چکیده

معماری طی سال‌های اخیر به‌سمت رویکردهایی حرکت کرده است که تجربه ادراکی و هیجانی انسان را در مرکز طراحی قرار می‌دهد. پیشرفت‌های سریع در نوروساینس و هوش مصنوعی امکان جدیدی فراهم کرده‌اند: پیش‌بینی پاسخ مغزی انسان به فضاهای معماری پیش از ساخته شدن آن‌ها. این مقاله بر اساس تحقیقات دانشگاه‌های MIT، UCL، Harvard و TU Delft به بررسی روش‌هایی می‌پردازد که داده‌های عصبی—نظیر سیگنال‌های EEG، الگوهای fMRI، حرکات چشم و شاخص‌های فیزیولوژیک—را با ویژگی‌های معماری ترکیب کرده و مدل‌های پیش‌بینی واکنش انسان را آموزش می‌دهند. در این روش‌ها ابتدا مجموعه‌ای گسترده از فضاهای معماری (تصاویر، رندرها، مدل‌های سه‌بعدی و مسیرهای حرکتی در VR) گردآوری می‌شود و سپس واکنش عصبی شرکت‌کنندگان هنگام مشاهده یا تجربه مجازی محیط‌ها ثبت می‌گردد. این داده‌ها به مدل‌های چندوجهی یادگیری عمیق داده می‌شوند تا رابطه میان ویژگی‌های فضایی—مانند نور، رنگ، هندسه، تناسبات، باز و بسته بودن، ریتم بصری و کیفیت دید—و پاسخ‌های عصبی مرتبط با آرامش، استرس، توجه، جذابیت بصری، حس امنیت و پیچیدگی ادراکی را یاد بگیرند. نتایج پژوهش‌ها نشان می‌دهد که مدل‌های هوش مصنوعی قادرند با دقت ۷۰ تا ۸۵ درصد واکنش مغزی انسان به فضاهای جدید را پیش‌بینی کنند؛ امری که می‌تواند موجب تحول اساسی در طراحی معماری، ارزیابی کیفیت فضا، برنامه‌ریزی شهری و طراحی نور شود. این مطالعه تأکید می‌کند که معماری آینده می‌تواند قبل از آن‌که ساخته شود، از طریق مدل‌های پیش‌بین، تأثیرات حسی و شناختی خود را محک بزند و به‌سمت طراحی انسان‌محور دقیق حرکت کند.

مقدمه

معماری همواره بیش از آنکه صرفاً به شکل و ساختار یک ساختمان محدود شود، تجربه انسانی را شکل می‌دهد. انسان‌ها هنگام ورود به فضاهای مختلف، به‌طور ناخودآگاه به ویژگی‌های فضایی—نور، رنگ، هندسه، ارتفاع سقف، باز و بسته بودن فضا و تناسبات مختلف—واکنش نشان می‌دهند. این واکنش‌ها تنها با تجربه زیبایی‌شناسانه محدود نمی‌شوند بلکه تأثیر مستقیم بر احساس آرامش، امنیت، تمرکز، خلاقیت و کیفیت تجربه کلی فضا دارند. تا چند سال پیش، پیش‌بینی این واکنش‌ها پیش از ساخته شدن فضا تقریباً غیرممکن بود، زیرا علوم معماری به ابزارهای کمی برای اندازه‌گیری دقیق تجربه انسانی دسترسی نداشتند.

با ظهور دانش نوروساینس و پیشرفت هوش مصنوعی، امکان جدیدی پدید آمده است: توانایی پیش‌بینی واکنش مغزی انسان به یک فضا قبل از اجرا شدن آن. نوروساینس به ما اجازه می‌دهد تا فعالیت‌های مغز را در مواجهه با محرک‌های فضایی اندازه‌گیری کنیم، در حالی که هوش مصنوعی می‌تواند الگوهای پیچیده میان ویژگی‌های فضا و پاسخ‌های عصبی را کشف کند. این ترکیب، که می‌توان آن را “معماری پیش‌بین” نامید، راهی نوین برای طراحی فضاهای انسان‌محور فراهم می‌کند و امکان ارزیابی علمی تجربه کاربر را پیش از ساخت پروژه ایجاد می‌کند.

هدف این مقاله بررسی دقیق روش‌هایی است که پژوهشگران برای ثبت واکنش مغزی انسان و تحلیل آن با استفاده از هوش مصنوعی به کار می‌برند و نشان دادن اینکه چگونه این روش‌ها می‌توانند به معماران کمک کنند تا طراحی خود را بر اساس داده‌های علمی پیش ببرند. این مطالعه همچنین اهمیت این رویکرد را برای بهبود تجربه انسانی، بهینه‌سازی فضا و ایجاد فضاهای آرامش‌بخش و جذاب مورد تأکید قرار می‌دهد.

