नवीनतम शोध के अनुसार स्थापत्य डिजाइन में AI का उपयोग

परिचय

हाल के वर्षों में, वास्तुकला डिजाइन, शहरी योजना और निर्माण उद्योग में AI प्रौद्योगिकी का अनुप्रयोग बढ़ रहा है, लेकिन आधुनिक वास्तुकला चुनौतियों (ऊर्जा प्रदर्शन, स्थान अनुकूलन आदि) के समाधान में AI कैसे उपयोगी है और इसे कैसे लागू किया जा सकता है, इस बारे में व्यवस्थित रूप से संगठित साहित्य बहुत कम है।

इसके अलावा, 2022 के बाद से, ChatGPT और Midjourney जैसे जनरेटिव AI (Generative AI) और बड़े भाषा मॉडल (LLM) तेजी से लोकप्रिय हो गए हैं, और पारंपरिक सांकेतिक AI (नियम-आधारित) से तंत्रिका नेटवर्क और जनरेटिव AI में स्थानांतरण हो रहा है, इसलिए सबसे नई प्रौद्योगिकी प्रवृत्तियों (GPT-5 आदि) के आधार पर पुनर्मूल्यांकन आवश्यक माना जाता है।

यहाँ, वास्तुकला डिजाइन कार्य पर ध्यान केंद्रित करते हुए, मुख्य रूप से 2010 के बाद से Deep learning से संबंधित मौलिक अनुसंधान के प्रसार के उदाहरणों को व्यवस्थित रूप से संगठित किया जाता है।

वास्तुकला डिजाइन में AI उपयोग के उदाहरणों का वर्गीकरण

वास्तुकला डिजाइन में AI का उपयोग कैसे किया जाता है, यह वर्णित किया गया है। वास्तुकला डिजाइन कार्य को योजना और नियोजन प्रक्रिया, मूल डिजाइन प्रक्रिया, विस्तृत डिजाइन प्रक्रिया, संरचनात्मक और सेवा डिजाइन प्रक्रिया, पर्यावरणीय डिजाइन सिमुलेशन प्रक्रिया और संरक्षण और पुनर्निर्माण प्रक्रिया के 6 भागों में विभाजित किया गया है।

योजना और नियोजन प्रक्रिया

डिजाइन

• छत ट्रस के आकार के अनुकूलन में, वजन और विक्षेपण को कम करने के साथ-साथ उपयोगकर्ता की प्राथमिकताओं को शामिल करते हुए AI मॉडल द्वारा अनुकूलन किया जाता है (Bailey Breanna & Raich Anne M., 2012)

• Midjourney, DALL-E 2, Stable Diffusion आदि जैसे जनरेटिव AI उपकरणों का उपयोग करते हुए, प्राकृतिक भाषा के प्रॉम्प्ट (निर्देश) से वास्तुकला दृश्य, इंटीरियर, और फेसाड डिजाइन प्रस्ताव कुछ सेकंड में उत्पन्न किए जाते हैं। इससे, प्रारंभिक विचार-विमर्श और ग्राहकों के साथ छवि साझा करना तेजी से हो गया है (Enjellina et al., 2023; Li et al., 2025b; Ploennigs & Berger, 2023; Sourek, 2024)

परियोजना आवश्यकताओं का निर्माण

• ग्राहक की अस्पष्ट इच्छाओं और आवश्यकताओं को सुनकर, LLM पिछली परियोजना डेटा के साथ मिलकर, यथार्थवादी और रचनात्मक परियोजना आवश्यकता दस्तावेज बनाता है (Memon et al., 2025; Onatayo et al., 2024)

मूल डिजाइन प्रक्रिया

फ्लोर प्लान की स्वचालित पीढ़ी

• GAN और ANN का उपयोग करके अपार्टमेंट आदि के फ्लोर प्लान उत्पन्न किए जा रहे हैं (Huang & Zheng, 2018; Krausková & Pifko, 2021; Liu et al., 2017; Tamke et al., 2018)

शहरी और साइट योजना का अनुकूलन

• स्थलाकृति, पवन, सूर्य का प्रकाश, परिवहन, क्षेत्र निर्धारण आदि की स्थितियों को ध्यान में रखते हुए, AI साइट की क्षमता को अधिकतम करने वाले भवन की व्यवस्था का प्रस्ताव देता है (Sourek, 2024)

