ジャガーを溶かした建物──なぜ私はAIに建築設計を任せるのをやめたのか
ロンドンには、建物によって溶かされてしまったジャガーがある。
建物内の火災によってではない。建物そのものによってだ。フェンチャーチ・ストリート20番地の凹面ガラスファサード——親しみを込めて「ウォーキートーキー」と呼ばれるビル——が、まるで虫眼鏡を持った子供のように、太陽光を下の通りに集中させたのだ。歩道の温度は、車体を歪めるほどの高さに達した。タイルにはひびが入った。あるジャーナリストは、ニュース番組の企画で歩道の上で卵を焼いてみせた。
建築家のラファエル・ヴィニオリは、これを以前にも一度やっていた。彼が手がけたラスベガスのヴダラ・ホテルには三日月形のファサードがあり、宿泊客たちが「デスレイ」と呼ぶ現象——プールサイドの収束ゾーンで、太陽光がプラスチック製のラウンジチェアを溶かし、髪を焦がす——を生み出している。その対策は? 巨大なパラソルだ。それだけ。パラソルである。
私はこれらの建物について、いつも考えている。それらが工学的な失敗作だから——実際そうなのだが——ではなく、美意識を物理法則より先行させるとどうなるかを見事に予告しているからだ。そして今まさに、生成AIによって、私たちはヴィニオリが赤面するほどの規模でこの過ちを繰り返そうとしている。
私はアシュトシュ。VeriPrajnaで、私のチームは建築・建設業界向けのAIシステムを構築している。私たちはこれまでの人生の大半を、時には互いに、時には見込み客と、時には投資家と議論することに費やしてきた——今のAIで最も危険なのは、建物を生成できないモデルではない。生成できてしまうモデルなのだ。
エッシャー問題
Midjourneyを開いて、「マイアミのサステナブルな高層ビル、フォトリアリスティック」と入力してみてほしい。90秒ほどで、見惚れるような画像が出来上がる。黄金の時間帯の光を受けて輝くガラス。テラスからこぼれ落ちる豊かな緑。デベロッパーの瞳孔が開くような、そんな画像だ。
しかし、もっとよく見てほしい。本当によく見てほしい。
ロビーの階段は、無地の壁で行き止まりになっている。荷重を支える柱は、どこにも力を伝えることなく天井へと溶け込んでいる。窓には開閉の仕組みが一切なく、ただ表面に描かれた光の長方形にすぎない。東側のキャンチレバーは、自重で崩れ落ちないようにするには、この世に存在しない素材が必要になるだろう。
私はこれらを「エッシャーの絵」と呼ぶようになった。チームの構造エンジニアにAI生成のデザインをまとめて見せたときのことだ。彼は10秒ほど笑ったあと、本気で腹を立てた。「これは建築じゃない」と彼は言った。「たまたま建物に見えるハルシネーションだ」
彼は正しかった。そして「ハルシネーション」という言葉は、多くの人が思う以上に的確な表現だ。拡散モデルが画像を生成するとき、それは「潜在空間」と呼ばれる領域で作業している——そこは、「窓」が「窓というラベルの付いた他の視覚パターンの近くに現れる視覚パターン」を意味する数学的な宇宙だ。このモデルには、サーマルブレイクやガラスの面積比、開口寸法、雨仕舞いの詳細といった概念は存在しない。荷重が基礎まで連続して伝わらなければならないことも知らない。柱というものが、建物の中で通常は垂直な要素であることを知っているだけだ。
拡散モデルは建築を理解しているわけではない。建築がどう見えるかを統計的に予測しているだけだ。
何かがどう見えるかと、それが実際に何であるか——この違いこそが、私たちが構築しているものすべての中心にある。
「ただの」コンセプト画像だとしても、なぜそれが問題になるのか?
