L’IA può ren­dere il pas­sato pro­dut­tivo?

English version at this link

Gli architetti possono avvalersi dei modelli di intelligenza artificiale (IA) generativa per produrre opere che affondino le radici nello spessore culturale della propria disciplina? Abbiamo esplorato questo interrogativo in un workshop di un giorno, nell’ambito del simposio Future of Construction 2024, affrontando il tema centrale Making the Past Productive con un approccio pratico. Utilizzando Palazzo Turconi a Mendrisio come caso studio, abbiamo visualizzato i suoi passati e i suoi possibili futuri, per discutere come l’IA generativa possa fungere da «macchina del tempo visiva» per l’indagine architettonica.

Contesto

Con l’avvento dell’IA generativa, il calcolo digitale entra in una nuova era. Negli ultimi anni sono emersi software potenti che promettono di trasformare radicalmente il campo dell’architettura, così come avviene in molte altre professioni intellettuali. Sebbene ancora in una fase iniziale, questi strumenti evolvono rapidamente e stanno già influenzando in modo tangibile la pratica quotidiana degli architetti. In una professione definita dalla sua natura visiva, i sistemi di IA capaci di generare immagini possono rivelarsi almeno altrettanto impattanti quanto i modelli linguistici di grandi dimensioni basati su testo.

Tuttavia, l’IA è spesso accolta con atteggiamento critico tra gli architetti, che la vedono come una minaccia alla libertà espressiva, all’autorialità o alla proprietà intellettuale. Molti sostengono che i risultati prodotti sono necessariamente superficiali, un mero patchwork di idee riciclate. È vero che i modelli di IA vengono addestrati su vasti archivi di artefatti culturali raccolti online; se non utilizzati con consapevolezza, tendono a generare uno spazio immaginario indistinto, in cui capolavori rinascimentali, materiali pubblicitari, iconografia scientifica e istantanee amatoriali si fondono senza distinzione.

Gli studiosi di tecnologia applicata all’architettura hanno affrontato questo tema negli ultimi anni. Neil Leach e Stanislas Chaillou hanno mappato le applicazioni dell’IA in architettura, fornendo una breve storia dell’intelligenza artificiale come campo di ricerca e delineando i possibili impatti futuri sulla disciplina architettonica.¹

Più nello specifico, Mario Carpo considera l’IA generativa come una macchina di imitazione creativa, capace di sfidare il tabù modernista che vieta di costruire sul precedente. Egli sostiene che, sebbene i computer non possano «creare» in senso romantico, essi «automatizzano l’imitazione»² in modi da generare novità. Come afferma Carpo: 
«L’imitazione non è una copia, è ispirazione; non è replica identica, è assimilazione e trasfigurazione».³ Questa prospettiva è affine al punto di vista sostenuto da ricercatori ­
di IA come Blaise Agüera y Arcas, secondo cui i computer possono, in effetti, imparare a essere creativi.⁴

Domanda di ricerca e approccio

Come estensione pratica del discorso accademico emergente sull’IA in architettura, il nostro workshop si è posto l’obiettivo di verificare se gli architetti possono produrre opere contestualmente radicate, culturalmente rilevanti e immaginative utilizzando l’IA generativa. Il workshop è stato un invito a pensare per immagini usando l’IA – un approccio ispirato dalle convergenti intuizioni della scienza dei computer e del design architettonico. Già negli anni Cinquanta, il matematico britannico Alan Turing si chiedeva se le macchine potessero pensare.⁵ Decenni più tardi, l’architetto Peter Zumthor affermava che «produrre immagini interiori è una […] parte del pensiero. Pensiero associativo, selvaggio, libero, ordinato e sistematico in immagini, in immagini architettoniche, spaziali, colorate e sensoriali», concludendo che questo processo rappresentasse la sua «definizione preferita di progettazione».⁶

Postuliamo che le implicazioni dell’IA generativa per il processo progettuale possano essere comprese al meglio sperimentando direttamente con strumenti all’avanguardia. Come architetti praticanti – piuttosto che storici o informatici – abbiamo proposto un caso che sfrutta direttamente le tecniche più recenti, al fine di indagare un sito specifico.