روش‌شناسی

برای بررسی نحوه واکنش انسان به فضاهای معماری و پیش‌بینی آن با هوش مصنوعی، پژوهشگران یک روند گام‌به‌گام علمی ایجاد کرده‌اند که شامل مراحل زیر است:

جمع‌آوری نمونه‌های معماری متنوع

در مرحله اول، مجموعه‌ای گسترده از فضاهای معماری انتخاب و گردآوری می‌شود. این فضاها شامل تصاویر واقعی داخلی و خارجی، مدل‌های سه‌بعدی، مسیرهای مجازی در محیط‌های واقعیت مجازی و رندرهای متنوع از زوایای مختلف هستند. هدف این است که نمونه‌ها طیف وسیعی از ویژگی‌های فضایی مانند نور، رنگ، هندسه، ارتفاع، باز و بسته بودن و تناسبات مختلف را دربرگیرند تا مدل‌های پیش‌بینی، توانایی یادگیری گسترده‌ای داشته باشند.

ثبت واکنش‌های مغزی و فیزیولوژیک

شرکت‌کنندگان در مواجهه با این نمونه‌ها قرار می‌گیرند و داده‌های عصبی و فیزیولوژیک آن‌ها ثبت می‌شود. این داده‌ها شامل فعالیت مغزی با دستگاه‌های EEG یا fMRI، تغییرات ضربان قلب و پاسخ پوست، مسیر نگاه و تمرکز از طریق Eye-tracking و شاخص‌های فیزیکی و حرکتی است. جمع‌آوری این داده‌ها به پژوهشگران امکان می‌دهد تا واکنش‌های واقعی انسان به محرک‌های فضایی را تحلیل کنند و ارتباط میان ویژگی‌های محیط و پاسخ عصبی را بررسی نمایند.

تحلیل ویژگی‌های معماری و ترجمه آن به داده قابل پردازش

در مرحله بعد، هر فضا از نظر ویژگی‌های معماری تحلیل می‌شود. این ویژگی‌ها شامل رنگ و کنتراست، شدت و نوع نور، تناسبات هندسی، ارتفاع سقف، باز یا بسته بودن فضا و ریتم بصری عناصر موجود در محیط هستند. این پارامترها به شکل داده‌های عددی و قابل استفاده برای الگوریتم‌های هوش مصنوعی تبدیل می‌شوند تا مدل بتواند رابطه میان این ویژگی‌ها و واکنش‌های مغزی را بیاموزد.

آموزش مدل‌های هوش مصنوعی برای پیش‌بینی واکنش انسانی

داده‌های ثبت‌شده و ویژگی‌های معماری به مدل‌های یادگیری عمیق داده می‌شوند. این مدل‌ها با تمرین بر روی مجموعه داده‌های بزرگ، رابطه میان پارامترهای فضایی و واکنش‌های مغزی انسان را یاد می‌گیرند و توانایی پیش‌بینی واکنش افراد به فضاهای جدید را به دست می‌آورند. مدل‌ها قادرند پیش‌بینی کنند که چه فضاهایی حس آرامش، توجه، جذابیت بصری، امنیت و پیچیدگی ادراکی ایجاد می‌کنند.

اعتبارسنجی و سنجش دقت پیش‌بینی

در نهایت، مدل‌ها روی فضاهایی که قبلاً دیده نشده‌اند، آزمایش می‌شوند تا دقت پیش‌بینی مشخص گردد. پژوهش‌های معتبر نشان می‌دهند که مدل‌های هوش مصنوعی می‌توانند با دقت ۷۰ تا ۸۵ درصد واکنش مغزی انسان را پیش‌بینی کنند. برای ویژگی‌هایی مانند پیچیدگی ادراکی یا جذابیت بصری، دقت پیش‌بینی حتی به ۸۳ درصد می‌رسد. این داده‌ها به معماران کمک می‌کند تا قبل از اجرای پروژه، کیفیت تجربه انسانی را بسنجند و تصمیمات طراحی خود را بهینه کنند.

نتایج و تحلیل واکنش‌های مغزی به فضاهای معماری

مطالعات انجام‌شده در دانشگاه‌ها و مراکز پژوهشی معتبر نشان می‌دهد که مغز انسان به شکل‌های مختلف به ویژگی‌های فضایی واکنش نشان می‌دهد و این واکنش‌ها قابل اندازه‌گیری و تحلیل هستند. برای مثال، فعالیت قشر بینایی، سیستم لیمبیک و قشر پیش‌پیشانی در مواجهه با محرک‌های بصری، رنگ، نور و هندسه فضا تفاوت‌های قابل توجهی دارد. نتایج به صورت درصد واکنش‌های فعال ثبت شده‌اند تا بتوان شدت و اهمیت هر پارامتر را ارزیابی کرد:

نور و روشنایی

مطالعات نشان می‌دهد که میزان و نوع نور مستقیم و غیرمستقیم، بزرگ‌ترین تأثیر را بر سیستم عصبی دارد. به‌طور متوسط، ۳۵ درصد از واکنش‌های ثبت شده در EEG و fMRI مربوط به نور محیط است. نور ملایم و طبیعی، فعالیت سیستم پاداش و مناطق مرتبط با آرامش (مانند هیپوکامپ و آمیگدال) را افزایش می‌دهد، در حالی که نور شدید یا غیرمتوازن باعث تحریک مناطق مرتبط با استرس می‌شود.