これは私が最もよく耳にする反論だ。あるベンチャーパートナーは、コーヒーを飲みながら私に直接こう言った。「アシュトシュ、誰もMidjourneyの画像を基にコンクリートを流し込んだりはしない。あれはただの発想のためのものだ」
私も彼に同意したかった。そのほうが資金調達も楽になっただろう。しかし彼は間違っている。その理由はこうだ。
建設業界は、私が「90対10の法則」と呼ぶ原理で動いている。クライアントを惚れ込ませる部分——美意識——は、プロジェクト全体の成功指標のうち、せいぜい10%を占めるにすぎない。残りの90%は、製造可能性、構造的健全性、サプライチェーンの物流、法規制への適合性、そして経済的な実現可能性だ。最初の打ち合わせでデベロッパーに美しいAIレンダリングを見せた瞬間、あなたは美的な「アンカー」を設定してしまったことになる。そこから先はすべて、現実が許す限りそのアンカーに近づけるための、高くつく交渉になる。
そして現実は容赦がない。
シドニー・オペラハウスは、その典型例だ。ヨーン・ウッツォンは、構造的に見れば空想でしかないデザインでコンペに勝利した。コンクリートシェルは幾何学的に不定形で——誰もその建て方を知らなかった。それでもプロジェクトは進んだ。ビジョンがあまりに美しく、放棄できなかったからだ。建設可能な解決策を見つけるまでに、10年に及ぶ工学的な苦闘を要した。予算は700万ドルから1億200万ドルへと膨れ上がった——1,400%の超過だ。
それは一つの建物、一人の建築家、そして一度きりの制約なき野心の瞬間だった。では、世界中のあらゆるデベロッパーが、初日からMidjourney並みのレンダリングを手にする未来を想像してみてほしい。最初のシャベルが地面に触れる前から、財政的に無責任な形状に縛られたプロジェクトが何千も生まれる様子を想像してほしい。
それはもはや発想の段階ではない。将来の破産へと続くパイプラインだ。
2,500万ドルのピクセル
ここでガラスの話をしなければならない。AI生成建築の経済性が本当に滑稽なことになるのは、まさにガラスの部分だからだ。
拡散モデルにとって、平面のピクセルと曲面のピクセルはまったく同一のものだ。うねるような曲線を描くガラスファサードを生成するのも、平らなものを生成するのも、計算量はまったく同じだ。AIにはその違いが見えていない。
しかしデベロッパーにとって、その違いは死活問題だ。
標準的な平板強化ガラス——自動化されたフロート工場から出てくる汎用品——の価格はおよそ1平方フィートあたり18〜25ドル、2025年時点の話だ。どこでも入手可能で、輸送も交換も容易だ。
一方、特注の曲面ガラス——各パネルが専用の型の上で加熱され、固有の曲率ごとに専用の治具でゆっくりと成形される——の価格は1平方フィートあたり100〜500ドル超。
ガラス面積5万平方フィートの建物で計算してみよう。平面ガラスなら125万ドル。曲面ガラスなら最大2,500万ドルだ。AIはこれを知らない。AIは気にもしない。AIは曲線を「タダ」だと思っている。ピクセル空間では、実際にそうだからだ。
潜在空間では、曲線に一切コストはかからない。物理空間では、コストは20倍になる。生成AIは潜在空間に生きている。建物は物理空間に生きている。
だからこそ、私は夜も眠れなくなる。画像の出来が悪いからではない——むしろ美しい。問題は、それらの画像が誘惑的だ。実現不可能なものを、まるで必然であるかのように見せてしまう。
この経済性の全容——ガラスの価格差、鉄鋼サプライチェーンの制約、製造の複雑さ——については、私たちの研究のインタラクティブ版で詳しく書いた。数字は、多くの人が予想するよりも厳しいものだ。
最初のアプローチを捨てた夜
正直に話そうと思う。VeriPrajnaを立ち上げたとき、私たちは「ラッパー」を作っていた。
