در سنت کیمیاگری، «ماده نخستین» یا prima materia به آن جوهر خام و نامتمایزی گفته میشد که همه چیز از آن آغاز میشود؛ مادهای که هنوز شکل نهایی نگرفته، اما امکان دگرگونی را در خود دارد. مهارت کیمیاگر فقط در تغییر ماده نبود، در تشخیص امکانهای پنهان آن بود. همین استعاره وقتی به معماری امروز آورده میشود، نشان میدهد نقطه شروع طراحی دیگر فقط مصالح فیزیکی نیست و هرچه بیشتر به داده، محاسبه و تفسیر اطلاعات گره میخورد.
نشست First Matter در دانشکده معماری David R. Ravin دانشگاه کارولینای شمالی در شارلوت به طراحی معماری در لحظهای نگاه میکند که هوش مصنوعی دیگر صرفاً ابزار سرعتبخش نیست و دارد خودِ وضعیت آغازین طراحی را تغییر میدهد. در این نگاه، پرسش فقط این نیست که AI چه کمکی به طراحی میکند؛ پرسش این است که امروز معمار اصلاً طراحی را با چه چیزی آغاز میکند.
از ماده فیزیکی تا ماده اطلاعاتی
در این چارچوب، «ماده آغازین» معماری امروز دیگر صرفاً بتن، سنگ، فولاد یا چوب نیست. این ماده، بهطور فزاینده، از اطلاعات دیجیتال ساخته میشود؛ از دادههایی که معمار آنها را همزمان با ماده فیزیکی دستکاری، انتخاب و تفسیر میکند. در نتیجه، هوش مصنوعی فقط یک ابزار نیرومند برای تولید تصویر یا تسریع مدلسازی نیست، بلکه عاملی است که معمار را وادار میکند دوباره درباره مواد خام طراحی فکر کند: چه چیزی باید در مراحل اولیه وارد فرآیند شود، چه چیزی کنار گذاشته شود، و این توان محاسباتی تازه چگونه نقطه عزیمت تخیل معماری را جابهجا میکند.
برای توضیح این تغییر، میتوان به سه چهره از سه مدرسه معماری مختلف نگاه کرد: اندرو ویت، کارل کلاین و برندون کلیفورد. هر سه از زاویهای متفاوت نشان میدهند که اگر داده به ماده آغازین طراحی تبدیل شود، خودِ نقش معمار هم دیگر مثل قبل نخواهد بود.
اندرو ویت؛ داده به مثابه ماده معماری
اندرو ویت، استاد واشنگتن یونیورسیتی در سنتلوئیس، اطلاعات دیجیتال را مستقیماً بهعنوان ماده معماری میبیند. او از محاسبه برای بازتعریف رابطه میان سامانهها، منابع و محیطها استفاده میکند؛ نه فقط در مقیاس یک ساختمان، بلکه در ابعادی بسیار بزرگتر. او با تکیه بر دادههای گسترده و مدلهای شبیهسازی، تصمیم طراحی را به شبکههایی از بازخورد محیطی، منابع و زیرساخت پیوند میزند.
در این روایت، معماری دیگر فقط سازماندهی فضا در یک قطعه زمین نیست. داده میتواند طراحی را تا مقیاس سیارهای گسترش دهد؛ جایی که پای پایش تخریب محیطزیست، تغییرات اقلیمی و حتی سناریوهای بازسازی اکولوژیک به میان میآید. این رویکرد را میتوان نوعی «پایداری محاسباتی» دانست: استفاده از AI برای جمعآوری و تفسیر داده در مقیاس بازخوردهای سراسری زمین. در چنین وضعی، معمار صرفاً شکل تولید نمیکند، بلکه جریانهای داده را به کار میگیرد تا مسیر دگرگونی مادی را هدایت کند.
یکی از نمونههای شاخص این نگاه، پروژه Vivarium در موزه آینده دبی است؛ نوعی زیستگاه گمانهزن برای زیستشناسیهای نو که قرار است به ترمیم جهانی آسیبدیده از فعالیت انسان فکر کند. اهمیت این مثال در آن است که ساختمان دیگر بهعنوان شیئی ثابت فهم نمیشود، بلکه بهصورت چارچوبی پاسخگو دیده میشود که شرایط محیطی را میسنجد و امکان پیامدهای مطلوبتر را فراهم میکند.
کارل کلاین؛ هوش مصنوعی، تقلید و «نادانی مولد»
اگر ویت از مقیاس سامانههای داده حرف میزند، کارل کلاین مسئله را به سطح معرفتشناسی طراحی میبرد. کلاین به این فکر میکند که یادگیری ماشینی چگونه رابطه سنتی میان خلاقیت، ادراک و بازنمایی را از نو قاببندی میکند. او از مفهوم «قوه mimetic» در اندیشه والتر بنیامین الهام میگیرد؛ همان گرایش انسانی به دیدن الگوها و تقلید یا بازآفرینی آنها در جهان.
