L'edificio che ha sciolto una Jaguar: perché ho smesso di fidarmi dell'IA per progettare qualsiasi cosa

A Londra c'è una Jaguar che è stata sciolta da un edificio.

Non a causa di un incendio all'interno dell'edificio. A causa dell'edificio stesso. La facciata di vetro concava del 20 di Fenchurch Street — soprannominato affettuosamente "Walkie-Talkie" — concentrava la luce solare sulla strada sottostante come un bambino con una lente d'ingrandimento. Le temperature sul marciapiede raggiunsero livelli tali da deformare la carrozzeria dell'auto. Le piastrelle si crepavano. Un giornalista friggeva un uovo sul marciapiede per un servizio giornalistico.

L'architetto, Rafael Viñoly, aveva già fatto la stessa cosa una volta. Il suo Vdara Hotel a Las Vegas ha una facciata a forma di mezzaluna che crea quello che gli ospiti chiamano il "raggio della morte" — una zona di convergenza vicino alla piscina dove la radiazione solare scioglie le sedie a sdraio di plastica e brucia i capelli. La soluzione? Ombrelloni giganti. Tutto qui. Ombrelloni.

Penso costantemente a questi edifici. Non perché siano fallimenti ingegneristici — lo sono — ma perché rappresentano un'anteprima perfetta di ciò che accade quando si lascia che l'estetica corra avanti alla fisica. E proprio ora, con l'IA generativa, stiamo per commettere questo errore su una scala che farebbe arrossire Viñoly.

Sono Ashutosh, e il mio team di Veriprajna costruisce sistemi di IA per il settore dell'architettura e delle costruzioni. Abbiamo passato l'ultimo periodo delle nostre vite a discutere — a volte tra di noi, spesso con potenziali clienti, occasionalmente con investitori — sul fatto che la cosa più pericolosa nell'IA in questo momento non è un modello che non riesce a generare un edificio. È un modello che ci riesce.

Il problema di Escher

Apri Midjourney. Digita "grattacielo sostenibile a Miami, fotorealistico." Otterrai qualcosa di splendido in circa novanta secondi. Vetro che cattura la luce dell'ora dorata. Vegetazione lussureggiante che cade a cascata dalle terrazze. Il tipo di immagine che fa dilatare le pupille a uno sviluppatore immobiliare.

Ora guarda più da vicino. Guarda davvero.

La scala nell'atrio termina contro un muro pieno. Le colonne portanti si dissolvono nel soffitto senza trasferire alcuna forza a nulla. Le finestre non hanno meccanismi di apertura — sono solo rettangoli di luce dipinti su una superficie. Lo sbalzo sul lato est richiederebbe materiali che non esistono per evitare il collasso sotto il proprio peso.

Ho iniziato a chiamarli "dipinti di Escher" dopo aver mostrato una serie di progetti generati dall'IA a un ingegnere strutturista del nostro team. Ha riso per circa dieci secondi, poi si è arrabbiato sul serio. "Questa non è architettura," ha detto. "Questa è un'allucinazione che assomiglia a un edificio."

Aveva ragione, e la parola "allucinazione" è più precisa di quanto la maggior parte delle persone si renda conto. Quando un modello di diffusione genera un'immagine, lavora in quello che viene chiamato spazio latente — un universo matematico in cui "finestra" significa "uno schema visivo che appare vicino ad altri schemi visivi etichettati come finestra." Il modello non ha alcun concetto di tagli termici, rapporti di vetrata, dimensioni delle aperture grezze o dettagli di lattoneria. Non sa che il carico deve trasferirsi in modo continuo fino alle fondamenta. Sa che le colonne sono generalmente elementi verticali che si trovano negli edifici.

Un modello di diffusione non comprende l'architettura. Predice statisticamente che aspetto ha l'architettura.

Questa distinzione — tra come appare una cosa e cosa è realmente — sta al centro di tutto ciò che costruiamo.

Perché questo conta se è "solo" un'immagine concettuale?

Questa è l'obiezione che sento più spesso. Un venture partner me lo ha detto direttamente davanti a un caffè: "Ashutosh, nessuno versa cemento basandosi su un'immagine di Midjourney. Serve solo per l'ideazione."