分かっている。分かっているとも。私たちは基盤モデルを取り、建築データでファインチューニングし、見栄えのいいインターフェースを作って、自分たちは何か違うことをしていると思い込もうとしていた。だが違っていなかった。私たちがやっていたのは、他のあらゆるAIコンサルティング会社と同じこと——汎用モデルを化粧直しして「エンタープライズ級」と呼んでいるだけだった。
その現実に直面した瞬間は、ある木曜日の夜に訪れた。私たちは中層の集合住宅プロジェクトの構造設計を生成していた——特に変わったものではなく、標準的なコンクリート架構だ。私たちのシステムは、それを数分で作り出した。もっともらしく見えた。部材のサイズも妥当に思えた。私たちは気分が良かった。
その後、私たちの構造エンジニアが手作業で計算をやり直した。3階の梁——AIが自信たっぷりにサイズを決めたその梁——は、使用荷重下で基準の3倍もたわんでいたはずだ。何か極端なシナリオでの話ではない。通常の使用時の話だ。人々が歩き回り、家具が置かれ、上階の重みがかかる——それだけで、建物は目に見えてたわんでいたはずだ。
AIは、学習データに基づいて「正しく見える」梁のサイズを選んでいた。たわみの許容限度に関する内部モデルは持っていなかった。L/360という使用性基準についても知らなかった。もっともらしく見える答えにパターンマッチングでたどり着いていただけであり、それは構造的な破綻を意味していた。
全員が帰ったあと、オフィスに一人座って画面を見つめながら、こう考えていたのを覚えている。私たちは、自信満々に間違えるための、非常に高くつく仕組みを作っているのだ。
翌週、私たちはラッパー方式を捨てた。代わりに作り始めたものは、もっと難しく、もっと時間がかかり——正直に言えば——もっと恐ろしい領域へと私たちを連れて行った。基盤モデルの波にただ乗るわけにはいかなくなったからだ。私たちは、ゼロから何かをエンジニアリングしなければならなかった。
制約ベースの生成的デザインとは何か?
核となる考え方を、本質だけに絞って説明しよう。
建築における生成AIの多くはこう動く——テキストを入れると画像が出てくる。AIの仕事は、依頼された内容に似ているように見える何かを作ることだ。視覚的なもっともらしさ以外にルールはない。
私たちが作るものは違う。私たちのAIは画像を生成しない。生成するのはエンジニアリング上の意思決定だ。そして、あらゆる意思決定は、物理法則、コスト、サプライチェーンの制約、建築基準法といった、破ることのできない厳格な制約に縛られている。
私たちは深層強化学習を使っている。これは拡散モデルとは根本的にパラダイムが異なる。ランダムなノイズをきれいな画像へとノイズ除去していくのではなく、私たちのAIエージェントは実践を通じて学ぶ。構造部材を配置し、梁の断面を割り当て、スラブの厚みを調整する——そして各アクションのあとに、物理シミュレーター、コストエンジン、法規制適合チェッカーからフィードバックを受け取る。
こう考えてみてほしい。拡散モデルは、建物の写真を100万枚見たことのある画家だ。私たちのシステムは、100万棟の建物を設計し、そのどれかが倒壊するたび、コストがかかりすぎるたび、在庫にない鋼材を使うたびに怒鳴られてきた見習いエンジニアなのだ。
私たちはAIに「建物を設計しろ」とは言わない。「倒壊せず、クライアントを破産させず、半径200マイル以内で手に入る材料で建てられる建物を設計しろ」と言うのだ。
報酬関数——AIに「良い」とは何かを教える方程式——がすべての核心にある。それは構造効率、材料コスト、施工性のバランスを取りながら、基準違反には厳しいペナルティを課す。AIは真空の中で自由に創造性を発揮できるわけではない。創造性を発揮できるのは、現実の制約の中でだけだ。
サプライチェーンを、どうやってAIにハードコードするのか?
