EDICIÓN
N°26 | Julio
– Diciembre 2024
| Edición online ISSN-2617-0892
DOI: https://doi.org/10.47796/ra.2024i26
Impacto de las redes
neuronales artificiales en la creación conceptual arquitectónica[1]
Impact of
artificial neural networks on architectural conceptual creation
PRESENTADO : 24.09.24
ACEPTADO : 26.10.24
KARINA ACOSTA-CAIPA[2]
Universidad Nacional Jorge Basadre
Grohmann, Perú
Orcid: 0000-0003-1872-9062
JORGE ESPINOZA-MOLINA[3]
Universidad Nacional Jorge Basadre
Grohmann, Perú
Orcid: 0000-0003-2236-8335
RESUMEN
Este
estudio tiene como propósito evaluar la incorporación de redes neuronales artificiales
en la etapa inicial del diseño arquitectónico aplicado a estudiantes de primer
año. La investigación, de tipo aplicado con enfoque mixto, busca determinar
cómo esta tecnología facilita la creación y expresión gráfica de ideas,
mejorando las competencias en un tiempo reducido. La metodología incluye dos
fases: una tradicional, basada en bocetos manuales, y otra asistida por la IA,
comparando el desempeño en ambos enfoques. Los resultados muestran que los
estudiantes redujeron el tiempo de desarrollo de ideas en un 30-40 % al usar la
IA y experimentaron una mayor satisfacción (98 %) al visualizar sus conceptos
en tiempo real. Además, la IA permitió generar propuestas más innovadoras y
alineadas con los requisitos del proyecto. Sin embargo, se advierte sobre la
importancia de mantener un equilibrio entre el uso de herramientas digitales y
el desarrollo de habilidades críticas y reflexivas. El estudio concluye que las
redes neuronales artificiales son un complemento eficaz en el proceso educativo
del diseño arquitectónico.
Palabras
clave: Metodología, espacio y arquitectura.
ABSTRACT
This study aims to evaluate
the incorporation of artificial neural networks in the initial stage of applied
architectural design for first-year students. The research, of an applied type
with a mixed approach, seeks to determine how this technology facilitates the
creation and graphic expression of ideas, improving skills in a short time. The
methodology includes two phases: a traditional one, based on manual sketches,
and another assisted by AI, comparing the performance in both approaches. The
results show that students reduced the time of idea development by 30-40% when
using AI and experienced greater satisfaction (98%) when visualizing their
concepts in real time. In addition, AI allowed generating more innovative
proposals aligned with the project requirements. However, it is noted that it
is important to maintain a balance between the use of digital tools and the
development of critical and reflective skills. The study concludes that
artificial neural networks are an effective complement in the educational
process of architectural design.
Key words: methodology, space and architecture.
INTRODUCCIÓN
La educación actual
requiere que los docentes se preparen para los desafíos de la era digital y que
fortalezcan sus habilidades y competencias digitales, reconociendo la necesidad
del autodesarrollo de la alfabetización digital para lograr avances
significativos en el proceso educativo (Cervera et al., 2016).
Ya en la primera década del siglo XXI, el
desarrollo de la tecnología aplicada al diseño y a la definición del espacio se
orientaba hacia las ciencias exactas y a las aplicaciones del diseño asistido
por computadora. En la actualidad, la perspectiva se ha orientado hacia
la reproducción sistemática de manera artificial del comportamiento cognitivo
del hombre; por lo tanto, pasamos de un proceso de emulación analógica y
abstracta del proceso de diseño mediante herramientas computacionales hacia una
adaptación de nuevas formas y asimilación de nuevos métodos disponibles (Böhme & Barentin,
2014).
José Corredera
(2023) menciona que la red neuronal artificial se desprende de la inteligencia artificial como
una red (un algoritmo) compuesta de neuronas artificiales, que están organizadas
por niveles y que pasan por distintos parámetros.
Rodríguez Bofill (2023) indica que
las redes neuronales artificiales están impactando en la arquitectura,
desde la generación automática de imágenes, las mejoras en los procesos de
diseño e incluso el control de las técnicas de fabricación. Sin embargo, su
presencia en este ámbito es aún incipiente y ha suscitado el debate sobre su
necesaria adaptación.