Avrei voluto dargli ragione. Avrebbe reso più facile la raccolta fondi. Ma si sbaglia, ed ecco perché.

Il settore delle costruzioni opera secondo quella che chiamo la regola del 90/10. L'estetica — la parte che fa innamorare un cliente — rappresenta forse il 10% del metro di successo complessivo di un progetto. L'altro 90% è producibilità, integrità strutturale, logistica della catena di fornitura, conformità normativa e sostenibilità economica. Quando mostri a uno sviluppatore un rendering IA splendido nella prima riunione, hai fissato un'ancora estetica. Tutto ciò che segue è una costosa negoziazione per avvicinarsi il più possibile a quell'ancora, per quanto la realtà lo consenta.

E la realtà è spietata.

La Sydney Opera House è l'esempio canonico. Jørn Utzon vinse il concorso con un progetto che, dal punto di vista strutturale, era una fantasia. I gusci di cemento erano geometricamente indeterminati — nessuno sapeva come costruirli. Il progetto andò avanti comunque perché la visione era troppo bella per essere abbandonata. Ci volle un decennio di lotta ingegneristica per trovare una soluzione realizzabile. Il budget esplose da $7 milioni a $102 milioni — uno sforamento del 1.400%.

Quello era un solo edificio, un solo architetto, un solo momento di ambizione senza freni. Ora immagina ogni sviluppatore al mondo che ottiene rendering di qualità Midjourney fin dal primo giorno. Immagina migliaia di progetti ancorati a forme fiscalmente irresponsabili ancora prima che la prima pala tocchi la terra.

Questa non è ideazione. Questa è una filiera di future bancarotte.

Il pixel che costa $25 milioni

Devo parlare di vetro, perché è nel vetro che l'economia dell'architettura generata dall'IA diventa davvero assurda.

Per un modello di diffusione, un pixel piatto e un pixel curvo sono identici. Generare una facciata di vetro sinuosa e ondulata richiede esattamente la stessa quantità di calcolo che generarne una piatta. L'IA non vede alcuna differenza.

Per uno sviluppatore immobiliare, la differenza è esistenziale.

Il vetro temperato piatto standard — il prodotto di base che esce dagli impianti float automatizzati — costa circa da $18 a $25 al piede quadrato nel 2025. È disponibile ovunque. Facile da trasportare, facile da sostituire.

Il vetro curvo su misura — dove ogni lastra viene riscaldata su uno stampo personalizzato e piegata lentamente fino alla forma desiderata con attrezzature distinte per ogni raggio unico — costa da $100 a oltre $500 al piede quadrato.

Fai i conti su un edificio con 50.000 piedi quadrati di vetrate. Vetro piatto: $1,25 milioni. Vetro curvo: fino a $25 milioni. L'IA non lo sa. All'IA non importa. L'IA pensa che le curve siano gratuite perché, nello spazio dei pixel, lo sono davvero.

Nello spazio latente, una curva non costa nulla. Nello spazio fisico, costa 20 volte di più. L'IA generativa vive nello spazio latente. Gli edifici vivono nello spazio fisico.

Ecco perché perdo il sonno. Non perché le immagini siano brutte — sono bellissime. Perché le immagini sono seducenti. Fanno sembrare inevitabili cose che non si possono costruire.

Ho scritto dell'intera economia di questo fenomeno — differenziali del vetro, vincoli della catena di fornitura dell'acciaio, complessità di fabbricazione — in la versione interattiva della nostra ricerca. I numeri sono peggiori di quanto la maggior parte delle persone si aspetti.

La notte in cui abbiamo gettato via il nostro primo approccio

Sto per essere onesto su una cosa. Quando abbiamo fondato Veriprajna, abbiamo costruito un wrapper.

Lo so. Lo so. Abbiamo preso un modello di base, lo abbiamo affinato su dati architettonici, costruito un'interfaccia gradevole, e ci siamo detti che stavamo facendo qualcosa di diverso. Non era così. Stavamo facendo esattamente ciò che stava facendo ogni altra società di consulenza IA — riconfezionare un modello generalista e chiamarlo enterprise-grade.