これは私たちが取り組んだ中でも最も難しい問題の一つであり、AI業界の大半の人がその存在すら知らない問題でもある。
構造用鋼材の調達には、二重の顔がある。一つはサービスセンター——標準的な梁の形状を在庫として抱え、リードタイムが数日単位で測られる、地域の流通拠点だ。もう一つはミル・オーダー——鉄鋼メーカーからの直接購入で、最低トン数の要件があり、リードタイムは数ヶ月に及ぶこともある。梁の断面形状によっては、四半期に一度しか圧延されないものもある。
制約のないAIは、局所的な荷重条件を完璧に満たすという理由だけで、W14x730の梁を選んで構造を最適化してしまうかもしれない。数学的には見事だ。物流的には破滅的だ。もしその梁がリードタイム6ヶ月のミル・オーダー品であれば、AIはプロジェクトに数百万ドルもの資金調達コストを上乗せしたことになる。
私たちのシステムは、リアルタイムの在庫データベースに接続されている。AIの行動空間は、実際に入手可能なもの——サービスセンターが在庫として持つ標準的なAISCのW形鋼——に合わせて離散化されている。エージェントが梁を選ぶとき、一般的な在庫断面を選べば報酬ボーナスが与えられ、ミル・オーダー品を選べばペナルティが課される。標準的な在庫長さ——40フィート、60フィート——も認識しており、端材の無駄が過剰に出るような設計にはペナルティが課される。
あるチームメンバーが、遅くまで続いた設計セッションの中でこう見事に言い表した。「私たちが作っているのはデザイナーではない。たまたま構造力学を理解している調達戦略家なんだ」
まさにその通りだ。
仮想風洞
ハリケーンの多い地域のプロジェクトでは、また別の種類の制約問題を解決しなければならなかった。私たちのAIは、カテゴリー5の風——持続風速が時速157マイルを超える風——に耐える建物を設計する必要がある。
すべての設計反復ごとに完全な数値流体力学(CFD)シミュレーションを実行すれば、候補一つにつき何時間もかかってしまう。私たちは何百万もの候補を評価する必要がある。それでは計算が成り立たない。
ここで、物理情報ニューラルネットワーク——PINN——が私たちにとってすべてを変えた。ニューラルネットワークを純粋にデータだけで学習させる代わりに、PINNは物理の支配方程式をネットワークの損失関数に直接組み込む。風荷重であればナビエ–ストークス方程式、構造解析であれば力の釣り合いと応力-ひずみの適合条件の方程式だ。
その結果生まれるのは、複雑なCFDシミュレーションをミリ秒単位で近似できるニューラルネットワークだ。私たちのAIは、ニューラル推論の速度で「物理的直感」を手に入れる。
私が魅了されたのは、AIが何を発見したかを、このプロセスを通じて見守ることだった。数百万回の反復を経て、AIは鋭い角が抗力と基部せん断力を増大させることを自力で学んだ。エッジを丸め、建物の形状をテーパー状にし、渦放出を減らす切り欠きを導入することを学んだ。こうした工夫を誰かが教えたわけではない。自然がそうするように、容赦のない適応度関数に対する絶え間ない反復を通じて、AIもそれらを自ら見つけ出したのだ。
重力は提案などではない。風は単なる質感でもない。私たちのシステムでは、物理法則は最終チェックではなく、生成そのものを規定する制約なのだ。
基本的なレイトレーシング報酬関数を備えているだけの制約ベースのシステムであれば、ヴダラの「デスレイ」をシミュレーションの最初の1ミリ秒で捉えていただろう。AIは、危険な熱流束を生み出す凹面形状にペナルティを課し、光を安全に散乱させる凸形状あるいは多面体の代替案を生成していたはずだ。パラソルなど不要だったのだ。
報酬関数のアーキテクチャ、PINNの統合、そしてシステムのフェデレーテッド・エージェント設計についての詳しい技術解説は、こちらのテクニカル・ディープダイブを参照してほしい。
私たちが繰り返している議論
このアプローチが創造性を殺してしまわないか、とよく尋ねられる。私はこの議論を、建築家たちと、投資家たちと、そして自分のチームとも交わしてきた。
私の答えは変化してきた。当初は、つい身構えて——「制約は創造性を制限するのではなく、方向づけるのだ」と言っていた。それは事実だが、使い古された決まり文句でもある。私たちのシステムが何百万回もの設計反復をこなすのを見てきた今、実際に信じていることはこうだ。