En el estudio de proceso del diseño
se muestran diferentes etapas, que se describen a continuación, haciendo
énfasis en cómo se inserta la inteligencia artificial (IA) en el tiempo.
De acuerdo con
Rhodes Hileman (1998), la clasificación desarrollada por Jhon Chris Jones
propone cuatro etapas de los métodos de diseño. La primera etapa es la denominada
evolución artificial, y es previa al renacimiento a cargo de “reglas”
determinadas por el propio artesano; la segunda etapa —hasta los años cincuenta
del siglo pasado— fue la del dibujo en el diseño, donde se le entregaba al
proyectista un documento con información para que genere un producto basado
fundamentalmente en la experiencia e intuición.
La tercera fase,
denominada diseño de sistemas, surge durante la Segunda Guerra Mundial, ante la
necesidad del trabajo en equipo. En esta etapa, el dibujo es considerado una
herramienta que ayuda a resolver problemas; y surgen, además, técnicas como la
lluvia de ideas y la sinéctica.
La cuarta etapa, que
se desarrolla actualmente, tiene como principal característica el cambio
tecnológico o innovación sociotecnológica e incluye, además, la creación de
equipos multidisciplinarios donde el aprendizaje autónomo es fundamental. En
este contexto, Simón (2010, p. 1) define el diseño como la ciencia de los
sistemas artificiales, es decir, aquellos que interactúa con el entorno
natural.
El aprendizaje
automático, como parte de la inteligencia artificial, se ha desarrollado de
manera rápida. Este se caracteriza por el desarrollo de sistemas que “aprenden”
y que mejoran el rendimiento sobre la base de cantidad de datos, funciones y
modelos, y cuya finalidad es solucionar problemas concretos.
Las ideas que
abordamos en un diseño generativo, a través del aprendizaje profundo, es aquel
donde los componentes básicos no mantienen un orden de prelación (As et al.,
2018); sin embargo, llegan por sí mismos motivados por la investigación visual
que obtuvimos con anterioridad (Ferruzca-Navarro & Ferruzca- Navarro,
2015).
El diseño se basa en
un razonamiento abductivo (Design Thinking. Tendencias en la teoría y la
metodología del diseño, n. d.) en el cual los estudiantes pasan —desde la
etapa inicial hasta la utilización de la herramienta para la elaboración del
dibujo o la expresión gráfica— por una brecha amplia en el ciclo del proyecto.
Material que nos ofrecen las redes neuronales artificiales en esta primera
etapa del diseño.
La diferencia de
otras especialidades con la arquitectura es que esta nos ofrece diferentes
respuestas a un solo problema, además de medir cuál de estas respuestas se
adecúa mejor al proceso o usuario, satisfaciendo las necesidades de igual
manera en todos los casos.
Sin embargo, darle
esta tarea a un estudiante de primer año de arquitectura, que incursiona en la
expresión gráfica de sus ideas preliminares de diseño y lo que busca de él, es
un proceso ambicioso. La utilización de las herramientas digitales juega un
papel importante en la etapa inicial de la metodología del diseño, conjugando
formas y espacios.
Por tanto, es
necesario repensar los modelos de enseñanza para encontrar nuevos enfoques al
proceso de aprendizaje. Construir mejor y más eficazmente situaciones de
aprendizaje que significan comprender la naturaleza de lo que se enseña
(Solana, 2007).
La metodología
gráfica es una técnica utilizada en el diseño para visualizar y comunicar ideas
de manera clara y efectiva (Escobar & Díaz, 2017). Con el avance de la
tecnología y el desarrollo de las redes neuronales artificiales, estas técnicas
se han vuelto más sofisticadas y poderosas.
Las redes neuronales
artificiales son sistemas de aprendizaje automático que imitan el
funcionamiento del cerebro humano. Estas redes están compuestas por múltiples
capas de nodos interconectados que procesan y analizan datos para realizar
tareas específicas (Interdonato et al., 2020). En el diseño, las redes
neuronales artificiales se pueden utilizar en diversas aplicaciones, como la
generación de imágenes y la detección de patrones. A través del entrenamiento
de la red con un conjunto de datos, esta puede aprender a reconocer y replicar
características específicas de imágenes, como estilos artísticos o
composiciones estéticas.