Il momento della verità arrivò un giovedì sera. Avevamo generato un progetto strutturale per un edificio residenziale di media altezza — niente di esotico, solo una struttura standard in cemento. Il nostro sistema lo produsse in pochi minuti. Sembrava plausibile. Le dimensioni degli elementi sembravano ragionevoli. Ci sentivamo bene.

Poi il nostro ingegnere strutturista ha rifatto i calcoli manualmente. La trave al terzo piano — quella che l'IA aveva dimensionato con sicurezza — si sarebbe inflessa tre volte oltre i limiti normativi sotto i carichi di servizio. Non in qualche scenario estremo. In condizioni di uso normale. Persone che camminano, mobili, il peso del piano superiore. L'edificio si sarebbe piegato in modo visibile.

L'IA aveva scelto una dimensione della trave che "sembrava giusta" in base ai dati di addestramento. Non aveva alcun modello interno dei limiti di deflessione. Non conosceva i criteri di esercizio L/360. Era arrivata, per pattern-matching, a una risposta apparentemente plausibile che sarebbe stata un cedimento strutturale.

Ricordo di essere rimasto seduto in ufficio dopo che tutti se n'erano andati, fissando lo schermo, pensando: Stiamo costruendo un modo molto costoso per sbagliare con sicurezza.

Abbiamo abbandonato l'approccio a wrapper la settimana successiva. Ciò che abbiamo iniziato a costruire al suo posto ci ha portato in un territorio più difficile, più lento e — lo ammetto — più spaventoso. Perché significava che non potevamo semplicemente cavalcare l'onda dei modelli di base. Dovevamo progettare qualcosa da zero.

Cos'è il design generativo basato su vincoli?

Ecco l'idea centrale, ridotta all'essenziale.

La maggior parte dell'IA generativa in architettura funziona così: entra il testo, esce l'immagine. Il compito dell'IA è produrre qualcosa che assomiglia a ciò che hai chiesto. Non ci sono regole, se non la plausibilità visiva.

Ciò che costruiamo funziona diversamente. La nostra IA non genera immagini. Genera decisioni ingegneristiche. E ogni decisione è vincolata da limiti rigidi — fisica, costi, disponibilità della catena di fornitura, normative edilizie — che non possono essere violati.

Usiamo il Deep Reinforcement Learning, un paradigma fondamentalmente diverso dai modelli di diffusione. Invece di rimuovere il rumore da un'immagine casuale per ottenere una bella immagine, il nostro agente IA impara facendo. Posiziona gli elementi strutturali, assegna i profili delle travi, regola gli spessori dei solai — e dopo ogni azione riceve un feedback da un simulatore fisico, un motore dei costi e un verificatore di conformità normativa.

Pensala così: un modello di diffusione è un pittore che ha visto un milione di foto di edifici. Il nostro sistema è un ingegnere apprendista che ha progettato un milione di edifici e si è preso una lavata di capo ogni volta che uno di essi è crollato, è costato troppo, o ha usato acciaio non disponibile in magazzino.

Non chiediamo all'IA di "progettare un edificio." Le chiediamo di "progettare un edificio che non crollerà, non manderà in bancarotta il cliente e potrà essere costruito con materiali disponibili entro 200 miglia."

La funzione di ricompensa — l'equazione che dice all'IA cosa significa "buono" — è il cuore di tutto. Bilancia efficienza strutturale, costo dei materiali e costruibilità, penalizzando severamente le violazioni normative. L'IA non può essere creativa nel vuoto. Può essere creativa entro i vincoli della realtà.

Come si codifica rigidamente una catena di fornitura in un'IA?

Questo è stato uno dei problemi più difficili che abbiamo affrontato, ed è uno di quelli di cui la maggior parte delle persone nel settore dell'IA non sospetta nemmeno l'esistenza.

L'approvvigionamento di acciaio strutturale ha una doppia natura. Ci sono i service center — centri di distribuzione locali che tengono in magazzino profili di travi standard con tempi di consegna misurati in giorni. E ci sono gli ordini in acciaieria — acquisti diretti dalle acciaierie con requisiti minimi di tonnellaggio e tempi di consegna che possono estendersi a mesi. Alcuni profili di travi vengono laminati solo una volta ogni trimestre.

