Этап 1. Исследование через текст
Через диалог с языковыми моделями Елизавета выбрала типологию, исследовала этажность, материалы, архитектурные и объемно-планировочные решения. На выходе — не просто насмотренность, а по сути техническое задание: четко сформулированное описание того, каким должно быть здание.
Этап 2. Поиск формы через генерацию
Несколько веток итераций в Weavy и ComfyUI — браузерные и локальные модели сравнивались между собой. Задача: найти объемно-планировочное решение, которое соответствует сформулированному заданию. Промпты переписывались, пропорции уточнялись, результаты анализировались.
Этап 3. Работа с чертежами
В чертежах AI убедителен издалека. Общая композиция плана, схема разреза, фасадный ритм — все читается. Но точность не выдерживает проверки: геометрия не сходится, узлы декоративны, а не конструктивны. Полезно только для эскизной стадии.
Этап 4. Обучение собственной LoRA
Елизавета собрала датасет из референсных изображений объекта и обучила на нем собственную LoRA в ComfyUI. После обучения модель начала стабильно воспроизводить нужный архитектурный образ — контраст тяжелого стилобата и парящего стеклянного куба — без длинных описательных промптов.
Этап 5. Вайбкодинг → модель
Через Python-скрипты в Rhino + Grasshopper удалось дотянуть проект до параметрической 3D-модели. AI генерировал инструкцию — архитектор ее реализовывал и дорабатывал.
Итог
AI не заменяет архитектора — он помогает ему мыслить точнее, быстрее проверять гипотезы и быстрее доходить до результата там, где раньше требовались месяцы.
⚡️Потенциал здесь — в методологии, а не в картинке.
Алина Черейская — куратор программы «Нейросети в архитектуре», архитектор и партнер SA lab.
Хотите научиться встраивать нейросети в свою архитектурную практику? Набор на программу открыт!