En resumen, la
metodología gráfica junto con el uso de redes neuronales artificiales ofrece a
los diseñadores una herramienta poderosa para la generación de ideas y la toma
de decisiones en el diseño. Estas técnicas permiten explorar nuevas
posibilidades y acceder a un nuevo nivel de creatividad y expresión visual.
CONTENIDO
El diseño
arquitectónico enfrenta el desafío de integrar nuevas competencias tecnológicas
junto con habilidades tradicionales, lo que genera una brecha significativa en
la educación actual. Esta situación exige una revisión y actualización
de las metodologías educativas para adaptarse a las demandas actuales. La
evolución del diseño, que ha pasado de ser un proceso manual a uno más
automatizado, plantea la necesidad de actualizar las metodologías educativas
para responder a las demandas contemporáneas.
Los estudiantes de primer año de
arquitectura a menudo tienen dificultades para plasmar sus ideas iniciales en
una representación visual que comunique efectivamente sus conceptos. Este
problema se agrava en las primeras etapas del diseño, donde la creatividad y la
comunicación gráfica juegan un papel crucial. A pesar de los avances en la
tecnología y su disponibilidad, las metodologías tradicionales de enseñanza del
diseño arquitectónico no siempre incorporan de manera efectiva herramientas
avanzadas como las redes neuronales artificiales.
Esta brecha entre
las expectativas pedagógicas y las habilidades adquiridas afecta la capacidad
para adaptarse a las exigencias actuales. El proceso educativo requiere
equilibrar la exploración creativa con el desarrollo de competencias técnicas
que faciliten una comunicación visual efectiva. La falta de integración
tecnológica ralentiza el proceso de aprendizaje, e impide que los estudiantes
aprovechen su potencial en un campo que demanda rapidez y precisión en
la generación de ideas.
El estudio destaca
la importancia de incorporar herramientas como las redes neuronales
artificiales para optimizar el proceso creativo y mejorar la representación
gráfica de ideas. Estas herramientas no solo aceleran la generación de
conceptos, sino que también fomentan la experimentación y la exploración de
nuevas soluciones. Para superar las limitaciones de los enfoques tradicionales
es fundamental combinar metodologías manuales con tecnologías emergentes, y
asegurar que los estudiantes desarrollen tanto habilidades técnicas como
reflexivas.
Es determinante que
la enseñanza del diseño arquitectónico deba adaptarse a las exigencias actuales
mediante la integración de tecnologías digitales que complementen las
metodologías tradicionales. Solo a través de este enfoque equilibrado los
estudiantes podrán enfrentar los desafíos contemporáneos, y así se garantizará
un aprendizaje eficaz que potencie tanto la creatividad como la precisión
técnica.
MÉTODO
Se adoptó un enfoque aplicado
con técnicas mixtas, combinando análisis cuantitativo y cualitativo. La muestra
incluyó a 40
estudiantes de primer año de la Escuela de Arquitectura de la Universidad
Nacional Jorge Basadre Grohmann en Tacna (Perú) del curso “Diseño I". El
grupo estaba compuesto por una proporción equitativa de hombres y mujeres,
seleccionados al azar entre aquellos inscritos en la asignatura.
El experimento se desarrolló
en dos fases: la Fase Tradicional donde los estudiantes generaron bocetos
manuales y conceptualizaron propuestas utilizando papel y lápiz, con énfasis en
la creación de formas innovadoras; y la Fase con IA donde se utilizó la
herramienta generativa FIREFLY para traducir las mismas ideas en
representaciones visuales más precisas mediante redes neuronales artificiales.
Para medir las competencias se emplearon rúbricas
estandarizadas, las cuales se basan en marcos de competencias relevantes
para la enseñanza del diseño arquitectónico (Cervera et al., 2016); y ponen el
énfasis en criterios como los de la creatividad en la
generación de ideas, la efectividad en la comunicación gráfica y la exploración
de soluciones espaciales.