Palazzo Turconi: un caso studio

Abbiamo voluto dimostrare che una nuova tecnologia, pur sviluppata a livello globale, non impone necessariamente un approccio non contestualizzato. Questo ci ha portato a scegliere un ambiente conosciuto: il Palazzo Turconi. Pur essendo immediatamente accessibile dal luogo del workshop, questo edificio incarna un archetipo architettonico facilmente riconoscibile, consentendo all’esercizio di rimanere significativo anche al di là delle condizioni specifiche del luogo.

Inaugurato nel 1860, l’edificio fu originariamente concepito come ospizio per i poveri e successivamente, per circa un secolo, servì come ospedale cantonale di Mendrisio. Nel 1996 entrò a far parte della neonata Accademia di architettura, Università della Svizzera italiana (AAM) e, dopo un’importante ristrutturazione, ospita oggi atelier di progettazione, uffici e la biblioteca.
In questo senso, può essere visto come un palinsesto architettonico, in cui strati di storia si sono sedimentati nel tempo – oggi disponibili sia per una rievocazione filologica sia come base per immaginare nuovi capitoli della vita del luogo.

Lavoro preparatorio: assemblare le memorie

Seguendo la valutazione di Mario Carpo sul ruolo cruciale dei dataset alla base dei modelli di IA – che agiscono come canoni in grado di plasmare i risultati prodotti dai modelli stessi – abbiamo raccolto materiali storici rilevanti prima del workshop. La nostra ricerca preliminare è stata un’analisi del sito del tipo che normalmente precede la progettazione di un edificio, seppur in un formato più esteso. Questo processo mirava a stabilire una solida base storica condivisa per la fase generativa dell’esperimento.

Abbiamo raccolto materiale grafico e testi da diverse fonti, come la pubblicazione Da Ospedale a Biblioteca, La Storia del Legato Turconi ⁷ della storica dell’arte Angela Wind­holz, Responsabile della Biblioteca dell’Accademia di archi­tettura, e la collezione di vedute locali conservata presso l’Archivio storico della Città di Mendrisio.

Il nostro corpus documentava le successive epoche della storia dell’edificio attraverso un’ampia gamma di ­mezzi espressivi: incisioni e fotografie in bianco e nero del palazzo nella sua funzione originaria e vedute di Mendrisio a cavallo del XX secolo, fino a fotografie a colori degli atelier di progettazione architettonica intorno all’anno 2000.

In aggiunta, abbiamo prodotto materiale originale che rappresenta lo stato attuale, incluse fotografie ad altezza uomo e riprese con drone, oltre a visualizzazioni architettoniche digitali fornendo un riferimento per la geometria degli spazi principali così come sono oggi. Dal corpus, sono state selezionate circa 200 immagini e frammenti di testo, utilizzate come base per gli esperimenti dei partecipanti.

Workshop di un giorno: modelli di IA generativa come macchina del tempo visiva

L’esercizio del workshop consisteva nello sfruttare questo dataset stratificato e multimodale per reinterpretare il passato del Palazzo Turconi e immaginarne il futuro.
Per infondere nell’esercizio una reale comprensione architettonica, abbiamo prima visitato insieme il sito, avvalendoci della presentazione della ricerca di Angela Windholz. Metà dei partecipanti è stata incaricata di immaginare molteplici futuri possibili per il luogo, estendendo consapevolmente il suo passato e presente; l’altra metà ha mirato a ricostruire diversi frammenti del suo passato disseminati nel corso della sua storia, attingendo alle tracce di memoria raccolte.