विस्तृत डिजाइन प्रक्रिया

BIM और AI का एकीकरण

• AI का उपयोग करके आकार मॉडलिंग और वस्तु पहचान की जाती है, और लेजर स्कैनर डेटा से BIM मॉडल बनाने की प्रक्रिया को स्वचालित किया जाता है (Tang et al., 2010)

• BIM लॉग को AI द्वारा विश्लेषण किया जाता है, और डिजाइन प्रक्रिया की उत्पादकता में सुधार के उपायों का विश्लेषण किया जाता है (Pan & Zhang, 2020)

• BIM में डिजाइन डेटा के संचय और परिवर्तन का विश्लेषण किया जाता है (Al Hattab & Hamzeh, 2018)

• प्राकृतिक भाषा के पाठ निर्देशों के आधार पर, BIM मॉडल के भीतर दीवारों या कमरों की विशेषताओं को बदलना या इन्सुलेशन जोड़ना संवादात्मक प्रणाली पर अनुसंधान किया जा रहा है (Kampelopoulos et al., 2025)

• वास्तुकला मानदंड कानून जैसे नियमों को व्याख्या करके, BIM मॉडल मानदंडों के अनुरूप है या नहीं, इसे स्वचालित रूप से जांच किया जाता है (Kampelopoulos et al., 2025; Li et al., 2025b)

अनुकूली फेसाड

• जलवायु स्थितियों और उपयोगकर्ता की आराम के अनुसार, स्वचालित रूप से खुलने-बंद होने और प्रकाश रोकने वाले फेसाड के नियंत्रण में AI का उपयोग किया जाता है (Li et al., 2025a)

संरचनात्मक और सेवा डिजाइन प्रक्रिया

संरचनात्मक डिजाइन

• संरचनात्मक प्रदर्शन का पूर्वानुमान और मूल्यांकन, संरचनात्मक स्थिति का सिमुलेशन किया जा सकता है (Sun et al., 2021; Talebian et al., 2025)

• जहां प्रयोग करना मुश्किल है, वहां संरचनात्मक डिजाइन पैरामीटर निर्धारित करने के लिए AI का उपयोग किया जाता है, और प्रयोग में खर्च होने वाले मानव समय और प्रयास को कम किया जाता है (Salehi & Burgueño, 2018)

• यादृच्छिक वन जैसे पूर्वानुमान मॉडल का उपयोग करके, भूकंप से क्षतिग्रस्त इमारतों की संरचनात्मक सुरक्षा स्थिति का सिमुलेशन किया जा रहा है (Y. Zhang et al., 2018)

पर्यावरणीय डिजाइन सिमुलेशन प्रक्रिया

ऊर्जा खपत

• भवन की ऊर्जा उपयोग की भविष्यवाणी की जाती है (Himeur et al., 2021; Mazlina Zaira & Hadikusumo, 2017; Wang & Srinivasan, 2017; H.-X. Zhao & Magoulès, 2012)

• भवन, पुल, सुरंग, सड़क, सीवेज पाइप आदि जैसे विभिन्न सामाजिक ढांचे में होने वाले दोष या क्षति (दरारें, छीलन, संक्षारण, छेद, जोड़ों की क्षति आदि) का पता लगाया जाता है और मूल्यांकन किया जाता है, और संरचनात्मक प्रणाली की सुरक्षा और स्थायित्व की पुष्टि की जाती है (C. Zhang et al., 2020)

• स्मार्ट ग्रिड के उपयोग की परिकल्पना करते हुए विद्युत भार पूर्वानुमान (Raza & Khosravi, 2015)

• एयर कंडीशनिंग उपकरण, सिस्टम विफलता का पता लगाना और निदान, सिस्टम के लिए भार पूर्वानुमान, ऊर्जा खपत अनुमान, उपयोग की भविष्यवाणी, निवासियों के व्यवहार और ऊर्जा उपयोग की प्रवृत्ति आदि के सिमुलेशन में उपयोग किया जाता है (Hong et al., 2020)

• स्थान में प्राकृतिक प्रकाश की मात्रा और इसके साथ आने वाली ऊर्जा खपत में कमी की भविष्यवाणी AI का उपयोग करके की जाती है (Lorenz et al., 2018)

संरक्षण और पुनर्निर्माण प्रक्रिया

खराबी का पता लगाना निदान (FDD)

• एयर कंडीशनिंग आदि जैसे भवन सुविधाओं की खराबी का पता लगाया जाता है और AI द्वारा निदान किया जाता है (Y. Zhao et al., 2019)