Además, se realizaron
encuestas de satisfacción de la percepción de los estudiantes sobre el uso de
la IA y su impacto en el proceso creativo. La comparación entre ambos enfoques
permitió identificar las diferencias en el tiempo de desarrollo y la calidad de
las propuestas generadas.
|
Figura 1 Metodología: Uso de Redes Neuronales
artificiales en el proceso del Diseño Arquitectónico |
|
|
DESARROLLO
El diseño del estudio se dividió en dos fases simultáneas,
las cuales permitieron comparar el desempeño de los estudiantes utilizando la
IA en relación con enfoques más tradicionales de diseño.
Fase 1: Desarrollo
de la idea generatriz (sin IA). En esta primera fase, los estudiantes
comenzaron con una lluvia de ideas convencional, y utilizaron métodos
tradicionales como el dibujo a mano y el boceto en papel. Se les pidió generar
conceptos para un proyecto arquitectónico específico, con un enfoque en la
creación de formas y espacios innovadores. Esta fase tenía el objetivo de
permitir que los estudiantes elaboraran ideas de manera manual y sin la
intervención de herramientas digitales avanzadas, lo que serviría como
referencia para la segunda fase.
Fase 2: Generación
de ideas mediante redes neuronales artificiales (con IA). Simultáneamente, se
introdujo la herramienta de inteligencia artificial generativa, la cual utiliza
redes neuronales profundas para generar imágenes y representaciones
conceptuales de las ideas diseñadas. Los estudiantes utilizaron esta
herramienta para crear las representaciones gráficas de las mismas ideas
generadas en la primera fase, con el objetivo de evaluar cómo la IA influía en
el desarrollo y representación de esas ideas.
El estudio se centró en diversas variables clave para medir
el impacto de las redes neuronales en el proceso de diseño arquitectónico, las
cuales se indican a continuación:
Se registró el tiempo total dedicado por cada estudiante en
la generación de ideas en ambas fases, comparando cuánto tiempo les tomó
desarrollar un concepto utilizando herramientas tradicionales frente al uso de
la IA.
Se midió la satisfacción subjetiva de los estudiantes en
relación a la facilidad de uso de las herramientas de IA, la efectividad de la
IA para traducir sus ideas en imágenes visuales y su percepción general sobre
el proceso de diseño asistido por IA.
Se evaluó la calidad de los diseños generados en términos de
su adecuación a los requisitos del proyecto, su originalidad y la coherencia
con la idea inicial. También se examinó si las herramientas de IA facilitaban
la creación de propuestas más innovadoras y creativas.
Se analizó si el uso de IA ayudaba a los estudiantes a
desarrollar habilidades y competencias clave en el diseño arquitectónico, como
la generación de ideas, la exploración de soluciones espaciales y la
comunicación visual.
La introducción de la herramienta digital redujo
considerablemente el tiempo que se emplea para generar y desarrollar ideas de
diseño. En promedio, en la fase con IA, los estudiantes completaron el proceso
un 30 a 40 % más rápido que en la fase sin IA. Esto indica que la inteligencia
artificial no solo agilizó el proceso de representación gráfica, sino que
también permitió a los estudiantes dedicar más tiempo a la reflexión y
experimentación creativa.
El 98 % de los estudiantes expresó satisfacción con la
herramienta de IA, y destacó la facilidad con la que podían visualizar sus
ideas y realizar modificaciones en tiempo real. Esta retroalimentación positiva
indica que las redes neuronales no solo fueron vistas como útiles, sino también
como una herramienta que mejora la experiencia de aprendizaje, al reducir la
carga técnica y aumentar las oportunidades de experimentación creativa.
La IA permitió generar diseños visualmente más complejos y
atractivos que los obtenidos en la fase sin IA. Al automatizar la
representación gráfica, los estudiantes pudieron concentrarse más en la
creatividad y la exploración de nuevas formas.