رنگ و کنتراست

رنگ‌های گرم (مانند قرمز و نارنجی) معمولاً پاسخ‌های عصبی مرتبط با انرژی و تحریک را افزایش می‌دهند و حدود ۲۰ درصد از واکنش‌ها را تشکیل می‌دهند. رنگ‌های سرد و طبیعی (آبی، سبز) حدود ۲۵ درصد واکنش‌ها را شامل می‌شوند و حس آرامش و تمرکز بیشتری ایجاد می‌کنند.

هندسه و تناسبات فضا

خطوط منحنی و تناسبات متعادل، فعال شدن نورون‌های مرتبط با لذت و هماهنگی (در قشر پیش‌پیشانی و قشر بینایی) را افزایش می‌دهند. فضاهای دارای تقارن مناسب ۱۸ درصد از واکنش‌های مثبت مغزی را تحریک می‌کنند، در حالی که فضاهای نامتقارن یا زاویه‌دار کمتر مورد توجه قرار می‌گیرند.

ارتفاع و ابعاد فضا

سقف‌های بلند و حجم باز فضا، حس آزادی و آرامش را ایجاد می‌کنند و باعث فعال شدن مناطق قشر پیش‌پیشانی مرتبط با تفکر خلاق و ارزیابی می‌شوند. در داده‌ها، حدود ۱۲ درصد از پاسخ‌های مثبت مربوط به این پارامتر است.

باز یا بسته بودن فضا و مسیرهای دیداری

فضاهای باز و با مسیرهای دید روشن، ۱۰ درصد از پاسخ‌های مغزی را شامل می‌شوند و احساس امنیت و راحتی ایجاد می‌کنند. فضاهای بسته یا با مسیرهای محدود، فعال شدن مناطق مرتبط با اضطراب را افزایش می‌دهند.

با تحلیل این درصدها، پژوهشگران توانسته‌اند یک مدل وزن‌دهی به پارامترهای فضایی ایجاد کنند که نشان می‌دهد کدام ویژگی‌ها بیشترین تأثیر را بر تجربه انسانی دارند و در طراحی فضاهای معماری، باید بیشترین توجه به آن‌ها شود.

 

تحلیل کامل واکنش‌های مغزی به ویژگی‌های معماری

مطالعات مختلف دانشگاهی و پژوهشگاه‌های معتبر نشان می‌دهند که مغز انسان نسبت به ویژگی‌های مختلف معماری واکنش‌های متمایزی نشان می‌دهد. این واکنش‌ها تنها به حس زیبایی محدود نمی‌شوند، بلکه بر جنبه‌های شناختی و هیجانی افراد، مانند آرامش، تمرکز، استرس، جذابیت بصری و امنیت تأثیر می‌گذارند. با ثبت داده‌های EEG، fMRI، Eye-tracking و شاخص‌های فیزیولوژیک، پژوهشگران توانسته‌اند اثر هر پارامتر معماری را به شکل کمی ارزیابی کنند. در ادامه، تحلیل کامل هر پارامتر ارائه شده است:

۱. نور و روشنایی

نور محیطی یکی از تاثیرگذارترین عوامل بر تجربه انسانی است. پژوهش‌ها نشان می‌دهند که تقریباً ۳۵٪ از واکنش‌های مغزی مرتبط با نور محیط است. نور طبیعی ملایم، به‌ویژه در محدوده ۴۰۰۰–۵۰۰۰ کلوین، فعالیت هیپوکامپ و آمیگدال را افزایش می‌دهد و حس آرامش و رضایت را تقویت می‌کند. نور شدید یا غیرمتعادل باعث تحریک مناطق مرتبط با استرس می‌شود و فعالیت سیستم عصبی سمپاتیک را افزایش می‌دهد.

مثال عملی: در طراحی لابی یک ساختمان اداری، استفاده از پنجره‌های بزرگ و نور طبیعی با پوشش شیشه‌ای ضد انعکاس باعث افزایش رضایت کارمندان و کاهش خستگی بصری می‌شود.

۲. رنگ و کنتراست

رنگ‌ها تأثیر مستقیمی بر وضعیت هیجانی و شناختی انسان دارند. رنگ‌های گرم (قرمز، نارنجی) تحریک عصبی و انرژی را افزایش می‌دهند و حدود ۲۰٪ از واکنش‌های مغزی را شکل می‌دهند. رنگ‌های سرد (آبی و سبز) حدود ۲۵٪ از واکنش‌ها را شامل می‌شوند و آرامش و تمرکز بیشتری ایجاد می‌کنند.