Per produrre queste suggestioni, abbiamo scelto di utilizzare Flux.1[dev]⁸ e Stable Diffusion XL⁹ – che al momento del workshop rappresentavano lo stato dell’arte nei modelli open-source – impiegati come macchine del tempo visive, termine anch’esso utilizzato da Mario Carpo.¹⁰

Abbiamo operato questi modelli tramite l’interfaccia ComfyUI.¹¹ Questo software rappresenta le operazioni eseguite come una visualizzazione di grafi, dove ogni passo è simboleggiato da un box (o «nodo») collegato al successivo. Questo paradigma è già familiare agli architetti che usano Grasshopper per Rhino, e consente di «aprire la scatola nera», mostrando il funzionamento interno dei sistemi di AI generativa.
Poiché costruire tali algoritmi da zero sarebbe andato oltre quanto possibile in una giornata, abbiamo fornito una serie di workflow pre-programmati e personalizzati:

•  Primo workflow: consente l’uso simultaneo di prompt testuali e di diverse immagini di riferimento come input. Crucialmente, integra un meccanismo chiamato ControlNet, fondamentale per il livello di precisione richiesto dagli architetti. Questo sistema fissa la geometria dell’immagine generata - basata su un’immagine preesistente qualsiasi, ad esempio una fotografia, uno schizzo o un disegno lineare proiettato da un modello 3D - fino a un grado di flessibilità impostato dall’utente.
• Secondo workflow: permette di rielaborare un’immagine esistente usando il testo come input.
• Terzo workflow: consente un processo virtuale di Umbau (conversione): elementi fisici di uno spazio esistente possono essere selezionati automaticamente e modificati uno per uno.

Fondamentalmente, questi workflow hanno permesso di usare i nostri dati come input esplicito per la sintesi di nuove rappresentazioni, consentendo così alla memoria culturale di informare direttamente il processo di progettazione speculativa.

Risultati

In meno di due ore, questo esperimento ha prodotto un’ampia gamma di risultati inattesi. Sono emerse immagini che sarebbero state impensabili – sia per quantità sia per qualità – a parità di vincoli temporali utilizzando tecniche tradizionali.

Il primo gruppo ha visualizzato una serie di scenari futuri plausibili, dal riuso degli spazi dell’edificio come co-living per studenti alla trasformazione del cortile principale in un’ampia hall di fabbricazione robotica. Ogni scena immaginata è stata rappresentata con un livello sorprendente di precisione riguardo a disposizione spaziale, materiali e illuminazione, conferendo immediata plausibilità allo scenario, anche se altamente speculativo.

Il secondo gruppo ha sintetizzato visioni del passato per completare la documentazione storica. Sono stati prodotte istantanee percettivamente vivide di scene che potrebbero essere esistite ma non sono mai state documentate - spaziando da fotografie d’archivio sintetiche o colorate a immagini digitali nitide in stile contemporaneo. Queste ultime hanno ridotto efficacemente la distanza temporale creata normalmente dalla rappresentazione storica.

Alcune immagini hanno catturato possibili momenti della vita quotidiana del personale medico nel cortile, mentre altre si sono concentrate sulle caratteristiche architettoniche originarie dell’edificio – ad esempio, ripristinando virtualmente le arcate aperte (un tratto tipologico distintivo andato perduto a seguito dei successivi rimaneggiamenti) attraverso la rimozione accurata delle vetrate dalle fotografie contemporanee. Occasionalmente, elementi del passato del presente e di un ipotetico futuro sono stati sintetizzati in un’unica immagine, illustrando il continuum della vita dell’edificio.

Discussione: la rilevanza culturale dell’AI per la progettazione architettonica

Il workshop ha dimostrato che gli odierni modelli di IA consentono agli architetti di rappresentare gli edifici con una disinvoltura senza precedenti, a diversi livelli di astrazione: dalle loro caratteristiche fisiche immediate fino allo Zeitgeist che incarnano. In particolare, i workflow text-to-
image si sono rivelati capaci di stabilire connessioni dirette tra parole e spazi architettonici, prolungando così una lunga tradizione di narrativa incorporata nell’architettura – dai racconti visivi delle vetrate gotiche fino all’architecture parlante dell’Illuminismo.

Sebbene solo grandi aziende – spesso di scala globale - possano addestrare da zero modelli di IA di grandi dimensioni, il nostro esperimento ha mostrato che fornire loro materiali accuratamente raccolti e curati permette di orientarli lontano da risultati generici. Al contrario, questo metodo si è dimostrato sufficientemente potente da produrre opere culturalmente informate, co-generate da umano e macchina, capaci di catturare la specificità del luogo e dell’intenzione progettuale.

