Aprendizado Profundo e a avaliação das iterações em processos de Design Computacional Generativo

Resumo

O Design Generativo é um tipo de processo de Design que se caracteriza por um conceito de produção de gerações a partir de iterações iniciais. Esse processo consiste em passar por muitos ciclos de aprendizado (gerar, analisar, aprender, modificar) até que se encontre uma solução satisfatória para um projeto. Para ser eficiente, esse modelo de Design precisa não apenas gerar, mas também precisa filtrar as suas iterações. Mesmo existindo diversos tipos de filtragens em meio computacional, essas tarefas ainda ficam muito limitadas às análises de natureza objetiva, como por exemplo, as análises estruturais ou de responsividade a fatores ambientais. Nesse sentido, esse artigo investiga como o Aprendizado Profundo, em especial aquele que utiliza técnicas de regressão, podem replicar a avaliação do projetista sobre as iterações de um sistema generativo e qual é o potencial disto para o campo do Design. Para isso, o trabalho propõe um experimento prático que visa verificar a eficácia dessas técnicas em replicar as avaliações de um designer. As avaliações se inserem dentro de um recorte de análises mais próximas às capacidades pré-reflexivas ou não simbólicas humanas. Essas capacidades são aquelas que não envolvem o uso direto da linguagem, nem de projeções passadas e futuras. O trabalho sugere que até com uma pequena quantidade de dados, gerados pelo próprio designer, é possível desenvolver uma ferramenta que replique a avaliação de um ser humano que a treinou. Ele também informa futuros pesquisadores, desenvolvedores e designers sobre novas formas de se avaliar as iterações de um sistema generativo e pode estimular estudos adicionais sobre como essas ferramentas podem gerar uma maior inclusão na síntese da forma no Design.