• भवन, पुल, सुरंग, सड़क, सीवेज पाइप आदि जैसी प्रत्येक अवसंरचना में होने वाली दोष या क्षति (दरारें, छीलन, संक्षारण, छेद, जोड़ों की क्षति आदि) का पता लगाया जाता है और मूल्यांकन किया जाता है, और संरचनात्मक प्रणाली की सुरक्षा और स्थायित्व की पुष्टि की जाती है (C. Zhang et al., 2020)

• डीप लर्निंग और पाठ खनन का उपयोग करते हुए, जोखिम पैटर्न और समय के साथ दुर्घटना के खतरे में परिवर्तन का विश्लेषण किया जाता है (Zhong et al., 2020)

भवन आधुनिकीकरण

• Light Detection and Ranging (LiDAR) का उपयोग करके, यादृच्छिक वन से भवन की उम्र की भविष्यवाणी की जाती है (Tooke et al., 2014)

• द्वि-आयामी निर्मित क्षेत्र और ऊंचाई आदि जैसी भवन की आकृति से, वास्तुकला संरचना का प्रकार भविष्यवाणी की जाती है (Henn et al., 2012)

समापन

उदाहरणों को व्यवस्थित करने से, तकनीकी प्रतिमान परिवर्तन हो रहा है, यह महसूस किया जा सकता है।

2010 के दशक के बाद से गहन शिक्षा के प्रसार से, और 2022 के बाद से जनरेटिव AI और बड़े भाषा मॉडल (LLM) के विस्तार तक, वास्तुकला में AI, पारंपरिक रूप से लोगों द्वारा AI का सामान्य उपयोग करने के तरीके से, संवादात्मक रूप से उपयोग करने के तरीके में बदल रहा है।

वास्तुकला डिजाइन में AI का उपयोग, केवल कार्य दक्षता के उपकरण से, डिजाइन की गुणवत्ता और रचनात्मकता बढ़ाने के लिए एक आवश्यक साथी में तेजी से विकसित हो रहा है।

संदर्भ साहित्य

• Al Hattab, M., & Hamzeh, F. (2018). Simulating the dynamics of social agents and information flows in BIM-based design. Automation in Construction, 92, 1–22.

• Bailey Breanna, & Raich Anne M. (2012). Modeling of User Design Preferences in Multiobjective Optimization of Roof Trusses. Journal of Computing in Civil Engineering, 26(5), 584–596.

• Enjellina, Beyan, E. V. P., & Rossy, A. G. C. (2023). Review of AI Image Generator: Influences, challenges, and future prospects for architectural field. Journal of Artificial Intelligence in Architecture, 2(1), 53–65.

• Henn, A., Römer, C., Gröger, G., & Plümer, L. (2012). Automatic classification of building types in 3D city models. GeoInformatica, 16(2), 281–306.

• Himeur, Y., Ghanem, K., Alsalemi, A., Bensaali, F., & Amira, A. (2021). Artificial intelligence based anomaly detection of energy consumption in buildings: A review, current trends and new perspectives. Applied Energy, 287, 116601.

• Hong, T., Wang, Z., Luo, X., & Zhang, W. (2020). State-of-the-art on research and applications of machine learning in the building life cycle. Energy and Buildings, 212, 109831.

• Huang, W., & Zheng, H. (2018). Architectural drawings recognition and generation through machine learning. Of the 38th Annual Conference of the …. http://papers.cumincad.org/data/works/att/acadia18_156

• Kampelopoulos, D., Tsanousa, A., Vrochidis, S., & Kompatsiaris, I. (2025). A review of LLMs and their applications in the architecture, engineering and construction industry. Artificial Intelligence Review, 58(8). https://doi.org/10.1007/s10462-025-11241-7

• Krausková, V., & Pifko, H. (2021). Use of artificial intelligence in the field of sustainable architecture: Current knowledge. Architecture Papers of the Faculty of Architecture and Design STU, 26(1), 20–29.

• Liu, C., Wu, J., Kohli, P., & Furukawa, Y. (2017). Raster-to-vector: Revisiting floorplan transformation. 2017 IEEE International Conference on Computer Vision (ICCV), 2195–2203.

• Li, Y., Chen, H., Yu, P., & Yang, L. (2025a). A review of artificial intelligence applications in architectural design: Energy-saving renovations and adaptive building envelopes. Energies, 18(4), 918.

