講者：鄭偉君 Jimmy Cheng

時間：2026年7月25-26日

地點：DDS THU AI中心

整理：張運宗

 

 

【編按】2026 年被稱為「AI Agent 落地元年」。　如 Google Cloud 發布報告《AI Agent Trends 2026》，各大投研機構紛紛將 2026 年定調為「百億 AI 代理之年」，產業不再盲目追逐底層模型的技術參數，而是開始全面轉向AI 能否幫人類解決實際問題、完成具體任務—— AI 已經演進為能獨立完成任務的「代理人」。　

在此浪潮下，AI中心與創藝學院、東海建築系聯合主辦為期兩天的暑期 AI 設計工作坊：「數據之眼：訊號、雜訊與形式」（The Eyes of Data: Signal, Noise, and Form）。　

【講者】鄭偉君 Jimmy Cheng。　現任美國卡內基美隆大學建築學院運算設計研究所（Master of Science in Computational Design）專任教師（Special Faculty）。　其研究聚焦於數位技術、設計媒介與人工智慧對建築設計方法的影響。　

 

 

以 AI 為「眼」：重新觀看城市的故事

 

　　本工作坊從符號學與媒體理論出發，探討 AI 如何改變語言、圖像與形式的生成，並以三組理論作為實作基礎。　

 

　　鄭偉君簡述AI在設計、藝術領域的發展後，提出三組理論作為本次工作坊的實作基礎。　

 

一、利用「機器視覺」觸發創造性誤讀：

人與 AI 對同一個城市景象可能產生不同判讀，這種語意落差（Semantic Gap）有時能使原本被忽略的空間特徵重新顯現。　

 

二、以「符號學」重新命名與定義空間：

引入索緒爾與皮爾斯的符號學（Semiotics）觀念，^註 利用機器視覺重構建築語言的再現系統（Representation System），而不只將 AI 視作設計助理（Design Assistant）。　

 

三、建立可邏輯操作的「形狀文法」（Shape Grammar）：

將「包覆」「穿越」等抽象概念，轉化為平移、旋轉、切割、疊加與縮放等幾何操作，使語言可以進入三維形式生成。　

 

 

AI Agent 協作工作流

 

　　在實作上，以多模態 AI、知識脈絡文件與工具調用為核心，引導學生解析城市細節，建立各組的 RAG 知識庫（Context Pack），並透過 MCP（Model Context Protocol）技術串接3D 軟體 Blender，將抽象觀察實體化為空間原型。　由此，建立一套從城市觀察到形式生成的代理式設計流程。　

 

Step 1，建立場地資料。　搜集台中街景照片、社群貼文與 Google 評論。　

 

Step 2，建立 RAG 知識庫。　將大師訪談、理論與作品整理成 RAG 知識庫（Context Pack），設定 AI 判讀的重點與限制。　

 

Step 3，城市訊號多重解讀。　AI 依據不同知識框架判讀街景，辨識空間的雜訊與訊號。　

 

Step 4，透過 MCP 串接 Blender，使 AI 能依照指令建立與修改三維物件。　

 

Step 5，空間造型選單。　學生把抽象語彙轉化為可組合的形式單元，建立 Form Catalog。　

 

Step 6，變體生成。　AI 依據形式單元與幾何規則生成不同變體。　

 

Step 7，設計師的校準。　學生檢查生成結果，回頭修正规則、形式單元與組合方式，選擇方向深化。　

 

 

實作回饋：發現、挑戰與反思

 

　　工作坊依據不同的建築知識視角，將學生分為四組。　各組分別擷取不同建築大師的理論，建立專屬的知識脈絡文件（group_knowledge.md），藉此設定 AI 應關注的訊號與判讀方向。　

 

第一組：感知／氛圍語彙——Peter Zumthor

 

　　關注光影、觸感、溫度、厚重與包覆等身體感官經驗。　

 

　　AI 將尋常街景轉譯成不同的空間語彙。　例如，騎樓被解讀為「具有厚度的邊界」，樹林成為具有孔隙與層次的空間，柱子則與抬升感產生關聯。　

 

　　問題出現在三維生成階段。　AI 往往直接拼接不同元素，難以呈現設計師原先想像的細膩關係。　

 

　　因此，學生必須明確寫出辨識特徵及其形式轉化方式。　

 

第二組：符號／敘事語彙——John Hejduk

 

　　關注城市物件的角色化、儀式、象徵與記憶。　

 

　　學生將「痛苦」「沉默」「抵抗」等抽象詞彙交給 AI，藉此取得不同於個人直覺的解讀。　但當敘事脈絡被抽離，只留下幾何形式時，生成結果經常退化成缺乏故事性的直線與物件組合。　

 

　　老師提醒學生，不要立即排除看似無用的形式；無法遮風避雨的柱列，也可能在重新命名後取得新的空間角色。　

 