Se evaluaron los resultados de ambas fases y se concluyó que
los diseños generados con el apoyo de FIREFLY no solo eran más detallados, sino
que también estaban mejor alineados con los requisitos funcionales y estéticos
del proyecto. La IA ayudó a los estudiantes a pensar en soluciones más
prácticas y realistas, evitando errores comunes en la representación manual.
La herramienta de IA permitió a los estudiantes adquirir
habilidades tecnológicas clave en un tiempo más corto, lo que aceleró su curva
de aprendizaje. Además, el uso de redes neuronales artificiales fomentó el
desarrollo de competencias como la exploración espacial, la generación de ideas
y la comunicación visual, todas fundamentales para el diseño arquitectónico.
El 86 % de los estudiantes completó las competencias del
curso en menos tiempo del previsto, lo que sugiere que la IA optimiza el
aprendizaje en las primeras fases del diseño arquitectónico.
El uso de redes neuronales artificiales resultó ser un
complemento eficaz para el proceso de diseño arquitectónico en estudiantes de
primer año. Al reducir la barrera técnica en la representación gráfica, los
estudiantes pudieron concentrarse en la creación y evaluación de ideas.
La inteligencia artificial permitió la generación rápida de
múltiples interacciones de un concepto, fomentando la experimentación y
exploración de nuevas soluciones. Esto resultó en propuestas más innovadoras y
creativas en comparación con las desarrolladas sin IA.
Sin embargo, el estudio también plantea interrogantes sobre
la dependencia de la tecnología. Si bien la IA facilita el proceso, es crucial
que los estudiantes mantengan un equilibrio entre la rapidez proporcionada por
la tecnología y la reflexión crítica necesaria para la evaluación de sus
diseños.
RESULTADOS
El uso de redes
neuronales artificiales en la creación de imágenes conceptuales se demostró
altamente beneficioso. El 98 % de los estudiantes expresó una satisfacción
significativa con la herramienta de inteligencia artificial generativa utilizada
(FIREFLY). Esto sugiere que la IA no solo fue aceptada, sino también apreciada
por su capacidad para mejorar el proceso creativo desde las primeras etapas. La
creación de representaciones gráficas, que tradicionalmente puede ser un
proceso largo y tedioso para estudiantes sin experiencia, fue facilitada
enormemente, permitiéndoles concentrarse en la conceptualización del diseño más
que en la ejecución técnica.
|
Figura 2 Uso de la inteligencia artificial para la generación de conceptos
gráficos y resultados |
|
|
|
|
|
Nota. Imágenes
extraídas del proceso Diseño de la Investigación. |
|
Esto refuerza la idea de que las herramientas de IA pueden
democratizar el acceso a técnicas avanzadas de diseño, haciendo más accesible
la creación de imágenes precisas y atractivas, incluso para aquellos con menos
habilidades técnicas. Este nivel de satisfacción podría estar vinculado al
hecho de que la IA permite a los estudiantes liberar su creatividad, eliminando
la fricción técnica que suele existir entre una idea y su representación
visual.
El 86 % de los estudiantes logró completar las competencias
de la asignatura en menos tiempo del estimado, un indicativo de que la IA puede
reducir de manera significativa la curva de aprendizaje en el diseño
arquitectónico. Este resultado sugiere que la utilización de redes neuronales
artificiales no solo son un complemento eficaz para la generación de ideas,
sino que también optimiza el tiempo de desarrollo de estas. Tradicionalmente,
la fase conceptual es una de las más laboriosas en términos de diseño, ya que
involucra múltiples iteraciones de prueba y error. Sin embargo, con la IA
generativa, los estudiantes pudieron acortar este proceso, obteniendo
resultados satisfactorios en menos tiempo.
|
Figura 3 Uso de redes neuronales artificiales en el proceso de ideación |
|
|
|
Nota. Imágenes
extraídas del proceso Diseño de la Investigación. |
La reducción del tiempo en el desarrollo de las competencias
plantea un cambio en la estructura tradicional del aprendizaje en la
arquitectura. La aceleración de procesos como la ideación y la generación
gráfica implica que los estudiantes pueden dedicar más tiempo a analizar y
reflexionar sobre sus diseños, lo que podría mejorar su capacidad crítica y la
toma de decisiones fundamentadas.
