Команда Института AIRI и редакция «Компьютерры» продолжают совместную серию материалов о том, как искусственный интеллект меняет различные отрасли. В новом тексте Антон Гусаров — научный сотрудник группы «Генеративное проектирование» лаборатории FusionBrain Института AIRI, рассказывает, как ИИ помогает архитекторам и инженерам искать новые решения, учитывать противоречивые требования, создавать цифровые модели существующих зданий, работать с проектной документацией, контролировать ход строительства и управлять объектом после ввода в эксплуатацию.
Находить архитектурные идеи
Когда речь заходит о генеративном ИИ в архитектуре, легко представить футуристические здания необычной геометрии с текучими фасадами и нависающими объемами, словно не подчиняющимися гравитации. Архитектор уже на стадии эскиза учитывает свойства материалов и конструктивные ограничения, тогда как генеративная модель, напротив, может создавать образ, не учитывая, насколько его возможно воплотить в реальность. Но именно эта свобода от ограничений порой и приводит к неожиданным архитектурным идеям.
Затем архитектору предстоит «приземлить» концепцию — сохранить исходную идею, адаптировав ее к конструктивным и технологическим ограничениям. В 2024 году Артуро Тедески вместе с компаниями STUD-IO и Wies Offsite реализовал экспериментальный фрагмент фасада, исходный образ которого был создан с помощью моделей Midjourney и Stable Diffusion. Исходное изображение преобразовали в 3D-модель, доработали вручную и передали в программу StudFinder, которая разбила сложную форму на элементы стального каркаса. Детали изготовили и всего за один день собрали полноразмерный макет.
Использование ИИ в подобном контексте постепенно входит и в программы подготовки архитекторов. В МАРХИ появился модуль «ИИ в архитектурном проектировании», а в НИУ ВШЭ действует курс «Нейрогенерация архитектурных форм: будущее проектирования», где студенты с помощью моделей Midjourney, Stable Diffusion и DALL·E генерируют пространственные сценарии и сочетают нейросети с параметрическим проектированием.
Исследователи AIRI совместно с преподавателями ТГАСУ разработали для студентов ИИ-помощник «Архитектурный критик», предназначенный для помощи во время работы над курсовыми проектами. Студент загружает эскизы, после чего система на базе GigaChat и Kandinsky анализирует архитектурную концепцию, дает обратную связь, подбирает в качестве референсов известные архитектурные проекты и генерирует альтернативный вариант архитектурного эскиза.
Аналогичный подход применили в Гарвардской высшей школе дизайна, где на курсе Generative Ground студенты берут за основу собственные проекты и обращаются к ИИ за новыми вариантами их развития. Неожиданные и даже ошибочные интерпретации нейросети рассматриваются как материал для творческого поиска и позволяют иначе посмотреть на уже сложившийся замысел.
Согласовывать требования и ограничения
При проектировании зданий и сооружений приходится учитывать несколько групп требований и ограничений, которые нередко противоречат друг другу:
- Девелопер стремится увеличить полезную площадь и эффективнее использовать участок.
- Будущие жильцы, напротив, могут предпочитать невысокую плотность застройки, хорошую инсоляцию и просторную придомовую территорию.
- В то же время проектные решения должны учитывать градостроительные регламенты и нормативные требования, параметры участка и технические условия. Например, предельную этажность и другие параметры застройки, требования к объектам социальной инфраструктуры, допустимые уровни шума, а также возможности подключения к инженерным сетям.
В результате проектировщикам приходится искать решение, которое позволит сбалансировать все эти условия. Здесь ИИ позволяет рассмотреть больше сочетаний, чем проектная команда успела бы перебрать вручную. Для этого характеристики участка, нормативные ограничения, бюджет и требования будущих пользователей переводят в измеримые параметры. Затем система генерирует множество вариантов и оценивает каждый из них.
