Da progettazione parametrica a intelligenza generativa

Di seguito il quarto capitolo del libro "PROMPTED CONSTRUCTION- Protocolli per una nuova intelligenza architettonica" di Pierpaolo Ruttico e Carlo Beltracchi, edito da TAB Edizioni.

Evoluzione degli strumenti di progettazione digitale

Negli ultimi quarant’anni, la tecnologia digitale ha trasformato l’architettura, passando dalla mera computerizzazione – quando il CAD si limitava a riprodurre il disegno a mano – alla piena computazione, in cui gli algoritmi partecipano al ragionamento e al processo decisionale. Questa svolta concettuale, nota come computational design thinking, ha ridefinito codice, strutture dati e loop di feedback come media di progettazione primari. Intorno al 2007-2008, le prime piattaforme parametriche di ampia adozione [1] hanno incarnato questa idea, permettendo ai progettisti di governare la geometria tramite regole relazionali. Da allora, la dotazione di strumenti si è spostata verso l’intelligenza generativa: tecniche di intelligenza artificiale e machine learning esplorano oggi vasti spazi di soluzione, apprendono dai dati e simulano le prestazioni in tempo reale, ampliando enormemente le possibilità creative [5][6].

A fare da filo conduttore in tutta questa evoluzione è Python: nato come linguaggio di scripting accademico negli anni ’90 e divenuto il pilastro dei moderni framework di machine learning, ne costituisce il tessuto connettivo che unisce ambienti di progettazione, motori di ottimizzazione e flussi di lavoro robotici [7].

All’inizio degli anni 2000, ambienti di creative coding come Processing hanno democratizzato la programmazione nel mondo delle arti e del design. Sviluppato per permettere ai non programmatori di sperimentare con grafica interattiva e simulazioni dinamiche, Processing ha introdotto una piattaforma accessibile in cui i progettisti potevano creare prototipi visuali in tempo reale. Il suo impatto è stato profondo, ispirando la generazione successiva di strumenti di progettazione che privilegiano il dialogo tra codice e risultato creativo [5].

Poco dopo, l’avvento di strumenti di progettazione parametrica come Generative Components di Bentley Systems e Grasshopper3D per Rhinoceros 3D ha ulteriormente rivoluzionato il processo architettonico. In particolare, Grasshopper3D ha consentito agli architetti di definire processi di progettazione tramite algoritmi, generando geometrie complesse semplicemente modificando un insieme di parametri. Questo approccio modulare ha liberato i progettisti dai vincoli delle rappresentazioni statiche, favorendo un processo iterativo e sperimentale [5][6]. Il suo lancio ha segnato una tappa fondamentale, permettendo di manipolare forma e prestazioni in modo dinamico e aprendo la strada a interazioni digitali più sofisticate.

In questo periodo, plug-in e add-on hanno arricchito tali piattaforme potenziandone le funzionalità. Kangaroo, un motore fisico integrato come plug-in per Grasshopper3D, è emerso nel 2011 per simulare comportamenti fisici quali gravità, tensione e collisione, aiutando i progettisti a convalidare e affinare i concetti visivi simulando il comportamento strutturale in condizioni reali. Parallelamente, strumenti di analisi strutturale come Karamba3D sono stati introdotti per valutare le prestazioni di progetti complessi dal punto di vista ingegneristico. Integrando valutazioni rigorose direttamente nell’ambiente di progettazione, questi strumenti hanno garantito che le forme più innovative fossero realizzabili senza compromessi di sicurezza o funzionalità [5]. Con l’affermarsi del Building Information Modeling (BIM) e della fabbricazione digitale, piattaforme come Dynamo hanno colmato il divario tra progettazione parametrica e flussi di lavoro tradizionali in Autodesk Revit. Dynamo ha permesso di automatizzare compiti ripetitivi all’interno dell’ambiente BIM, incrementando sia l’efficienza sia le possibilità di innovazione progettuale. In parallelo, tool come Ladybug hanno integrato simulazioni ambientali – radiazione solare, modellazione energetica, ecc. – direttamente nel processo di progettazione, offrendo ai progettisti gli strumenti per ottimizzare gli edifici in ottica di comfort climatico e sostenibilità [6].

L’evoluzione non si è fermata alla progettazione parametrica: anche robotica e automazione hanno assunto un ruolo cruciale in progettazione e costruzione. Software come kukaPRC hanno reso possibile il controllo dei robot all’interno delle piattaforme di progettazione, simulando e poi eseguendo movimenti precisi sui cantieri. HAL Robotics ha spinto oltre l’innovazione esplorando la collaborazione tra robotica e modelli digitali per migliorare sicurezza ed efficienza in cantiere. Queste integrazioni hanno prefigurato la convergenza tra digitale e pratiche costruttive reali, preparando il terreno allo sviluppo di gemelli digitali completi dei progetti edili [6].