El 90 % de los estudiantes logró desarrollar propuestas de
diseño que cumplían con altos estándares de calidad, en función de los
parámetros establecidos en la asignatura. La IA permitió a los estudiantes
generar propuestas visuales que no solo eran creativas, sino también
funcionales y alineadas con las necesidades del usuario final y las
limitaciones del espacio arquitectónico. En este sentido, la IA actúa como un
medio que no solo apoya la fase creativa, sino que también orienta a los
estudiantes hacia soluciones más prácticas y realistas.
|
Figura 4 Uso de redes neuronales artificiales en la fase inicial del diseño
arquitectónico y su resultado |
|
|
|
Nota. Imágenes
extraídas del proceso Diseño de la Investigación. |
Sin
embargo, este beneficio plantea una interrogante clave: ¿puede la aceleración
de estos procesos comprometer la profundización reflexiva en el diseño? Si bien
la IA facilita la generación rápida de ideas, existe el riesgo de que los
estudiantes se vuelvan dependientes de la tecnología y no dediquen suficiente
tiempo a la contemplación crítica de sus propuestas. El proceso de diseño
arquitectónico requiere no solo la generación de soluciones, sino también la
evaluación minuciosa de la viabilidad, funcionalidad y estética de estas soluciones,
un aspecto que podría verse afectado por la velocidad de la IA. Por lo tanto,
es crucial que los programas educativos equilibren la rapidez tecnológica con
la profundidad analítica.
DISCUSIÓN
El
uso de redes neuronales artificiales en el diseño arquitectónico transforma los
procesos creativos al permitir una representación gráfica eficiente y ágil de
ideas conceptuales. Estas herramientas, al imitar el funcionamiento del cerebro
humano (Interdonato et al., 2020), facilitan la experimentación y reducen la
brecha entre la ideación y la expresión visual, lo que es especialmente
relevante en las primeras etapas de formación de los estudiantes de
arquitectura. La capacidad de generar múltiples propuestas de manera inmediata
impulsa la innovación, alineándose con las tendencias del diseño generativo (As
et al., 2018). Sin embargo, es crucial que los estudiantes también desarrollen
competencias críticas y reflexivas para equilibrar la rapidez tecnológica con
la profundidad conceptual.
El
uso intensivo de herramientas de inteligencia artificial plantea el riesgo de
dependencia tecnológica, lo que podría comprometer la calidad del proceso
creativo si los estudiantes no reflexionan adecuadamente sobre sus decisiones
(Solana, 2007). Aunque la IA permite la automatización de tareas complejas
—como la generación gráfica— no reemplaza la necesidad de habilidades
analógicas esenciales en la arquitectura, como la comprensión del contexto y
las necesidades del usuario (Rodríguez Bofill, 2023). La formación debe enfocarse,
por tanto, en combinar lo digital con lo manual, potenciando las capacidades de
ambos enfoques.
Entonces
la incorporación de redes neuronales representa un avance significativo en la
educación del diseño arquitectónico, mejorando tanto la creatividad como la
eficiencia. Sin embargo, es fundamental que los programas educativos promuevan
una reflexión crítica en el uso de estas herramientas, y promuevan que la IA
sea vista como un complemento y no como un sustituto del pensamiento
arquitectónico profundo. De este modo, se fomenta un equilibrio entre la
innovación tecnológica y las habilidades tradicionales que definen la práctica
arquitectónica (Simón, 2010).
CONCLUSIONES
La inclusión de redes neuronales
artificiales y herramientas de inteligencia artificial (IA) en el proceso de
diseño arquitectónico plantea diversas implicaciones pedagógicas, tecnológicas
y metodológicas que se exponen en un análisis crítico sobre la utilidad de
estas herramientas en la formación de los estudiantes de arquitectura, su impacto
en el proceso de diseño y los desafíos que enfrenta su implementación.
Las
herramientas de IA, como las redes neuronales profundas, han transformado el
proceso tradicional de diseño arquitectónico. Antes, los estudiantes dependían
en gran medida de su capacidad de dibujo y representación manual para plasmar
sus ideas. Este proceso, aunque enriquecedor, era lento y limitado por las
habilidades técnicas de cada individuo. La incorporación de la IA permite a los
estudiantes enfocarse más en la ideación creativa y menos en la ejecución
técnica.