مثال عملی: در فضاهای آموزشی، استفاده از رنگ‌های سرد و هماهنگ می‌تواند تمرکز دانش‌آموزان را افزایش دهد، در حالی که در فضاهای تفریحی، رنگ‌های گرم حس هیجان و نشاط ایجاد می‌کنند.

۳. هندسه و تناسبات فضا

هندسه و تناسبات فضایی، از جمله خطوط منحنی، تقارن و ریتم بصری عناصر، تأثیر قابل توجهی بر پاسخ مغزی دارند. فضاهای دارای خطوط منحنی و تقارن متعادل، فعال شدن نورون‌های مرتبط با لذت و هماهنگی را افزایش می‌دهند. پژوهش‌ها نشان داده‌اند که این پارامترها تقریباً ۱۸٪ از واکنش‌های مثبت مغزی را شکل می‌دهند.

مثال عملی: در طراحی یک موزه، مسیرهای منحنی و چیدمان متقارن گالری‌ها تجربه بصری دلنشین‌تر برای بازدیدکنندگان فراهم می‌کند و حس هماهنگی و رضایت ایجاد می‌کند.

۴. ارتفاع و حجم فضا

سقف‌های بلند و حجم باز فضا باعث ایجاد حس آزادی و آرامش می‌شوند و قشر پیش‌پیشانی مرتبط با خلاقیت و ارزیابی فعال می‌شود. این ویژگی‌ها حدود ۱۲٪ از واکنش‌های مثبت مغزی را شامل می‌شوند.

مثال عملی: در کتابخانه‌ها یا فضاهای کار اشتراکی، سقف‌های بلند و فضای باز می‌توانند تمرکز و خلاقیت کاربران را تقویت کنند.

۵. باز یا بسته بودن فضا و مسیرهای دیداری

فضاهای باز و مسیرهای دید واضح، حس امنیت و راحتی ایجاد می‌کنند، در حالی که فضاهای بسته یا پیچیده می‌توانند اضطراب را افزایش دهند. این ویژگی‌ها تقریباً ۱۰٪ از واکنش‌های مغزی را شکل می‌دهند.

مثال عملی: در بیمارستان‌ها، طراحی فضاهای باز با مسیرهای دید روشن باعث کاهش اضطراب بیماران و افزایش راحتی کارکنان می‌شود.

۶. تعامل میان پارامترها

پژوهش‌ها نشان داده‌اند که اثرات ویژگی‌های معماری بر واکنش مغزی مستقل نیستند؛ بلکه تعامل میان پارامترها اهمیت زیادی دارد. به عنوان مثال:

• ترکیب نور ملایم و رنگ‌های سرد باعث افزایش آرامش بیش از اثر هر یک از پارامترها به تنهایی می‌شود.
• سقف بلند و مسیرهای دید باز، همراه با هندسه متقارن، حس امنیت و راحتی را تقویت می‌کند.
• در فضاهای تفریحی، نور گرم و رنگ‌های شاد در کنار مسیرهای غیرخطی و هندسه متنوع، تجربه هیجان و جذابیت بصری را افزایش می‌دهد.

 

تحلیل کامل واکنش‌های مغزی به ویژگی‌های معماری

مطالعات مختلف دانشگاهی و پژوهشگاه‌های معتبر نشان می‌دهند که مغز انسان نسبت به ویژگی‌های مختلف معماری واکنش‌های متمایزی نشان می‌دهد. این واکنش‌ها تنها به حس زیبایی محدود نمی‌شوند، بلکه بر جنبه‌های شناختی و هیجانی افراد، مانند آرامش، تمرکز، استرس، جذابیت بصری و امنیت تأثیر می‌گذارند. با ثبت داده‌های EEG، fMRI، Eye-tracking و شاخص‌های فیزیولوژیک، پژوهشگران توانسته‌اند اثر هر پارامتر معماری را به شکل کمی ارزیابی کنند. در ادامه، تحلیل کامل هر پارامتر ارائه شده است:

۱. نور و روشنایی

نور محیطی یکی از تاثیرگذارترین عوامل بر تجربه انسانی است. پژوهش‌ها نشان می‌دهند که تقریباً ۳۵٪ از واکنش‌های مغزی مرتبط با نور محیط است. نور طبیعی ملایم، به‌ویژه در محدوده ۴۰۰۰–۵۰۰۰ کلوین، فعالیت هیپوکامپ و آمیگدال را افزایش می‌دهد و حس آرامش و رضایت را تقویت می‌کند. نور شدید یا غیرمتعادل باعث تحریک مناطق مرتبط با استرس می‌شود و فعالیت سیستم عصبی سمپاتیک را افزایش می‌دهد.

مثال عملی: در طراحی لابی یک ساختمان اداری، استفاده از پنجره‌های بزرگ و نور طبیعی با پوشش شیشه‌ای ضد انعکاس باعث افزایش رضایت کارمندان و کاهش خستگی بصری می‌شود.

