تصویر نهایی دیده نمی‌شود.

شون نیز در بحث طراحی بر همین پیچیدگی تأکید می‌کند: در موقعیت‌های طراحی، مسئله از پیش به شکل کامل و قطعی وجود ندارد و طراح در فرآیند کار، خودِ مسئله را نیز دوباره صورت‌بندی می‌کند. اینجاست که باید میان «دسترسی به ابزار» و «تخصص» تفاوت گذاشت. هوش مصنوعی بسیاری از مهارت‌های تولیدی را دموکراتیزه[1] کرده است؛ یعنی ابزارهایی که پیش‌تر به دانش نرم‌افزاری، تجهیزات، زمان یا نیروی متخصص بیشتری نیاز داشتند، اکنون با یک رابط ساده‌تر در دسترس طیف بسیار بزرگ‌تری از افراد قرار گرفته‌اند. یک کاربر می‌تواند بدون تسلط کامل بر مدل‌سازی یا رندرینگ، تصویری پیچیده تولید کند. این اتفاق ارزشمند است. اما دسترسی گسترده‌تر به ابزار، به معنای توزیع برابر تخصص نیست.

AI می‌تواند امکان تولید را برای افراد بیشتری فراهم کند، اما به‌تنهایی به آن‌ها نمی‌آموزد که یک مسئله معماری را درست تعریف کنند، میان چند راه‌حل تصمیم بگیرند یا مسئولیت پیامدهای انتخاب خود را بپذیرند. هوش مصنوعی دسترسی به ابزار را فراهم کرده است؛ اما تخصص را نه. وقتی طراحی به چند خط دستور تبدیل می‌شود، چه چیزی حذف شده است؟ پرامپت می‌تواند دستور تولید باشد، اما آیا می‌تواند جای فرآیند اندیشیدن را بگیرد؟

این پرسش به معنای بی‌ارزش دانستن Prompt Engineering یا طراحی با زبان نیست. برعکس، توانایی تبدیل یک ایده مبهم به دستور دقیق، خود می‌تواند مهارتی مهم باشد. اما میان توصیف چیزی که می‌خواهیم ببینیم و فهمیدن چیزی که باید طراحی شود، فاصله‌ای جدی وجود دارد. یک پرامپت می‌تواند بگوید ساختمانی با نمای سنگی، فضای سبز، نور طبیعی و فرم پیچیده تولید شود. اما چه کسی تعیین کرده که این ساختمان باید چنین باشد؟ چرا سنگ؟ چرا این میزان شیشه؟ چرا این فرم؟ برای چه اقلیمی؟ برای چه کاربری؟ با چه هزینه‌ای؟ برای چه جامعه‌ای؟ چه اتفاقی برای ساختمان در پنج، بیست یا پنجاه سال آینده می‌افتد؟ هرچه تولید تصویر آسان‌تر می‌شود، اهمیت این پرسش‌ها بیشتر می‌شود. و این شاید یکی از تناقض‌های مهم عصر AI باشد: تصاویر هر روز جذاب‌تر می‌شوند، اما اگر مراقب نباشیم، پرسش‌ها هر روز کمتر خواهند شد.

معماری برای زندگی یا معماری برای اسکرول کردن؟

اینجا دیگر نمی‌توان نقش رسانه و شبکه‌های اجتماعی را نادیده گرفت. اگر معماری امروز بیش از گذشته تصویری شده، تمام تقصیر را نمی‌توان متوجه هوش مصنوعی کرد. اینستاگرام، پینترست، مجلات آنلاین، پلتفرم‌های معماری و اقتصاد توجه[2]، طی سال‌ها معماری را وارد چرخه‌ای کرده‌اند که در آن قابلیت دیده‌شدن به یک ارزش مهم تبدیل شده است. پروژه‌ای که در چند ثانیه توجه مخاطب را جلب می‌کند، شانس بیشتری برای دیده‌شدن دارد. تصویری که قابلیت بازنشر دارد، از پروژه‌ای که نیازمند توضیح و تجربه است، آسان‌تر منتشر می‌شود. نتیجه می‌تواند معماری‌ای باشد که به‌تدریج یاد می‌گیرد چگونه خوب دیده شود. پژوهش‌های اخیر درباره حضور معماری در اینستاگرام نیز نشان داده‌اند که پروژه‌هایی که عمدتاً به دلیل ویژگی‌های بصری معماری در شبکه اجتماعی منتشر می‌شوند، می‌توانند محبوبیت سریع‌تری به دست آورند؛ در حالی که پروژه‌هایی که با عملکرد و امکانات فرهنگی و اجتماعی خود شناخته می‌شوند، الگوی متفاوت و ماندگارتری در توجه آنلاین نشان می‌دهند. این مسئله ما را به یک دوگانه ناخوشایند می‌رساند:

معماری برای زندگی و معماری برای اسکرول کردن؛ این دو الزاماً همیشه در تضاد نیستند. یک معماری می‌تواند هم زیبا باشد، هم قابل انتشار و هم کیفیت فضایی بالایی داشته باشد. مسئله از جایی آغاز می‌شود که معیارهای تولید محتوا جای معیارهای طراحی را بگیرند. وقتی تعداد لایک‌ها، بازدیدها و بازنشرها به نشانه‌ای از موفقیت پروژه تبدیل می‌شوند، معماری در معرض یک جابه‌جایی خطرناک قرار می‌گیرد: پروژه دیگر فقط برای استفاده انسان طراحی نمی‌شود؛ بخشی از آن برای دیده‌شدن توسط الگوریتم نیز شکل می‌گیرد. پرسش ساده‌ای که باید مطرح شود این است:

این ساختمان برای چه کسی ساخته شده است؟ برای انسان، یا برای صفحه نمایش انسان؟ آیا این بحران با هوش مصنوعی آغاز شده است؟

نه. و شاید همین مهم‌ترین نتیجه این بحث باشد. هوش مصنوعی تنها آخرین حلقه زنجیره‌ای است که معماری را از تجربه به تصویر نزدیک کرده است. پیش از AI، رندرهای واقع‌گرایانه این کار را کردند. پیش از آن، عکاسی معماری. پیش از آن، انتشار پروژه در مجلات. هر فناوری جدیدی امکان تازه‌ای برای نمایش معماری ایجاد کرده است. بنابراین پرسش دقیق‌تر این نیست که «AI معماری را به تصویر تبدیل کرده است یا نه». پرسش این است: چه کسی معماری را به تصویر تبدیل کرده است؟

AI؟ شبکه‌های اجتماعی؟ رسانه‌ها؟ اقتصاد توجه؟ بازار؟ یا خود معماران؟ شاید پاسخ، همه این‌ها باشد. هوش مصنوعی تنها سرعت این فرآیند را افزایش داده است. در واقع، یک پژوهش جدید درباره کاربرد GenAI در معماری نشان می‌دهد که تصویر در حال حاضر قالب غالب در داده‌های مورد استفاده و خروجی‌های تولیدشده توسط این فناوری است؛ به بیان دیگر، AI  وارد معماری‌ای شده که خودِ فرهنگ معماری پیشاپیش بخش بزرگی از آن را به زبان تصویر تبدیل کرده بود. از این منظر، AI  بیشتر از آنکه آغاز یک بحران باشد، آینه‌ای برای دیدن یک بحران قدیمی است.

اگر تصویر معماری نیست، پس معماری چیست؟ این پرسش شاید نقطه‌ای باشد که بحث باید از فناوری فاصله بگیرد و دوباره به خود معماری بازگردد. یوهانی پالاسما در «چشمان پوست» سال‌ها پیش درباره سلطه نگاه بصری بر معماری هشدار داده بود. مسئله اصلی او مخالفت با تصویر یا زیبایی نبود؛ مسئله، کاهش تجربه معماری به بینایی بود. از نظر او معماری باید با بدن و تمام حواس تجربه شود، نه اینکه صرفاً به یک شیء دیداری تبدیل شود. نسخه‌های جدید کتاب نیز همچنان بر همین نقد غلبه نگاه بصری در فرهنگ معماری تأکید دارند و آن را در عصر تصویر دیجیتال حتی مهم‌تر می‌دانند. این نقد امروز معنای تازه‌ای پیدا کرده است. تصویر AI می‌تواند ساختمانی را نشان دهد که هنوز ساخته نشده است؛ اما نمی‌تواند تجربه واقعی آن ساختمان را به‌طور کامل جایگزین کند. نمی‌تواند صدای فضا، بوی مصالح، دمای سطح، کیفیت نور در ساعات مختلف، نسبت بدن با مقیاس، حرکت انسان در فضا یا خاطره‌ای را که سال‌ها بعد از یک مکان باقی می‌ماند، در یک قاب خلاصه کند.