Un'IA senza vincoli potrebbe ottimizzare una struttura selezionando una trave W14x730 perché soddisfa perfettamente una condizione di carico locale. Matematicamente elegante. Logisticamente catastrofico. Se quella trave è un articolo da ordinare in acciaieria con un tempo di consegna di sei mesi, l'IA ha appena aggiunto milioni in oneri finanziari al progetto.

Il nostro sistema si collega a database di inventario in tempo reale. Lo spazio d'azione dell'IA è discretizzato per allinearsi a ciò che è effettivamente disponibile — profili standard AISC serie W tenuti in magazzino dai service center. Quando l'agente seleziona una trave, riceve un bonus di ricompensa per aver scelto sezioni di magazzino comuni e una penalità per gli articoli da ordinare in acciaieria. È anche consapevole delle lunghezze standard di magazzino — 40 piedi, 60 piedi — e viene penalizzato per progetti che generano scarti eccessivi dai tagli di risulta.

Uno dei membri del mio team lo ha descritto perfettamente durante una sessione di progettazione fino a tarda ora: "Non stiamo costruendo un progettista. Stiamo costruendo uno stratega degli approvvigionamenti che per caso capisce di meccanica strutturale."

Esatto, proprio così.

La galleria del vento virtuale

Per i progetti in regioni esposte agli uragani, abbiamo dovuto risolvere un diverso tipo di problema di vincoli. La nostra IA deve progettare edifici che sopravvivano a venti di Categoria 5 — velocità sostenute superiori a 157 mph.

Eseguire una simulazione completa di fluidodinamica computazionale per ogni iterazione di progetto richiederebbe ore per ogni candidato. Dobbiamo valutare milioni di candidati. I conti non tornano.

È qui che le Physics-Informed Neural Networks — PINN — hanno cambiato tutto per noi. Invece di addestrare una rete neurale solo sui dati, le PINN incorporano le equazioni fondamentali della fisica direttamente nella funzione di perdita della rete. Per i carichi del vento, questo significa le equazioni di Navier-Stokes. Per l'analisi strutturale, le equazioni di equilibrio e di compatibilità sforzo-deformazione.

Il risultato è una rete neurale in grado di approssimare una complessa simulazione CFD in millisecondi. La nostra IA ottiene un'"intuizione fisica" alla velocità dell'inferenza neurale.

Ciò che mi ha affascinato è stato osservare cosa l'IA ha scoperto attraverso questo processo. Nel corso di milioni di iterazioni, ha imparato in modo autonomo che gli spigoli vivi aumentano la resistenza aerodinamica e il taglio alla base. Ha imparato ad arrotondare i bordi, rastremare le forme degli edifici, introdurre aperture che riducono il distacco di vortici. Nessuno le ha insegnato questi trucchi. Li ha trovati nello stesso modo in cui li trova la natura — attraverso un'iterazione instancabile contro una funzione di idoneità implacabile.

La gravità non è un suggerimento. Il vento non è una texture. Nel nostro sistema, le leggi della fisica non sono un controllo finale — sono un vincolo generativo.

Un sistema basato su vincoli, anche con una funzione di ricompensa di ray-tracing basilare, avrebbe individuato il raggio della morte del Vdara nel primissimo millisecondo di simulazione. L'IA avrebbe penalizzato la geometria concava per aver creato un flusso di calore pericoloso e avrebbe generato un'alternativa convessa o sfaccettata in grado di disperdere la luce in modo sicuro. Nessun ombrellone necessario.

Per l'analisi tecnica completa dell'architettura della nostra funzione di ricompensa, dell'integrazione delle PINN e del design ad agenti federati del sistema, vedi il nostro approfondimento tecnico.

La discussione che continuiamo ad avere

Le persone mi chiedono se questo approccio uccida la creatività. Ho avuto questa discussione con architetti, con investitori, con il mio stesso team.

