בינה מלאכותית בתכנון אדריכלי
קורס לסטודנטים במגמת הנדסאי אדריכלות ועיצוב פנים. הקורס אינו קורס כלים: הסטודנט לומד להפעיל בינה מלאכותית על הפרויקט התכנוני שלו עצמו, בכל שלב משלביו — מחקר אתר, תכנות, חלופות, פיתוח, הדמיה, נרטיב והגשה.
כללי השימוש ב-AI
מותר — הכלי כמאיץ
- הרחבת מאגר רפרנסים, אווירה וחומריות
- ניתוח נתוני אתר, אקלים, רגולציה ומקורות מידע
- ייצור חלופות (sketch-to-image, image-to-image) מתוך סקיצה או תכנית של הסטודנט
- הדמיה ורנדור של גיאומטריה שהסטודנט תכנן
- ניסוח נרטיב, דיאגרמות והכנת פאנל הגשה
- אוטומציה של פעולות חוזרות בתוכנות התכנון
אסור — הכלי במקום הסטודנט
- הגשת תכנית, חתך, חזית או מסה שנוצרו מטקסט בלבד, ללא בסיס גיאומטרי שהסטודנט יצר
- הצגת תוצר שהסטודנט אינו יודע להסביר את ההיגיון התכנוני שמאחוריו
- שימוש בכלי כתחליף להכרעה — בחירת פתרון רק משום שהמודל הציע אותו
14 המפגשים
מה AI עושה, ומה הוא לא עושה
מיפוי שלבי התכנון, סוגי המודלים, גבולות האמינות — וחתימה על כללי הקורס
לפני שפותחים כלי כלשהו, צריך לדעת איפה הוא נכנס לתהליך התכנוני שלכם — ואיפה לא. במפגש הזה ממפים את שלבי התכנון שאתם כבר מכירים משנה א', מבחינים בין שלושה סוגי מודלים, ומבינים למה התוצר היפה ביותר לא שווה דבר אם אינכם יודעים להסביר אותו.
תוצר: מיפוי אישי
פרומפט כשפה תכנונית
מבנה פרומפט אדריכלי: תוכנית, קנה מידה, אור, חומר, הקשר ונקודת מבט
פרומפט גנרי מייצר תוצר גנרי. אדריכל כותב פרומפט באותם מונחים שבהם הוא מתכנן: מה התפקוד, באיזה קנה מידה, מאיזו נקודת מבט, באיזה אור ומאיזה חומר. במפגש הזה בונים תבנית קבועה לפרומפט אדריכלי ומשווים אותה לפרומפט "של כולם".
תוצר: 5 פרומפטים מתועדים לפרויקט האישי
רפרנסים, אווירה וחומריות
לוח השראה מדויק, ניתוח פרצדנטים בעזרת AI והימנעות מקלישאות ויזואליות
לוח השראה טוב הוא לא אוסף תמונות יפות — הוא טיעון. כל דימוי בו צריך לענות על שאלה תכנונית: איזה אור, איזה חומר, איזה מעבר בין פנים לחוץ. במפגש הזה משתמשים ב-AI כדי להרחיב את מאגר הרפרנסים ולנתח פרצדנטים — ולומדים לזהות את הקלישאות שהמודלים אוהבים לייצר.
תוצר: לוח אווירה לפרויקט
מהסקיצה שלי לדימוי
Sketch-to-image ו-image-to-image: הסקיצה שלכם כקלט מחייב
כאן עובר הקו בין "AI עשה" ל"אני תכננתי": כשהקלט הוא הסקיצה שלכם, הגיאומטריה שלכם, והמודל רק מפתח אותה. במפגש לומדים לשלוט במידת החופש של המודל — כמה הוא רשאי לשנות ממה שציירתם.
תוצר: סקיצת יד + 3 פיתוחים
ניתוח אתר ונתוני מקום
אקלים, טופוגרפיה, תנועה, הקשר עירוני ותב"ע — ולמה אסור להאמין למודל בנושא רגולטורי
הבניין לא עומד בפני עצמו — הוא מגיב למקום. AI יכול לעזור לאסוף ולסכם הרבה נתוני אתר מהר, ולהפוך אותם לדף ניתוח מסודר. אבל בכל מה שקשור לתב"ע, זכויות בנייה ותקנות — המודל הוא נקודת התחלה לשאלה, לעולם לא תשובה.
תוצר: דף ניתוח אתר
תכנות ויחסי שטחים
תוכנית תפקודית, יחסי גדלים ודיאגרמות זיקה — הסטודנט מכריע, הכלי מרחיב
פרוגרמה היא התשובה לשאלות: מי המשתמש, מה הוא צריך, אילו פונקציות, כמה שטח, ומה הקשרים ביניהן. מודל שפה מצוין בלהציף אפשרויות ובלבנות טבלאות — אבל הוא לא מכיר את המשתמשים שלכם. במפגש הזה הכלי מרחיב, ואתם מכריעים.