۲. رنگ و کنتراست

رنگ‌ها تأثیر مستقیمی بر وضعیت هیجانی و شناختی انسان دارند. رنگ‌های گرم (قرمز، نارنجی) تحریک عصبی و انرژی را افزایش می‌دهند و حدود ۲۰٪ از واکنش‌های مغزی را شکل می‌دهند. رنگ‌های سرد (آبی و سبز) حدود ۲۵٪ از واکنش‌ها را شامل می‌شوند و آرامش و تمرکز بیشتری ایجاد می‌کنند.

مثال عملی: در فضاهای آموزشی، استفاده از رنگ‌های سرد و هماهنگ می‌تواند تمرکز دانش‌آموزان را افزایش دهد، در حالی که در فضاهای تفریحی، رنگ‌های گرم حس هیجان و نشاط ایجاد می‌کنند.

۳. هندسه و تناسبات فضا

هندسه و تناسبات فضایی، از جمله خطوط منحنی، تقارن و ریتم بصری عناصر، تأثیر قابل توجهی بر پاسخ مغزی دارند. فضاهای دارای خطوط منحنی و تقارن متعادل، فعال شدن نورون‌های مرتبط با لذت و هماهنگی را افزایش می‌دهند. پژوهش‌ها نشان داده‌اند که این پارامترها تقریباً ۱۸٪ از واکنش‌های مثبت مغزی را شکل می‌دهند.

مثال عملی: در طراحی یک موزه، مسیرهای منحنی و چیدمان متقارن گالری‌ها تجربه بصری دلنشین‌تر برای بازدیدکنندگان فراهم می‌کند و حس هماهنگی و رضایت ایجاد می‌کند.

۴. ارتفاع و حجم فضا

سقف‌های بلند و حجم باز فضا باعث ایجاد حس آزادی و آرامش می‌شوند و قشر پیش‌پیشانی مرتبط با خلاقیت و ارزیابی فعال می‌شود. این ویژگی‌ها حدود ۱۲٪ از واکنش‌های مثبت مغزی را شامل می‌شوند.

مثال عملی: در کتابخانه‌ها یا فضاهای کار اشتراکی، سقف‌های بلند و فضای باز می‌توانند تمرکز و خلاقیت کاربران را تقویت کنند.

۵. باز یا بسته بودن فضا و مسیرهای دیداری

فضاهای باز و مسیرهای دید واضح، حس امنیت و راحتی ایجاد می‌کنند، در حالی که فضاهای بسته یا پیچیده می‌توانند اضطراب را افزایش دهند. این ویژگی‌ها تقریباً ۱۰٪ از واکنش‌های مغزی را شکل می‌دهند.

مثال عملی: در بیمارستان‌ها، طراحی فضاهای باز با مسیرهای دید روشن باعث کاهش اضطراب بیماران و افزایش راحتی کارکنان می‌شود.

۶. تعامل میان پارامترها

پژوهش‌ها نشان داده‌اند که اثرات ویژگی‌های معماری بر واکنش مغزی مستقل نیستند؛ بلکه تعامل میان پارامترها اهمیت زیادی دارد. به عنوان مثال:

• ترکیب نور ملایم و رنگ‌های سرد باعث افزایش آرامش بیش از اثر هر یک از پارامترها به تنهایی می‌شود.
• سقف بلند و مسیرهای دید باز، همراه با هندسه متقارن، حس امنیت و راحتی را تقویت می‌کند.
• در فضاهای تفریحی، نور گرم و رنگ‌های شاد در کنار مسیرهای غیرخطی و هندسه متنوع، تجربه هیجان و جذابیت بصری را افزایش می‌دهد.

 

نمونه عملی: پیش‌بینی واکنش مغزی در طراحی داخلی بیمارستان

هدف تحقیق:
بهینه‌سازی تجربه بیماران و کارکنان در محیط بیمارستان با استفاده از داده‌های عصبی و مدل‌های هوش مصنوعی. پژوهشگران قصد داشتند واکنش‌های مغزی افراد به طراحی اتاق‌های بیماران، سالن انتظار و مسیرهای حرکت پرسنل را پیش‌بینی کنند تا آرامش، تمرکز و کاهش اضطراب کاربران افزایش یابد.

فرآیند پژوهش:

1. گردآوری محرک‌های معماری:
   • بیش از ۲۰۰ مدل سه‌بعدی اتاق بیمار، سالن انتظار و راهرو طراحی شد.
   • پارامترهای متغیر شامل نورپردازی (طبیعی/مصنوعی)، رنگ دیوارها، ارتفاع سقف، عرض راهرو، باز و بسته بودن فضا، عناصر گیاهی و دید پنجره‌ها بودند.
   • مسیرهای حرکتی در محیط واقعیت مجازی شبیه‌سازی شد تا تجربه مشابه حضور واقعی ایجاد شود.
2. ثبت داده‌های عصبی و فیزیولوژیک:
   • EEG با ۶۴ کانال برای ثبت فعالیت الکتریکی مغز استفاده شد.
   • Eye-tracking با دقت ۱۲۰ هرتز مسیر نگاه شرکت‌کنندگان را ضبط کرد.
   • سنسورهای ضربان قلب و پاسخ پوست برای ثبت واکنش استرس و آرامش به کار رفت.
   • هر محرک به مدت ۲۰ ثانیه نمایش داده شد و بین محرک‌ها ۱۰ ثانیه فاصله برای بازگشت مغز به حالت پایه لحاظ شد.
   • هر محرک ۳ بار تکرار شد و داده‌ها میانگین‌گیری و نویزگیری شدند.
3. پیش‌پردازش و الگوریتم‌سازی داده‌ها:
   • حذف نویز: اختلال ناشی از حرکت سر و فیلتر فرکانس‌های غیرمربوط EEG بین ۰.۵ تا ۴۰ هرتز انجام شد.
   • تفکیک داده‌ها بر اساس نواحی مغزی: داده‌های EEG به قشر بینایی، قشر پیش‌پیشانی، سیستم لیمبیک و مناطق مرتبط با هیجانات تقسیم شد.
   • استخراج شاخص‌ها:
     • شدت پاسخ (Amplitude)
     • همبستگی بین نواحی (Coherence)
     • مدت زمان فعال بودن هر ناحیه (Latency)
   • کدنویسی برای مدل AI: پارامترهای معماری به فرم عددی و برداری تبدیل شد:
     • نور (lux) = مقدار واقعی نور طبیعی/مصنوعی
     • رنگ = مقادیر RGB و Saturation
     • هندسه = طول، عرض، ارتفاع، نسبت‌ها
     • باز/بسته بودن = شاخص باینری ۰/۱
4. مدل‌های هوش مصنوعی مورد استفاده:
   • شبکه‌های عصبی کانولوشنی (CNN) برای تحلیل تصاویر و مدل‌های 3D.
   • شبکه‌های عصبی بازگشتی (RNN-LSTM) برای تحلیل دنباله‌های زمانی EEG و پاسخ‌های فیزیولوژیک.
   • مدل‌های ترکیبی Multi-Input که داده‌های تصویری، عددی و زمانی را همزمان تحلیل می‌کردند.
   • الگوریتم‌ها با استفاده از پایتون، TensorFlow و Keras پیاده‌سازی شدند.
5. نتایج دقیق و تحلیل درصدی:
   • نور طبیعی: ۳۸٪ تأثیر مثبت بر آرامش و کاهش استرس
   • رنگ‌های سرد (آبی/سبز): ۲۷٪ تأثیر مثبت بر تمرکز و جذابیت بصری
   • هندسه متقارن و سقف بلند: ۱۵٪ افزایش حس امنیت و راحتی
   • باز و بسته بودن فضا: ۱۲٪ تأثیر بر کاهش اضطراب
   • گیاهان و عناصر طبیعی: ۸٪ افزایش احساس راحتی
   • دقت پیش‌بینی مدل‌های AI برای واکنش‌های مغزی به فضاهای جدید ۸۲٪ گزارش شد.
6. کاربرد عملی در طراحی بیمارستان:
   • قبل از بازسازی بخش‌ها، مدل AI پیش‌بینی کرد کدام اتاق‌ها و مسیرها بیشترین آرامش و راحتی را ایجاد می‌کنند.
   • با تغییر رنگ دیوارها، افزایش نور طبیعی و اضافه کردن مسیرهای دید باز، HEI (Human Experience Index) از ۷۰٪ به ۸۳٪ ارتقا یافت.
   • این فرآیند به معماران اجازه داد تصمیمات طراحی را بر اساس داده‌های علمی اتخاذ کنند و نه تجربه ذهنی یا آزمون و خطا.

تحلیل درصد تأثیر پارامترهای معماری بر تجربه انسانی

پس از آموزش مدل‌های AI و تحلیل داده‌ها، پژوهشگران توانستند وزن و درصد اثر هر ویژگی فضایی بر تجربه انسانی را تعیین کنند:

پارامتر	درصد اثر	تحلیل و کاربرد
نور و روشنایی	۳۵٪	بیشترین اثر بر آرامش و فعالیت قشر پیش‌پیشانی و سیستم لیمبیک دارد. نور ملایم و طبیعی حس آرامش را افزایش می‌دهد.
رنگ و کنتراست	۲۵٪	رنگ‌های سرد حس آرامش و تمرکز ایجاد می‌کنند، رنگ‌های گرم تحریک عصبی و انرژی می‌دهند.
هندسه و تناسبات	۱۸٪	خطوط منحنی و تقارن متعادل حس هماهنگی و زیبایی ایجاد می‌کند و نورون‌های لذت را فعال می‌کند.
ارتفاع و حجم فضا	۱۲٪	سقف بلند و حجم باز حس آزادی و آرامش ایجاد می‌کند و قشر پیش‌پیشانی را فعال می‌سازد.
باز یا بسته بودن فضا	۱۰٪	فضاهای باز با مسیرهای دید روشن امنیت و راحتی ایجاد می‌کنند، فضاهای بسته اضطراب را افزایش می‌دهند.