از نگاه کلاین، هوش مصنوعی این توان تقلیدی را به شکل نمایی گسترش میدهد. مدلها میتوانند مجموعههای عظیم تصویری را تحلیل کنند، الگوهای ظریف را بیرون بکشند و با سرعتی بسیار بالا تفسیرهای تصویری تازه بسازند. اما ارزش این فرآیند فقط در انبوهبودن داده نیست. کلاین در آزمایشهای استودیویی خود، مدلها را با مجموعههای مشخصی از ترسیمات معماری آموزش میدهد؛ برای مثال با رجوع به جزئیات ترسیمی معماری مدرن، سپس از AI میخواهد با بازخوانی داده تاریخی، طرحهایی بیسابقه تولید کند.
نکته تعیینکننده اینجاست که او عمداً اطلاعات را محدود میکند. کلاین برای فرار از گرایش شبکههای خصمانه مولد به بازتولید تصاویر قابلپیشبینی، دامنه داده آموزشی را کوچک و انتخابشده نگه میدارد. این روش به مفهومی نزدیک است که میتوان آن را «نادانی مولد» نامید: محدود کردن راهبردی دانستهها برای برانگیختن نتیجهای خلاقانهتر. به بیان دیگر، مسئله معماری در عصر AI فقط دسترسی به اطلاعات بیشتر نیست؛ دانستن این است که کجا باید داده را حذف کرد، ناقص گذاشت یا مبهم نگه داشت تا امکان جهش تخیلی به وجود بیاید.
برندون کلیفورد؛ بازگشت به ماده در افق زمان عمیق
با برندون کلیفورد، مسیر بحث دوباره از محاسبه به ماده برمیگردد، اما این بازگشت به معنای کنار گذاشتن داده نیست. کلیفورد از شیوههای مادی باستانی، بهویژه سنگچینیهای سیکلوپی، الهام میگیرد؛ از سازههایی که در آن بلوکهای سنگی عظیم در دورههای بعدی نیز دوباره در ساختوساز به کار گرفته میشدند. اینجا ماده نه یک عنصر مصرفشدنی کوتاهعمر، بلکه بخشی از چرخهای طولانیمدت است.
تحقیقات کلیفورد در قالب «باستانشناسی پروژکتیو» بنا را شیئی ثابت نمیبیند، بلکه آن را آرایشی موقت در دل چرخههای گستردهتر ماده تلقی میکند. این نگاه در برابر عمر کوتاه ساختمانهای امروز و ضعف نسبی استفاده دوباره از مصالح قرار میگیرد. کلیفورد بلوکهای سیکلوپی تازهای طراحی و اجرا میکند که جابهجایی و بازآرایی آنها آسانتر است و ذاتاً از بسیاری از مصالح متعارف عمر طولانیتری دارند.
در این بخش، نقش محاسبه بسیار روشن است. ابزارهای محاسباتی میتوانند در تحلیل مواد زمینشناختی، بهینهسازی مصرف منابع و طراحی سازههایی که برای زمانهای طولانی دوام میآورند، به کار بیایند. بنابراین، حتی وقتی بحث دوباره به ماده فیزیکی برمیگردد، این بازگشت از مسیر داده و محاسبه عبور میکند. نتیجه، نوعی «آینده بدوی» است؛ آیندهای که در آن فناوریهای معاصر و درسهای پیشاتاریخی به هم میرسند.
نقطه آغاز طراحی در عصر محاسباتی
نتیجه این است که شرایط اولیه طراحی دیگر فقط از فرم و ماده تشکیل نمیشود. امروز، سامانههای پیچیده اطلاعاتی، شیوههای تفسیر، استراتژیهای انتخاب دانش و نگاههای بلندمدت به زمان، همگی در همان لحظه آغاز طراحی حضور دارند. این تغییر، فقط تغییر ابزار نیست؛ تغییر در تعریف «شروع کردن» است.
در پایان، سه گرایش بهعنوان مسیرهای قانعکننده پیش روی معماری و طراحی ظاهر میشوند: ذهنیت سیارهای، راهبردهای آگاهانه در گردآوری و پالایش دانش، و نگاه بلندمدت به زمان و ماده. از دل این سه محور، تصویری از معماری به دست میآید که در آن داده نه جای ماده را میگیرد و نه معماری را از ساخت دور میکند؛ بلکه آغاز فرآیند طراحی را از نو تعریف میکند.