תוצר: דיאגרמת תכנות + טבלת שטחים
ייצור חלופות מסה ושליטה גיאומטרית
תכנית או מודל גס כקלט מחייב — ריבוי חלופות מהיר מתוך אותה תכנית
במקום חלופה אחת שעבדתם עליה שבוע, AI מאפשר לראות כמה חלופות מסה בשעה — בתנאי שכולן יוצאות מאותה תכנית או מאותו מודל גס שלכם. במפגש לומדים לשלוט בקווי מתאר ובפרספקטיבה, כדי שההשוואה בין החלופות תהיה הוגנת.
תוצר: 4 חלופות מסה + נימוק בחירה
קריט ביניים
הצגת מצב הפרויקט וחלוקת העבודה ביני לבין הכלי — 5 דקות לסטודנט
בקריט הביניים לא מציגים "מה AI יודע לעשות" — מציגים פרויקט. כל סטודנט מראה איפה הפרויקט עומד ואיך התחלקה העבודה בינו לבין הכלי. יומן התהליך נבדק כאן לראשונה. חובת נוכחות.
תוצר: מצגת ביניים — 5 דקות
מטקסט ודימוי לתלת-ממד
מודלים לייצור גיאומטריה תלת-ממדית — מה אפשר לייצא לתוכנת התכנון ומה לא
כלים כמו Tripo או Meshy הופכים תמונה או סקיצה לרשת תלת-ממדית בתוך דקות. זה מרשים — ומוגבל: הגיאומטריה מקורבת, בלי מידות, ולרוב כרשת משולשים (mesh) שקשה לערוך בתוכנת תכנון. במפגש בוחרים אלמנט אחד בפרויקט שבו הכלי באמת עוזר.
תוצר: אלמנט תלת-ממדי אחד בפרויקט
רנדור, אור וחומר
הדמיה מתוך המודל שלכם: שעת יום, אווירה וחומריות — שיפור רנדור קיים במקום ייצור מאפס
ההדמיה החזקה ביותר מתחילה מהמודל שלכם — צילום מסך או רנדור בסיסי מהתוכנה — ומשתמשת ב-AI לשפר אור, חומר ואווירה. כך הגיאומטריה נשארת מדויקת, והתמונה מספרת את הסיפור שתכננתם.
תוצר: הדמיה חיצונית + פנימית
אוטומציה בסביבת התכנון
AI בתהליך העבודה ב-AutoCAD / Revit / Rhino / SketchUp: סקריפטים, שכבות, טבלאות וכמויות
רוב הזמן בתוכנת התכנון הולך על פעולות חוזרות: לסדר שכבות, לשכפל קומות, לספור אלמנטים, להפיק טבלאות. מודל שפה יודע לכתוב סקריפטים קצרים לפעולות האלה — גם למי שלא למד תכנות. במפגש בונים אוטומציה אחת שתשתמשו בה בפועל.
תוצר: אוטומציה אחת שבניתם ומשתמשים בה
נרטיב, דיאגרמות ופאנל הגשה
בניית הסיפור התכנוני, ניסוח טקסט מקצועי, דיאגרמות הסבר ועקרונות פריסה
לא מספיק לתכנן — צריך לדעת להסביר את ההחלטות. פאנל הגשה הוא סיפור: בעיה, ניתוח, רעיון, פתרון. AI עוזר לנסח טקסט מקצועי, להציע מבנה לסיפור ולהפיק דיאגרמות — אבל הסיפור צריך להיות שלכם, ובמילים שתוכלו לחזור עליהן בעל-פה.
תוצר: טיוטת פאנל הגשה
סטודיו הגשה וליווי פרטני
עבודה על התוצר הסופי, סגירת פערים — בשתי רמות אתגר
מפגש עבודה. המטרה: לסגור את הפערים בין מה שיש לכם לבין מה שנדרש בהגשה הסופית, ולוודא שיומן התהליך מלא. מי שזקוק לליווי צמוד מקבל מסלול מצומצם; מי שמוביל מקבל הרחבה — שתיהן מוגשות באותו מועד.
תוצר: הגשה סופית מוכנה לבדיקה
הגשה סופית והגנה
הצגת הפרויקט, שאלות הגנה על ההכרעות התכנוניות ורפלקציה
ההגשה הסופית היא הגנה על החלטות. אתם מציגים פרויקט אחד, מפותח, ומסבירים בכל שלב מה תרם הכלי ומה הכרעתם בעצמכם. המשקל: 30% מהציון, ויומן התהליך נבדק שוב. הגשה ללא יומן אינה נבדקת.
תוצר: הגשה סופית והגנה