پیتر زومتور نیز درباره معماری از «اتمسفر» سخن می‌گوید؛ کیفیتی که در تجربه و حافظه انسان از یک ساختمان شکل می‌گیرد و فراتر از آن چیزی است که در یک نگاه سریع ثبت می‌شود. بنابراین مسئله تصویر نیست. مسئله این است که تصویر چه زمانی خود را جای معماری جا می‌زند. هزار تصویر، یک معماری نیست، هوش مصنوعی امروز می‌تواند در چند دقیقه هزاران احتمال تولید کند. این اتفاق از نظر طراحی می‌تواند ارزشمند باشد. امکان مقایسه بیشتر، آزمودن سناریوهای مختلف و کنار گذاشتن گزینه‌های ضعیف‌تر، می‌تواند فرآیند طراحی را غنی‌تر کند. اما افزایش گزینه‌ها الزاماً به معنای افزایش کیفیت نیست. گاهی برعکس، وفور انتخاب می‌تواند جای تصمیم را بگیرد.

وقتی هزاران تصویر تولید می‌شود، وسوسه انتخاب زیباترین تصویر افزایش می‌یابد؛ در حالی که سؤال معماری باید چیز دیگری باشد: کدام گزینه مسئله را بهتر حل می‌کند؟ اینجاست که تفاوت میان تولید تصویر و طراحی آشکار می‌شود. طراحی یعنی انتخاب. و انتخاب یعنی حذف.

معماری مجموعه‌ای از چیزهایی نیست که به یک پروژه اضافه شده‌اند؛ مجموعه‌ای از انتخاب‌ها و حذف‌هاست. چیزی ساخته می‌شود چون چیز دیگری ساخته نشده است. یک فضا باز می‌ماند چون فضایی دیگر بسته شده است. یک فرم انتخاب می‌شود چون فرم دیگری کنار گذاشته شده است. پشت هر تصمیم، مجموعه‌ای از محدودیت‌ها، ارزش‌ها، داده‌ها و قضاوت‌ها قرار دارد. AI می‌تواند گزینه‌های بیشتری روی میز بگذارد. اما هنوز این سؤال باقی است: کدام گزینه باید انتخاب شود و چرا؟ آیا با وجود هزاران تصویر، هنوز می‌توان به معماری اندیشید؟

این شاید پرسش اصلی عصر هوش مصنوعی باشد. نه اینکه چه کسی سریع‌تر تصویر تولید می‌کند. نه اینکه کدام ابزار بهتر رندر می‌گیرد. نه حتی اینکه AI جای معمار را می‌گیرد یا نه. پرسش مهم‌تر این است که آیا سرعت تولید تصویر، سرعت اندیشیدن ما را نیز افزایش داده است یا فقط فاصله میان «ایده» و «تصویر» را کوتاه کرده است؟ هوش مصنوعی زمان تولید تصویر را از روزها و گاهی ماه‌ها به دقیقه‌ها رسانده است. اما زمان فهمیدن یک مسئله، شناخت یک شهر، درک یک جامعه، مطالعه یک اقلیم یا تصمیم‌گیری درباره پیامدهای یک پروژه لزوماً با همین سرعت کاهش پیدا نمی‌کند.

