建築設計

設計主題:以社群、數據、生態為基礎的未來住屋規劃(Social-Data-Ecology Future Housing) 合作對象:新加坡理工學院(Singapore Institute of Technology)錢思程教授 設計宣言:基於社群數據,以設計對未來提問(Design to Question by Social Data) 說明:社群數據包括廣義的地理資訊、開放資料、社群媒體。設計方法採質疑性設計或猜想式設計,大膽提問「如果...該會如何?」,但也同時提出具體可行的方案。 概述: 由於氣候變遷、能源短缺、製造方法改變、資通訊技術發展,都市面臨著自然環境以及社會環境的雙重考驗。在避免都市過度蔓延的前提下,如何在既有的都市空間創造都市更新或再生的機會,面對當代都市及建築面臨的挑戰,作為未來建築師必要的技能與態度。關鍵議題包括: 1. 面對未來都市與住屋議題。Facing future urban and housing issues. 2. 基於社群與開放數據、考慮社會複雜系統,以設計進行提問。Design to Question, based on social and open data in the context of social complex system. 3. 數據為素材、分析為工具、模式為單元。Data as Material. Analysis as Toolkit. Pattern as Unit. 4. 學習人工智慧與機器學習(AI/ML)相關演算法及實務應用。Basic skills in Artificial Intelligence (AI) & Machine Learning (ML) and applications. 城市中的資料探勘 Data Mining the City 1. 地理資訊探勘 Geo location mining 2. 文字探勘 Text mining 3. 影像探勘 Image miming 4. 社群媒體資料 Social media data 透過上述資料可以針對特定地點收集到多元的時空與文本資料,揭露更豐富在地資訊,以及趨勢資料。 以人工智慧輔助的分析方法包括影像分析、自然語言分析(NLP)。 進行都市居住空間設計與操作的手法,有加法(Additive)如擴建、填補空間、增建,以及減法、重新組織、重新配置等方法。 基地:潛在基地為高密度人口與住屋需求高的亞洲都市,包括台北、東京、新加坡。本次合作將投過 SIT 取得新加坡都市與住屋資訊,結合台北在地資料,進行設計提案(提問),揭露未來住屋方案的可能性。

此為選修建築設計課(Option Studio),限建築研究所學生選修。