　　若要讓敘事真正進入形式，仍需加入疊合、穿插或偏移等具體操作。　

 

第三組：空間動詞／事件語彙——Bernard Tschumi

 

　　關注穿越、碰撞、阻擋、繞行等行為動詞與事件。　

 

　　AI 能穩定辨識網格、框線、挖洞、插入與重疊等特徵，卻難以控制它們出現的強弱與比例。　生成過程中，也常出現條狀或方塊形式過多，甚至覆蓋原先曲線與挖洞特徵的情況。　

 

　　有趣的是，一些最初看似失控的屋頂與碎塊，在重新排列後，反而接近原先希望捕捉的空間關係。　訊號與雜訊的界線，也在這個過程中不斷改變。　

 

第四組：幾何／操作語彙——Peter Eisenman

 

　　專注於格網、偏移、陣列與切割等幾何生成序列。　

 

　　實作顯示，人與 AI 對幾何特徵的判定並不相同。　人類認為網格應由垂直與水平線構成，AI 卻可能依據重複、交錯與方向關係，把其他形式也辨識為網格。　

 

　　當 AI 執行縮放、陣列與複製時，問題更加明顯。　它能完成個別動作，卻不一定理解形式如何由簡單逐步演變為複雜。　

 

　　學生最後改用 Diagram 圖解，直接呈現幾何變化的順序。　同時，AI 的隨機生成也被保留，作為設計停滯時測試其他可能性。　

 

四組實作看見的共同問題

 

　　AI 可以從影像中辨識特徵，也能依照指令生成幾何形式；但當設計進入組合與演變，它的限制便逐漸顯現。　不同元素可能被生硬拼接，包含記憶、角色與情緒的敘事，也可能在三維生成後只剩下直線與碎塊。　AI 甚至會在生成新形式時，抹除前一階段已經建立的曲線、孔洞或其他重要特徵。　

 

　　這些結果顯示，AI 能執行「切割」「疊加」「縮放」等個別動作，卻不一定理解不同形式為什麼要組合，以及一個形式如何從前一步演變到下一步。　即使指令本身沒有錯，生成結果仍可能失去原先的設計關係。　

 

　　因此，學生必須回頭補寫規則，控制特徵的強弱與比例，甚至用 Diagram 畫出形式變化的順序。　設計師原本憑經驗與手感完成的連接，面對 AI 時必須轉化為明確說明的操作關係。　

 

　　另一方面，暴力拼接、形式抹除與意外碎塊，也使設計師重新檢查：哪些關係不能失去，哪些只是操作慣性，哪些雜訊仍可能在重新組合後成為新的訊號。　工作坊顯示，AI 不只是生成形式；它的一次次偏離，也迫使設計師重新說明形式如何組合、設計意圖如何被保存，以及哪些判斷仍需由人完成。　

 

 

AI 的定位與未來展望

 

　　鄭偉君提醒學生，經歷這兩天的工作坊後，大家的思維應該超越只將 AI 視為「幫忙加快完成手邊工作」的便利工具。　更重要的是，設計者必須釐清人類與 AI 的各自價值。　學生應去思考「什麼是我做得到，但 AI 做不到的？」這是人類不可取代的價值。　同時，思考AI 獨有的價值，「什麼是 AI 做得到，但我做不到的？」

 

　　因此，可將 AI 作為設計思維的「槓桿」。　設計師的核心任務是建立自身意圖與 AI 能力之間的連接方式，並在生成過程中持續判斷與校準。　

 

　　主辦人邱浩修相當認可工作坊的價值，特別提出幾點觀察。　

 

　　首先，AI 可以協助學生在特定框架下進行不同形式的探索，進而重新思考大眾審美與設計專業審美之間的差異，以及兩者可能形成的對話。　

 

　　其次，建築系學生容易回到切割珍珠板、製作實體模型等熟悉的操作方式。　AI 的介入，則可能促使學生暫時離開既有的建築組成方法，嘗試不同的觀看與生成途徑。　

 

　　他也期許學生能將工作坊的經驗帶回正規設計課程（Studio），不把 AI 限制在一次性的形式實驗，而是進一步思考它如何進入完整的設計流程。　

 

　　最重要的是，讓 AI 在未來的設計過程中發揮實質的協作功能，幫助學生看見自己的能力與限制，將原本停留在腦中的設計意圖，轉化為可以被測試、修正與實踐的形式。　

 

 

註，索緒爾（Ferdinand de Saussure，1857—1913）為現代語言學與結構主義的重要奠基者；皮爾斯（Charles Sanders Peirce，1839—1914）則為實用主義的重要思想家。　兩人分別建立了現代符號學的兩條重要理論路徑。　

 

 

 

 

---