Las
redes neuronales artificiales ofrecen una nueva perspectiva sobre el proceso de
diseño, en la que las ideas no tienen que seguir un orden predeterminado o ser
limitadas por la destreza manual de los estudiantes. La IA permite una
generación rápida y diversa de conceptos visuales, lo que fomenta la
creatividad y la experimentación. Este enfoque está en línea con el diseño
generativo, en el que las múltiples soluciones para un mismo problema se exploran
simultáneamente, proporcionando a los estudiantes una mayor libertad creativa.
Si
bien la IA aporta una gran ventaja en la fase inicial de diseño, es importante
no subestimar la importancia de las habilidades manuales y tradicionales en la
formación de los arquitectos. Aunque la tecnología facilita la expresión
gráfica, las habilidades fundamentales de diseño no deben descuidarse, ya que
el diseño arquitectónico también implica un profundo conocimiento del contexto
espacial y las necesidades humanas que la IA, por sí sola, no puede reemplazar.
Por lo tanto, la IA debe ser vista como un complemento y no un sustituto de la
formación arquitectónica tradicional.
As, I., Pal, S., & Basu, P.
(2018). Artificial intelligence in architecture: Generating conceptual design
via deep learning. International Journal of Architectural Computing, 16(4),
306–327.
https://doi.org/10.1177/1478077118800982/ASSET/IMAGES/LARGE/10.1177_1478077118800982-FIG17.JPEG
Böhme, L. F. G., & Barentin, C. C. (2014). Desarrollo de
Competencias Avanzadas en Computación en la Formación de los Arquitectos
Latinoamericanos del Siglo XXI. SiGraDi. Blucher.
Cervera, M. G., Martínez, J. G., & Mon, F. M. E. (2016).
Competencia digital y competencia digital docente: una panorámica sobre el
estado de la cuestión. RiiTE Revista Interuniversitaria de Investigación En
Tecnología Educativa, 2529– 9638. https://doi.org/10.6018/RIITE2016/257631
Corredera, J. C. (2023). Inteligencia artificial generativa.
In Anales de la Real academia de Doctores (Vol. 8, No. 3, pp. 475-489).
Design thinking. Tendencias en la teoría y la metodología
del diseño. (n.d.). Retrieved July 14, 2023, from
https://cv.uoc.edu/annotation/6cf1722b45d28eefcf1db9d2a3e06efe/573143/PID_00206746/modul_4.html
Escobar, A. C., & Díaz, F. N. R. (2017). Una revisión a
la configuración de la gestión del diseño, el pensamiento visual y el
pensamiento de diseño. Iconofacto, 13(20), 84-103.
Ferruzca-Navarro, M. V. (2015). Diseño de artefactos: Una
propuesta metodológica de diseño basada en la idea de la cognición como
distribuida (pp. 57–79).
Hileman R. (2004). Design Methods: Seeds of human futures. www.smsys.com/pub/dsgnmeth.pdf
Interdonato, R., Magnani, M., Perna, D., Tagarelli, A.,
& Vega, D. (2020). Multilayer network simplification: Approaches, models
and methods. Computer Science Review, 36, 100246.
Rodríguez Bofill, A. (2023). Sistemas inteligentes en
el diseño arquitectónico: ¿Qué papel juega la IA en el proceso de
diseño? (Bachelor's thesis, Universitat Politècnica de Catalunya).
Simón S., G. (2010). La trama del Diseño, porqué necesitamos
métodos para diseñar. Designio
Solana, E. (2007). La utilidad frente al operador en la
Expresión Gráfica Arquitectónica. EGA. Revista de Expresión Gráfica
Arquitectónica, (12), 74-81.
Vasconselos, T. B., & Sperling, D. (2017). From
representational to parametric and algorithmic interactions: A panorama of
Digital Architectural Design teaching in Latin America. International Journal
of Architectural Computing, 15(3), 215-229.