制約のない生成は創造的ではない。それはただのランダムだ。本当に意味のある創造性——人々が実際に住み、使う建物を生み出す創造性——は、望むものと現実が許すものとの間の緊張関係から生まれる。シドニー・オペラハウスが象徴的な存在になったのは、ウッツォンの当初のスケッチのおかげではなく、それを建設可能にするための10年に及ぶ苦闘のおかげだ。最終的に採用された球状の解法が当初の空想よりも洗練されているのは、まさにそれが強いられて制約によって生み出されたからだ。
私たちのAIも、まさにその同じ空間の中で動いている。無限の自由があるわけではない。入手可能な材料、物理法則、予算の制約によって定義された、広大だが有限な設計空間を持っているのだ。そしてその空間の中で、AIは私たちを驚かせる解を見つけ出す——人間のエンジニアが提案していたであろうものよりも、軽く、安く、そしてより頑健な構造構成だ。
よく聞かれるもう一つの質問はこうだ。「コンセプト設計にAIを使って、あとはエンジニアに直させればいいのではないか?」
なぜなら、「あとで直す」ことこそが、プロジェクトが息絶える場所だからだ。バリューエンジニアリングのサイクルを一回行うたびに、時間とお金がかかる。設計をやり直すたびに、スケジュールは後ろにずれ込む。そして、コンセプトが現実にぶつかるまでの距離が長ければ長いほど、その衝突は痛みを伴う。私たちは、生成プロセスの前段階に現実を組み込んでおく。だから、あとで直すものが何もないのだ。
受託者としての機械
私がいつも立ち返る捉え方がある。私たちのAIはデザイナーではない。受託者(フィデューシャリー)なのだ。
受託者には、クライアントの最善の利益のために行動する法的義務がある。私たちのシステムが設計候補を評価するとき、それは「これは美しいか?」とは問わない。「この地域で入手できる材料でこれを建てられるか? 現地の建築基準法に適合しているか? この敷地特有の環境荷重に耐えられるか? そしてデベロッパーはこれを負担できるか?」と問うのだ。
コストエンジンは、あらゆる候補について総所有コスト(TCO)を見積もる——材料費だけでなく、製造の複雑さ、接合部の作業時間、そして長期的なエネルギー性能まで含めてだ。標準的なボルト接合のせん断接合は評価される。完全溶け込み溶接による現場溶接を必要とする複雑なモーメント接合はペナルティを受ける。断熱層を貫通する鋼梁は、それが何十年にもわたって引き起こすエネルギーの浪費のために減点される。
何百万回もの学習エピソードを経て、エージェントは驚くべきものへと収束していく——構造的に妥当であるだけでなく、最適にバランスが取れた、安全性、コスト、入手可能性の面でも同様に優れた設計だ。人間のエンジニアが手作業でそれほど多くの選択肢を検討し尽くすことはできない。組み合わせ空間はあまりに広大だ。しかし、適切な報酬関数と適切な制約を備えたAIエージェントなら——その空間の中で悠々と活動できる。
未来は、よりよいプロンプトではない
少し厳しく聞こえるかもしれないことで締めくくろう。しかし私はこれを完全に信じている。
建設業界が抱えているのは、想像力の問題ではない。確実性の問題だ。デベロッパーが必要としているのは、より美しいレンダリングではない。目の前にあるものが、予算内で、予定通りに、実在する材料で、実際に建てられるという確信なのだ。
現在の生成AIの波——Midjourney、Stable Diffusion、DALL-E——は、確実性を伴わない想像力を提供する。それが提供するのは、幻想としてのデザインであって、エンジニアリングという実体を伴わない。そして、その両者の間のギャップは、溶けたジャガー、プールサイドで火傷を負ったゲスト、そして10億ドル規模の予算超過という形で表れるのだ。
私たちは、何か違うものを作っている。建物を夢見るツールではなく、建物をエンジニアリングするシステムだ。物理法則はハードコードされている。重力は交渉に応じないからだ。在庫情報はハードコードされている。サプライチェーンは美意識に譲歩しないからだ。コストはハードコードされている。退屈すぎる建物のせいで破産したデベロッパーなど、これまで一人もいないからだ。
アートを生成するな。資産を生成せよ。
建築の未来は、よりよいプロンプトにあるのではない。よりよい物理にあるのだ。