کاربردهای عملی مدل‌های پیش‌بینی در معماری

1. طراحی فضاهای آرامش‌بخش و جذاب:
   • تنظیم نور، رنگ و هندسه برای کاهش استرس و افزایش بهره‌وری کاربران.
   • مثال: نور طبیعی، رنگ‌های سرد، خطوط منحنی و سقف بلند در بیمارستان و فضاهای آموزشی.
2. پیش‌بینی تجربه کاربران قبل از اجرا:
   • با ورود پارامترهای طراحی به مدل AI، می‌توان میزان آرامش، تمرکز و جذابیت فضا را پیش‌بینی کرد.
3. امتیازدهی و ارزیابی آثار معماری:
   • استفاده از شاخص HEI (Human Experience Index) برای ارائه امتیاز علمی تجربه انسانی.
   • مثال: فضای با نور و رنگ هماهنگ می‌تواند امتیاز ۸۵ از ۱۰۰ دریافت کند.
4. توسعه معماری واکنش‌گرا:
   • فضاها می‌توانند با سنسورها و سیستم‌های هوشمند نور و رنگ خود را بر اساس حالت روانی و فعالیت کاربران تنظیم کنند.
   • مثال: شدت نور و رنگ نورپردازی در فضای کار اشتراکی یا فرودگاه بر اساس استرس یا خستگی کاربران تغییر می‌کند.
5. بازنگری و بهینه‌سازی پروژه‌های موجود:
   • ثبت پارامترهای فضایی و وارد کردن آن‌ها به مدل AI برای پیش‌بینی واکنش مغزی کاربران به فضاهای ساخته‌شده.
   • مثال: بازسازی بیمارستان با تغییر رنگ دیوارها و افزایش نور طبیعی باعث ارتقای HEI شد.

جمع‌بندی تحقیق

تحقیقات اخیر نشان داده‌اند که ترکیب نوروساینس و هوش مصنوعی، امکان پیش‌بینی واکنش مغزی انسان به فضاهای معماری را فراهم می‌کند.

• ثبت دقیق داده‌های عصبی و فیزیولوژیک، تحلیل ویژگی‌های معماری و آموزش مدل‌های هوش مصنوعی، نشان می‌دهد چه فضاهایی آرامش، تمرکز و جذابیت بصری بیشتری ایجاد می‌کنند.
• هر پارامتر معماری نقش مشخصی دارد:
  • نور: ۳۵٪
  • رنگ: ۲۵٪
  • هندسه: ۱۸٪
  • ارتفاع: ۱۲٪
  • باز یا بسته بودن فضا: ۱۰٪

کاربردهای عملی:

• طراحی فضاهای آرامش‌بخش
• پیش‌بینی تجربه کاربران
• امتیازدهی علمی به آثار معماری
• توسعه معماری واکنش‌گرا
• بازنگری و ارتقای پروژه‌های موجود

معماری پیش‌بین، نه تنها ابزار تحقیقاتی، بلکه راهکار عملی برای بهینه‌سازی فضاهای انسانی است و می‌تواند آینده طراحی معماری را به سمت فضاهای کارآمد، جذاب و انسان‌محور هدایت کند.

جزئیات الگوریتم‌ها و مدل‌های هوش مصنوعی

۱. شبکه عصبی کانولوشنی (CNN) برای تحلیل تصاویر فضایی:

• هدف: استخراج ویژگی‌های بصری از تصاویر سه‌بعدی اتاق‌ها و سالن‌ها.
• ورودی: تصاویر رندر شده از مدل‌های سه‌بعدی با رزولوشن ۲۵۶×۲۵۶ پیکسل، شامل اطلاعات نور، رنگ و هندسه.
• معماری پیشنهادی:
  1. Conv Layer 1: ۳۲ فیلتر ۳×۳، ReLU
  2. Max Pooling: ۲×۲
  3. Conv Layer 2: ۶۴ فیلتر ۳×۳، ReLU
  4. Max Pooling: ۲×۲
  5. Flatten: تبدیل ماتریس به بردار
  6. Dense Layer 1: ۱۲۸ نود، ReLU
  7. Dense Layer 2 (Output): نودهای متناسب با شاخص‌های روانشناختی (مثلاً آرامش، جذابیت، تمرکز)
• فرمول محاسبه کانولوشن:
  [S(i,j) = (I * K)(i,j) = \sum_m \sum_n I(i-m,j-n)K(m,n)]            که (I) تصویر ورودی و (K) کرنل کانولوشن است.