La mia risposta si è evoluta. All'inizio mi mettevo sulla difensiva — "i vincoli non limitano la creatività, la incanalano." È vero, ma è un luogo comune. Ecco cosa credo davvero ora, dopo aver visto il nostro sistema eseguire milioni di iterazioni di progetto:

La generazione senza vincoli non è creativa. È casuale. La creatività che conta — quella che dà origine a edifici in cui le persone vivono davvero — nasce dalla tensione tra ciò che si vuole e ciò che la realtà consente. La Sydney Opera House è diventata iconica non per lo schizzo originale di Utzon, ma per la lotta durata un decennio per renderla costruibile. La soluzione sferica che alla fine ha funzionato è più elegante della fantasia originale proprio perché è stata forzata a esistere dai vincoli.

La nostra IA opera in quello stesso spazio. Non ha libertà infinita. Ha uno spazio di progettazione vasto ma limitato, definito dai materiali disponibili, dalle leggi fisiche e dai limiti di budget. E all'interno di quello spazio trova soluzioni che ci sorprendono — configurazioni strutturali simultaneamente più leggere, più economiche e più resilienti di quanto avrebbe proposto un ingegnere umano.

L'altra domanda che mi viene posta: "Perché non usare semplicemente l'IA per il design concettuale e lasciare che siano gli ingegneri a sistemarlo dopo?"

Perché "sistemarlo dopo" è dove i progetti muoiono. Ogni ciclo di value engineering costa tempo e denaro. Ogni riprogettazione fa slittare i tempi. E più un concetto viaggia lontano prima di scontrarsi con la realtà, più doloroso è l'impatto. Noi anticipiamo la realtà nel processo di generazione, così non c'è nulla da correggere.

La macchina fiduciaria

C'è un modo di vedere le cose a cui continuo a tornare. La nostra IA non è un progettista. È un fiduciario.

Un fiduciario ha l'obbligo legale di agire nel migliore interesse del cliente. Quando il nostro sistema valuta un candidato progettuale, non si chiede "è bello?" Si chiede: Può essere costruito con materiali disponibili in questa regione? È conforme alle normative edilizie locali? Sopravviverà ai carichi ambientali specifici di questo sito? E lo sviluppatore può permetterselo?

Il motore dei costi stima il Costo Totale di Proprietà per ogni candidato — non solo i costi dei materiali, ma la complessità di fabbricazione, le ore di manodopera per i collegamenti e le prestazioni energetiche a lungo termine. Un collegamento a taglio bullonato standard viene premiato. Un collegamento a momento complesso che richiede saldatura a piena penetrazione in cantiere viene penalizzato. Le travi in acciaio che perforano l'involucro termico vengono penalizzate per i decenni di spreco energetico che causeranno.

Nel corso di milioni di episodi di addestramento, l'agente converge verso qualcosa di notevole: un progetto che non è solo strutturalmente valido, ma ottimamente bilanciato tra sicurezza, costo e disponibilità. Nessun ingegnere umano potrebbe iterare manualmente attraverso così tante alternative. Lo spazio combinatorio è troppo vasto. Ma un agente IA con la giusta funzione di ricompensa e i giusti vincoli? Vive proprio in quello spazio.

Il futuro non sono prompt migliori

Concluderò con qualcosa che potrebbe sembrare duro, ma ci credo fino in fondo.

Il settore delle costruzioni non ha un problema di immaginazione. Ha un problema di certezza. Gli sviluppatori non hanno bisogno di rendering più belli. Hanno bisogno della certezza che ciò che stanno guardando possa davvero essere costruito, nei tempi e nei costi previsti, con materiali che esistono davvero.

L'attuale ondata di IA generativa — Midjourney, Stable Diffusion, DALL-E — offre immaginazione senza certezza. Offre l'illusione del design senza la sostanza dell'ingegneria. E il divario tra queste due cose si misura in Jaguar sciolte, ospiti a bordo piscina ustionati e sforamenti di budget da miliardi di dollari.

Stiamo costruendo qualcosa di diverso. Non uno strumento che sogna edifici, ma un sistema che li progetta ingegneristicamente. La fisica codificata rigidamente perché la gravità non tratta. L'inventario codificato rigidamente perché le catene di fornitura non si piegano all'estetica. Il costo codificato rigidamente perché nessuno sviluppatore è mai fallito per un edificio troppo noioso.

Non generare arte. Genera asset.

Il futuro dell'architettura non sta in prompt migliori. Sta in una fisica migliore.