Один из известных мировых примеров — офис Autodesk в Торонто. Перед началом проектирования компания опросила 300 сотрудников. Одним было важно сидеть рядом со своей командой, другим — работать в тихой зоне, третьим — получать больше естественного света. Алгоритм сопоставил эти пожелания с геометрией помещений, расположением окон, переговорных и инженерных зон и создал 10 тыс. вариантов планировки. Итоговую выбрали уже люди.
На более крупном масштабе подход применили при проектировании жилого комплекса The Phoenix в Окленде. Команда использовала сильные стороны ИИ по систематизации информации, чтобы одновременно учитывать стоимость строительства, углеродный след, освещенность двора, шум от расположенной рядом автомагистрали, приватность и комфорт жителей. Система помогла найти решение и улучшить освещенность и приватность без заметного увеличения стоимости. Весной 2026 года жители начали заселяться в первые 100 квартир комплекса, спроектированного с использованием ИИ.
Похожую задачу автоматизированного формирования планировочных решений решает и отечественный сервис «Квартирография», разработанный Центром искусственного интеллекта в градостроительстве Москвы совместно с Университетом ИТМО. Там пользователь задает количество квартир, их площадь и число комнат, а система за несколько часов формирует планировочные решения с учетом нормативных и пользовательских ограничений.
В 2026 году сервис уже применялся в Самарской и Тульской областях. По данным Правительства Москвы, он позволяет повысить эффективность использования наземной части здания до 45%, а эргономичность планировок — до 35%.
Оцифровывать архитектурное наследие
ИИ применяют и при работе с существующей застройкой, что особенно актуально для городов. Дефицит свободных участков и высокая стоимость земли заставляют искать новые функции для уже построенных объектов. Бывшие фабрики, склады и административные здания реконструируют и приспосабливают под жилье, офисы и общественные пространства, а исторические здания — адаптируют к современному использованию с учетом требований к их сохранению.
На практике геометрия исторического здания редко полностью соответствует сохранившимся чертежам. За время эксплуатации его могли неоднократно перестраивать, а сами конструкции — деформироваться, поэтому перед реконструкцией необходимо зафиксировать фактическое состояние объекта, для чего применяют лазерное сканирование и фотосъемку.
Лазерный сканер формирует облака точек — миллионы пространственных координат, описывающих поверхности здания. Затем данные, полученные с разных позиций, совмещают в единой системе координат, очищают от помех и при необходимости используют для построения трехмерной поверхности. Фотографии позволяют дополнить геометрию информацией о цвете и внешнем виде поверхностей. В результате получают цифровую трехмерную модель фактического состояния здания, на основе которой при необходимости создают цифровую информационную модель сооружения (ЦИМ, BIM).
Такой подход исследователи AIRI и Сколтеха совместно со специалистами Государственного исторического музея применили при создании цифровых 3D-копий объектов храма Василия Блаженного. Небольшие экспонаты оцифровывали ручным сканером структурированного света, а для помещений использовали лазерное сканирование и фотосъемку. Работу осложняли слабое освещение, которое нельзя было усиливать из-за риска повредить памятник, сложная геометрия помещений и множество мелких деталей.
Алгоритмы обрабатывали фотографии и полученные при сканировании облака точек, объединяя сведения о геометрии и внешнем виде поверхностей в единой трехмерной модели. В строительстве такая цифровая фиксация существующего объекта может стать исходным материалом для реконструкции исторического здания или редевелопмента промышленного объекта.
Причем оцифровывать можно и отдельные материалы. Так, для павильона Domino 3.0, представленного на Венецианской архитектурной биеннале в 2025 году, использовали деревья, поваленные штормом на севере Италии. Каждый ствол отсканировали вместе с его изгибами, сучками и повреждениями, после чего ИИ проанализировал геометрию и помог определить, как соединить нестандартные элементы в устойчивую конструкцию. Для их сборки изготовили индивидуальные детали на 3D-принтере. Так что переиспользоваться могут не только здания, но и материалы.