Limiti

Allo stesso tempo, l’IA contemporanea accentua significativamente i rischi di manipolazione insiti nella ricostruzione fittizia, abbassando le barriere alla creazione di archivi alternativi convincenti ma falsi. Per questo motivo, sarebbe estremamente prezioso coinvolgere nel processo persone che abbiano vissuto direttamente il passato dell’edificio. Come osserva il noto ricercatore nel campo dell’IA e premio Nobel Geoffrey Hinton, i modelli di IA attuali, sebbene molto potenti e quasi universalmente applicabili, «non possiedono una competenza specialistica in ogni singolo ambito». Per migliorare i risultati, ha quindi senso affidarsi anche al contributo di veri esperti.

Applicazioni future: oltre le immagini

Dopo il workshop, i progressi globali nell’IA generativa visiva sono stati straordinari.¹² I modelli più avanzati oggi possono operare oltre le immagini statiche¹³ e offrono agli architetti un modo per ampliare il proprio orizzonte di riferimenti – analogamente a quanto fece Bernard Tschumi, che già tra gli anni settanta e ottanta cercava ispirazione nel cinema, nella danza, nell’arte radicale e negli eventi urbani.¹⁴

Inoltre, un edificio reale non è una semplice immagine, ma una costruzione controllata nello spazio fisico. Tecno­logie emergenti¹⁵ collegano oggi direttamente i Large Language Models (LLM) ai programmi di progettazione assistita dal computer (CAD), rendendo possibile sfruttarne il potenziale generativo per produrre geometrie architettoniche tridimensionali precise. Più in generale, la cosiddetta Spatial Intelligence¹⁶ rappresenta oggi una delle frontiere più importanti della ricerca sull’IA.

Questo apre chiare prospettive di esplorazione per workshop futuri. In che modo tutto ciò influenzerà il nostro ambiente costruito? Citando ancora una volta Alan Turing: «Possiamo vedere solo una breve distanza davanti a noi, ma possiamo vedere molte cose che devono essere fatte».¹⁷

Sintetizzando memorie del luogo, stratificazioni storiche e significati simbolici, l’IA diventa un catalizzatore contemporaneo dell’immaginazione: uno strumento per riconnettere l’architettura alla società, comprenderne le complessità e prefigurare orizzonti futuri più densi di significato. Se l’architettura è fondamentalmente un atto culturale, allora l’IA contribuisce ad ampliare il paesaggio culturale da cui essa attinge, permettendoci ancora una volta di rendere produttivo il passato.

Note 

1 Leach, Architecture in the Age of Artificial Intelligence; Chaillou, Artificial Intelligence.

2 Carpo, «AI Tectonics, or the culture wars of building».

3 Carpo, «AI Tectonics, or the culture wars of building».

4 Agüera y Arcas, «How computers are learning to be creative».

5 Una lettura cosigliata, poiché l’argomento trattato è ancora oggi di grande attualità: Turing, Computing Machinery 

6 Zumthor, Thinking Architecture.

7 Windholz, Da Ospedale a Biblioteca.

8 «Announcing Black Forest Labs», bfl.ai.

9 Podell, «SDXL: Improving Latent Diffusion».

10 Carpo, «AI Tectonics, or the culture wars of building».

11 comfy.org.

12 Si vedano, ad esempio, Flux.2[dev] e Google Gemini 3 Pro Image, noto anche come Nano Banana Pro | See for example Flux.2[dev] and Google Gemini 3 Pro Image, a.k.a. Nano Banana Pro.

13 Sfruttando la multimodalità degli attuali modelli di IA di grandi dimensioni, che operano senza soluzione di continuità su molteplici tipi di dati – tra cui testo, immagini, video e audio – essi sono in grado di passare agevolmente da una modalità all’altra.

14 Si veda | See Tschumi, Advertisements for Architecture; Tschumi, The Manhattan Transcripts.

15 Come il Modell Context Protocol introdotto dalla società Anthropic, o i framework per agenti di intelligenza artificiale| Such as the Modell Context Protocol introduced by the company Anthropic, or AI agent frameworks.

16 Li, «From Words to Worlds».

17 Turing, Computing Machinery.