L’integrazione più ampia di IA e machine learning nella progettazione è avvenuta con l’arrivo di framework come Keras e TensorFlow, che hanno offerto solide basi per lo sviluppo e il deployment di reti neurali [7]. Questi strumenti, spesso utilizzati insieme a Python, sono divenuti indispensabili per il generative design – ovvero il processo in cui gli algoritmi generano migliaia di iterazioni progettuali a partire da vincoli e criteri di prestazione. La Generative Design di Autodesk sfrutta questi framework per esplorare spazi progettuali non convenzionali, ottimizzare l’uso dei materiali e bilanciare metriche di performance quali peso, resistenza e sostenibilità. Tale impiego dell’IA rappresenta uno spostamento netto rispetto alle regolazioni parametriche guidate dall’utente, verso processi semi-autonomi basati su analisi predittive e ottimizzazione [7].

Con l’ascesa della data science, piattaforme come Anaconda e Jupyter Notebook hanno creato un nuovo ecosistema in cui analisi dati, visualizzazione ed esperimenti di machine learning si integrano senza soluzione di continuità nel workflow di progettazione [7]. L’ampio ecosistema di librerie Python ha democratizzato l’accesso a metodi computazionali avanzati, trasformando idee di ricerca in applicazioni pratiche per il design digitale e oltre. Questa sinergia ha fornito un terreno fertile per l’innovazione, consentendo ai progettisti di testare ipotesi, visualizzare risultati e iterare a velocità inedite.

Parallelamente, è emersa una serie di strumenti specializzati per aspetti di nicchia del processo di progettazione e costruzione. Para3D, Hypar e TestFit rappresentano una nuova generazione di piattaforme focalizzate sull’automazione delle decisioni nelle prime fasi di progetto. Queste applicazioni generano rapidamente masse edilizie e studi di fattibilità, riducendo radicalmente i tempi dal concetto iniziale alla proposta formale. Basandosi su principi parametrici e generativi, valutano in tempo reale scenari progettuali multipli, accelerando il processo decisionale per gli stakeholder [6].

L’onda più recente nel design digitale è caratterizzata dall’impiego di modelli di deep learning in ambiti creativi. Strumenti come Stable Diffusion, DALL-E e Midjourney hanno dimostrato che l’IA può generare contenuti visivi di alta qualità a partire da semplici descrizioni testuali [3][4], sfumando i confini tra arte umana e immagine generata da macchina e aprendo nuove opportunità per l’esplorazione concettuale e la visualizzazione architettonica. SAM di Meta AI e sistemi affini proseguono questa traiettoria offrendo funzionalità avanzate di segmentazione e editing contestuale, integrandosi senza soluzione di continuità nei workflow di design digitale.

A completare il quadro, moderni API e piattaforme estendono le capacità dei sistemi di generative design: ChatGPT API e DeepSeek API hanno introdotto interfacce conversazionali e funzionalità di ricerca avanzata nel processo progettuale, permettendo input in linguaggio naturale per query complesse e recupero dati. Le soluzioni di nuova generazione di NVIDIA, quali GROOT N1, insieme a piattaforme emergenti come Claude, Gemini, Llama, Qwen e Granite, promettono di ridefinire ulteriormente l’intelligenza progettuale, offrendo potenza di calcolo senza precedenti e integrazione dati potenziata [2][3].

È fondamentale riconoscere il ruolo centrale di Python in questo percorso storico. Dalla nascita negli anni ’80 e dall’evoluzione negli anni ’90, Python è passato da semplice linguaggio di scripting a lingua franca per machine learning, analisi dati e fabbricazione digitale. La sua flessibilità, la facilità di integrazione e l’ampio ecosistema di librerie e framework lo hanno reso un pilastro del design digitale moderno [7]. Dall’automazione di compiti semplici negli ambienti parametrici iniziali fino al supporto dei più avanzati algoritmi generativi, l’evoluzione di Python rispecchia quella dell’architettura digitale stessa: una continua ricerca di efficienza, creatività e integrazione fra discipline.

Questi strumenti, che vanno dai primi progetti open-source alle piattaforme commerciali e ai modelli di IA all’avanguardia, hanno trasformato la pratica architettonica, offrendo un ventaglio di capacità che spazia dalla generazione di geometrie complesse e reattive all’automazione dei flussi costruttivi tramite gemelli digitali e monitoraggio in tempo reale. Man mano che gli architetti sfruttano questi potenti strumenti, il futuro del design si prospetta un’epoca in cui la creatività è potenziata dai dati, dall’intelligenza computazionale e da una perfetta integrazione tra virtuale e reale.

>> Vuoi dire la tua sull'uso dell'AI in architettura? PARTECIPA AL SONDAGGIO

Da questa pagina è possibile accedere all’indice aggiornato con i link a tutti i capitoli. 

CLICCA QUI

>> Continua a seguirci per scoprire, capitolo dopo capitolo, tutti i contenuti del volume.