• Li, Y., Chen, H., Yu, P., & Yang, L. (2025b). A review of Artificial Intelligence in enhancing architectural design efficiency. Applied Sciences (Basel, Switzerland), 15(3), 1476.

• Lorenz, C.-L., Packianather, M., Spaeth, A., & Bleil De Souza, C. (2018). Artificial neural network-based modelling for daylight evaluations. SimAUD 2018, Delft, The Netherlands. https://orca.cardiff.ac.uk/id/eprint/112040/

• Mazlina Zaira, M., & Hadikusumo, B. H. W. (2017). Structural equation model of integrated safety intervention practices affecting the safety behaviour of workers in the construction industry. Safety Science, 98, 124–135.

• Memon, S. A., Shehata, W., Rowlinson, S., & Sunindijo, R. Y. (2025). Generative artificial intelligence in architecture, engineering, construction, and operations: A systematic review. Buildings, 15(13), 2270.

• Onatayo, D., Onososen, A., Oyediran, A. O., Oyediran, H., Arowoiya, V., & Onatayo, E. (2024). Generative AI applications in architecture, engineering, and construction: Trends, implications for practice, education & imperatives for upskilling—A review. Architecture, 4(4), 877–902.

• Pan, Y., & Zhang, L. (2020). BIM log mining: Exploring design productivity characteristics. Automation in Construction, 109, 102997.

• Ploennigs, J., & Berger, M. (2023). AI art in architecture. AI in Civil Engineering, 2(1). https://doi.org/10.1007/s43503-023-00018-y

• Raza, M. Q., & Khosravi, A. (2015). A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings. Renewable and Sustainable Energy Reviews, 50, 1352–1372.

• Salehi, H., & Burgueño, R. (2018). Emerging artificial intelligence methods in structural engineering. Engineering Structures, 171, 170–189.

• Sourek, M. (2024). Artificial intelligence in architecture and built environment development 2024: A critical review and outlook. https://www.wemakespaces.archi/uploads/Artificial-Intelligence-in-Architecture-and-Built-Environment-Development.pdf

• Sun, H., Burton, H. V., & Huang, H. (2021). Machine learning applications for building structural design and performance assessment: State-of-the-art review. Journal of Building Engineering, 33, 101816.

• Talebian, S., Golkarieh, A., Eshraghi, S., Naseri, M., & Naseri, S. (2025). Artificial intelligence impacts on architecture and smart built environments: A comprehensive review. Advances in Civil Engineering and Environmental Science, 2(1), 45–56.

• Tamke, M., Nicholas, P., & Zwierzycki, M. (2018). Machine learning for architectural design: Practices and infrastructure. International Journal of Architectural Computing, 16(2), 123–143.

• Tang, P., Huber, D., Akinci, B., Lipman, R., & Lytle, A. (2010). Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques. Automation in Construction, 19(7), 829–843.

• Tooke, T. R., Coops, N. C., & Webster, J. (2014). Predicting building ages from LiDAR data with random forests for building energy modeling. Energy and Buildings, 68, 603–610.

• Wang, Z., & Srinivasan, R. S. (2017). A review of artificial intelligence based building energy use prediction: Contrasting the capabilities of single and ensemble prediction models. Renewable and Sustainable Energy Reviews, 75, 796–808.

• Zhang, C., Chang, C.-C., & Jamshidi, M. (2020). Concrete bridge surface damage detection using a single‐stage detector. Computer-Aided Civil and Infrastructure Engineering, 35(4), 389–409.

• Zhang, Y., Burton, H. V., Sun, H., & Shokrabadi, M. (2018). A machine learning framework for assessing post-earthquake structural safety. Structural Safety, 72, 1–16.

• Zhao, H.-X., & Magoulès, F. (2012). A review on the prediction of building energy consumption. Renewable and Sustainable Energy Reviews, 16(6), 3586–3592.

• Zhao, Y., Li, T., Zhang, X., & Zhang, C. (2019). Artificial intelligence-based fault detection and diagnosis methods for building energy systems: Advantages, challenges and the future. Renewable and Sustainable Energy Reviews, 109, 85–101.

• Zhong, B., Pan, X., Love, P. E. D., Sun, J., & Tao, C. (2020). Hazard analysis: A deep learning and text mining framework for accident prevention. Advanced Engineering Informatics, 46, 101152.