Контролировать ход строительства
На крупной строительной площадке одновременно выполняются десятки видов работ, поэтому отклонения от календарного графика или нарушения требований охраны труда не всегда удается обнаружить сразу. Системы компьютерного зрения анализируют изображения с камер и беспилотников, распознают людей, строительную технику и возведенные конструкции. Полученные данные можно сопоставлять с календарным графиком и BIM-моделью, чтобы оценивать фактический ход строительства и выявлять отклонения.
В России эту задачу решает московский сервис «Мониторинг хода строительства». Он анализирует фотографии и видео, а также оценивает долю выполненных работ. Обработка занимает около двух минут, а заявленная точность определения готовности достигает 90%. В 2026 году сервис испытали на реальных объектах в 11 регионах, в том числе на площадках ГК «ФСК». Сейчас его применяют в Дагестане, Еврейской автономной и Липецкой областях.
Компьютерное зрение применяют и для контроля безопасности труда на строительной площадке. В 2024 году такую систему внедрил девелопер INGRAD. Алгоритм обучили распознавать работников, каски, инструменты и опасные зоны. Если система обнаруживает человека без необходимых средств индивидуальной защиты или фиксирует другое нарушение, она отправляет уведомление ответственному сотруднику, что позволяет быстрее выявлять потенциально опасные ситуации.
Работать с проектной документацией
Не менее сложная задача — работа с проектной документацией. Например, комплект для «Лахта Центра», переданный в Главгосэкспертизу, насчитывал около 600 томов, а вместе с производственными площадками и ближайшими подрядчиками над объектом работали около 20 тысяч человек.
Для хранения, поиска, передачи и согласования документов использовалась корпоративная система электронного документооборота. На проектах такого масштаба ИИ может использоваться для анализа связей между документами, поиска противоречий и определения того, какие чертежи, спецификации и расчеты затрагивает очередное изменение.
Поддерживать эксплуатацию
После ввода объекта в эксплуатацию становятся известны условия, которые невозможно было полностью учесть на стадии проектирования. Например, со временем, в процессе эксплуатации, изменяется состояние конструкций, инженерных систем и оборудования, а обращения пользователей позволяют выявлять неисправности и недостатки.
Здесь ИИ позволяет анализировать данные приборов учета, датчиков, систем автоматизации и диспетчеризации, журналов технического обслуживания и заявок. В результате появляется возможность прогнозировать потребность в техническом обслуживании и ремонте и оценивать фактические эксплуатационные характеристики объекта.
Например, так работает российская платформа «Андромеда», развернутая более чем на 4 тыс. объектов недвижимости. Она обрабатывает около 100 млн параметров в сутки, выявляет аномалии в энергопотреблении, анализирует состояние инженерного оборудования и с помощью ИИ формирует рекомендации для эксплуатационного персонала.
Похожий подход применяют в «СберСити», где в 2026 году запустили системы на основе ИИ, которые в реальном времени анализируют параметры работы инженерного оборудования и выявляют отклонения, способные привести к отказам и аварийным ситуациям. Другая модель помогает управляющей компании обрабатывать типовые обращения жителей. Таким образом, цифровые данные сопровождают объект и после завершения строительства, становясь инструментом его эксплуатации и технического обслуживания.
По мере накопления и оцифровки данных о проектировании, строительстве и эксплуатации зданий и сооружений область применения ИИ будет расширяться. Однако окончательные решения по-прежнему останутся за архитекторами и инженерами, ведь именно они отвечают за безопасность, реализуемость и качество проекта. ИИ может взять на себя часть расчетов, сопоставлять большие массивы документации, выявлять отклонения и предлагать возможные решения.
В результате человек получает не замену собственному опыту, а сильный и гибкий инструмент для работы со все более сложными проектами.
Читайте также другие статьи из серии:
- От поиска рака до изобретения новых лекарств: пять вещей, с которыми помогает ИИ в медицине уже сегодня.
- Увидеть раньше, среагировать быстрее: как ИИ помогает предсказывать погоду, влияет на экологию и промышленность.
- Увидеть раньше, среагировать быстрее: как ИИ помогает предсказывать погоду, влияет на экологию и промышленность.