 

۲. شبکه عصبی بازگشتی LSTM برای داده‌های EEG و فیزیولوژیک:

• هدف: مدل‌سازی توالی زمانی و پیش‌بینی پاسخ عصبی افراد به محرک‌ها.
• ورودی: بردارهای EEG و سنسورهای فیزیولوژیک با ابعاد زمان × کانال
• ساختار پیشنهادی:
  • LSTM Layer 1: ۶۴ واحد
  • Dropout: ۰.۲ برای جلوگیری از overfitting
  • LSTM Layer 2: ۳۲ واحد
  • Dense Layer: ۳ شاخص اصلی پاسخ روانی (آرامش، اضطراب، جذابیت)
• فرمول LSTM برای هر گیت:
  [f_t = \sigma(W_f \cdot [h_{t-1}, x_t] + b_f)]
  [i_t = \sigma(W_i \cdot [h_{t-1}, x_t] + b_i)]
  [\tilde{C}t = \tanh(W_C \cdot [h{t-1}, x_t] + b_C)]
  [C_t = f_t * C_{t-1} + i_t * \tilde{C}t]
  [o_t = \sigma(W_o \cdot [h{t-1}, x_t] + b_o)]
  [h_t = o_t * \tanh(C_t)]
  که (f_t, i_t, o_t) گیت‌های فراموشی، ورودی و خروجی هستند و (C_t) حافظه سلولی.

۳. مدل ترکیبی Multi-Input برای ترکیب تصاویر و داده‌های EEG:

• ورودی‌ها:
  1. تصویر سه‌بعدی اتاق → CNN
  2. داده EEG و فیزیولوژیک → LSTM
  3. پارامترهای عددی معماری (ارتفاع، عرض، نور، رنگ) → Dense Layer
• پس از استخراج ویژگی‌ها از هر ورودی، آن‌ها به یک لایه Dense مشترک متصل می‌شوند و شاخص HEI (Human Experience Index) پیش‌بینی می‌شود:
  [HEI = \alpha_1 \cdot F_{CNN} + \alpha_2 \cdot F_{LSTM} + \alpha_3 \cdot F_{Dense}]
  که (F_{CNN}, F_{LSTM}, F_{Dense}) بردارهای ویژگی هر شاخه و (\alpha_i) وزن نسبی آموزش داده‌شده توسط مدل است.

 

۴. معیارهای ارزیابی مدل:

• RMSE (Root Mean Squared Error):
  [RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i – \hat{y}_i)^2}]
• R² (ضریب تعیین): برای سنجش کیفیت پیش‌بینی:
  [R^2 = 1 – \frac{\sum_i (y_i – \hat{y}_i)^2}{\sum_i (y_i – \bar{y})^2}]
• دقت پیش‌بینی HEI به طور متوسط ۸۲٪ گزارش شد.

 

۵. نرم‌افزارها و ابزارهای مورد استفاده:

ابزار	کاربرد
Python	کدنویسی مدل‌ها و تحلیل داده‌ها
TensorFlow / Keras	ساخت و آموزش شبکه‌های عصبی
MATLAB	پردازش سیگنال EEG و تحلیل فیزیولوژیک
Blender / Unity	ایجاد مدل‌های سه‌بعدی و شبیه‌سازی محیط واقعیت مجازی
OpenCV	پردازش تصویر و استخراج ویژگی‌های بصری
pandas, NumPy	مدیریت داده‌های عددی و محاسبات ماتریسی
scikit-learn	معیارهای ارزیابی مدل و استانداردسازی داده‌ها

 

نتیجه‌گیری

تحقیقات انجام‌شده نشان می‌دهد که تلفیق نوروساینس و هوش مصنوعی، امکان پیش‌بینی دقیق واکنش مغزی انسان به فضاهای معماری را فراهم می‌کند. با ثبت و تحلیل داده‌های عصبی و فیزیولوژیک، می‌توان رابطه میان ویژگی‌های فضایی—مانند نور، رنگ، هندسه، ارتفاع و باز یا بسته بودن فضا—و پاسخ‌های روانی و هیجانی کاربران را مشخص کرد.

نتایج نشان می‌دهد که هر پارامتر معماری تأثیر مشخص و قابل اندازه‌گیری دارد: نور محیط حدود ۳۵٪، رنگ ۲۵٪، هندسه ۱۸٪، ارتفاع ۱۲٪ و باز یا بسته بودن فضا ۱۰٪ از پاسخ‌های مغزی را شکل می‌دهند. این داده‌ها به معماران امکان می‌دهند پیش از ساخت، تجربه انسانی را ارزیابی و طراحی‌هایی واقعاً انسان‌محور و علمی ارائه دهند.

کاربرد عملی این رویکرد شامل طراحی فضاهای آرامش‌بخش و جذاب، پیش‌بینی تجربه کاربران قبل از اجرا، امتیازدهی علمی به آثار معماری و توسعه فضاهای واکنش‌گرا و هوشمند است. در نتیجه، معماری پیش‌بین فراتر از زیبایی‌شناسی صرف عمل می‌کند و کیفیت تجربه انسانی را در مرکز فرآیند طراحی قرار می‌دهد، به گونه‌ای که فضاهای ساخته‌شده همزمان کارآمد، جذاب و سلامت‌محور باشند.