ممکن است در چند دقیقه هزاران شهر آینده تولید شود. اما این شهرها برای چه کسانی هستند؟ چه کسی در آنها زندگی خواهد کرد؟ چه کسی توان پرداخت هزینه زندگی در آنها را دارد؟ چه منابعی مصرف می‌کنند؟ چه چیزی را در شهر امروز حل می‌کنند؟ و چه مسئله جدیدی ایجاد خواهند کرد؟ تصویر می‌تواند این پرسش‌ها را پنهان کند، چون تصویر به‌سرعت پاسخ ظاهری می‌دهد؛ در حالی که معماری واقعی اغلب با پرسش‌های دشوار آغاز می‌شود.

مسئولیت تصویر با چه کسی است؟ در نهایت شاید مسئله اصلی تولید تصویر نباشد. مسئله مسئولیت است. اگر یک تصویر AI تولید شده و هزاران نفر آن را ببینند، چه کسی مسئول ادعاهای ضمنی آن تصویر است؟ اگر پروژه‌ای غیرممکن از نظر سازه‌ای، اقتصادی یا اقلیمی به‌عنوان یک «آینده معماری» معرفی شود، مسئولیت آن با چه کسی است؟ اگر تصویری از یک شهر آینده، نابرابری، مصرف منابع یا حذف گروهی از کاربران را پنهان کند، آیا زیبایی تصویر می‌تواند جای پاسخ‌گویی را بگیرد؟ اینجاست که مرز میان ابزار و تخصص اهمیت پیدا می‌کند.  AI می‌تواند تصویر را تولید کند. اما کسی باید درباره آن تصویر تصمیم بگیرد، آن را ارزیابی کند، محدودیت‌هایش را بشناسد و در نهایت مسئولیتش را بپذیرد. شاید به همین دلیل، مسئله آینده معماری این نباشد که چه کسی می‌تواند با AI تصویر تولید کند. تقریباً هر کسی خواهد توانست. مسئله این خواهد بود که چه کسی می‌تواند میان هزاران امکان، یک مسئله واقعی را تشخیص دهد؛ یک مسیر را انتخاب کند؛ آن را بسازد و در برابر پیامدهایش پاسخ‌گو باشد. در این صورت، شاید هوش مصنوعی تهدید اصلی معماری نباشد. تهدید اصلی، اشتباه گرفتن توانایی تولید تصویر با توانایی تولید معماری است. و شاید مهم‌ترین پرسش نیز همین باشد: اگر بتوان در چند دقیقه هزار تصویر ساخت، آیا می‌توان در همان چند دقیقه به یک معماری اندیشید؟

پاسخ احتمالاً به خود فناوری وابسته نیست. به این بستگی دارد که معماری در سال‌های آینده چه چیزی را ارزشمند بداند: تصویری که سریع‌تر دیده می‌شود، یا فرآیندی که عمیق‌تر اندیشیده شده است. شاید در عصر هوش مصنوعی، مسئله معماری دیگر کمبود تصویر نباشد؛ مسئله، کمبود پرسش باشد.

نگارش و تنظیم: پویا مودتی "معمار و پژوهشگر"

منابع

1. Pallasmaa, J. (2024). The Eyes of the Skin: Architecture and the Senses (4th ed.). Wiley.
2. Schön, D. A. (1984). The Reflective Practitioner: How Professionals Think in Action. Basic Books.
3. Jang, S., Roh, H., & Lee, G. (2025). Generative AI in architectural design: Application, data, and evaluation methods. Automation in Construction, 174, 106174.
4. Zhuang, X., Zhu, P., Yang, A., & Caldas, L. (2025). Machine learning for generative architectural design: Advancements, opportunities, and challenges. Automation in Construction, 174, 106129.
5. [Authors]. (2024). AI for conceptual architecture: Reflections on designing with text-to-text, text-to-image, and image-to-image generators. Frontiers of Architectural Research, 13(3), 593–612.
6. Alaily-Mattar, N., Baptist, V., Legner, L., Arvanitakis, D., & Thierstein, A. (2025). Visuality peaks, function lasts: An empirical investigation into the performance of iconic architecture on Instagram. Archnet-IJAR, 19(2), 351–371.
7. «Criticism goes social: Exploring public architectural criticism through architecture awards». (2024). Archnet-IJAR.