نرم افزارهای هوش مصنوعی و *طراحی مولد با استفاده از الگوریتم های هوش مصنوعی، در معماری خلاقیت ایجاد می کنند. این ابزارها از *مدل‌های زبانی بزرگ و *مدل‌های انتشاری، برای یافتن و به کمال رساندن جایگزین‌های طراحی استفاده می‌کنند و معماران را قادر می‌سازند تا راه‌حل‌های خلاقانه‌ای را پیدا کنند که ممکن است از طریق روش‌های طراحی سنتی قابل دستیابی نباشد.

این نرم افزارها به معماران اجازه می‌دهند تا ایده‌های طراحی را بر اساس درخواست‌ها، پارامترها و اهداف مشخص شده، تولید و اصلاح کنند. این فناوری، فرآیند طراحی را ساده می کند، هدر رفت مصالح را به حداقل می رساند و تصمیمات طراحی پایدارتر و کارآمدتر را بیشتر می کند. همچنین معماران را قادر می سازد تا برای طراحی رویکردی آینده نگرانه و مبتنی بر داده اتخاذ کنند و از قابلیت های هوش مصنوعی در راستای بهبود فرآیند خلاقانه خود بهره ببرند.

AI software and generative design using AI algorithms foster creativity in architecture. These tools leverage large language models and diffusion models to explore and refine design alternatives, enabling architects to discover innovative solutions that may not be achievable through traditional design methods.

These software tools allow architects to generate and refine design ideas based on specified prompts, parameters, and objectives. This technology streamlines the design process, minimizes material waste, and enables more sustainable and efficient design decisions. Additionally, it empowers architects to adopt a forward-thinking, data-driven approach to design, leveraging AI capabilities to enhance their creative workflow.

*طراحی مولد : فرایند فرم یابی است که می‌تواند رویکرد تکاملی طبیعت را در رابطه با طراحی، تقلید کند.
*مدل‌های زبانی بزرگ: سامانه‌های هوش مصنوعی هستند که برای درک، تولید و پاسخگویی به زبان انسان طراحی شده‌اند
*مدل‌های انتشاری: در یادگیری ماشینی، دسته‌ای از مدل‌های متغیر پنهان هستند. هدف مدل‌های انتشاری، یادگیری ساختار پنهان یک مجموعه داده با مدل‌سازی روشی است که در آن نقاط داده در فضای پنهان منتشر می‌شوند.

Generative design: A form-finding process that can mimic nature's evolutionary approach to design.
Large language models (LLMs): AI systems designed to comprehend, generate, and respond to human language.
Diffusion models: In machine learning, a class of latent variable models where the objective is to learn the hidden structure of a dataset by modeling the process through which data points diffuse in latent space.