今日所见

这个方法最值得学生带走的地方，是它把一个宏观问题重新压回人的尺度。“Red Hook 很热”并不能直接指导设计，因为一个等公交的人、推婴儿车的人、必须步行送货的人和可以快速进入空调建筑的人，面对的其实不是同一种热。树荫落在哪里、长椅在哪里、路口要等多久、柏油路有多长，都会把同一个天气预报变成完全不同的身体经验。

这也是为什么环境设计不能只停在 GIS、气候数据或总体分析。有些证据必须边走边获得。 学生做校园、街区或公共空间课题时，可以试着画一张“热环境用户旅程”：从出发点到目的地，每隔一段记录太阳、遮阴、停留点、表面材料和身体感受。你会发现，真正需要改的地方，往往不是整片区域，而是那几个让人无处可去的具体时刻。

查看项目｜Pratt Institute

这里有一个很小、却很有判断力的细节：每个教室模块同时设置成人尺度入口和一个真正按儿童身体尺度设计的小门。这并不只是可爱的造型。小门意味着孩子不必永远通过成人尺度的设施进入自己的空间；弧形走廊和没有尖锐死角的几何关系，则让教师能够看见操场，也让儿童在移动时持续获得变化的视野。多彩遮阳构件同时处理日照、噪声和自然采光，屋顶继续作为绿化与游戏空间被使用。

这提醒我们，“以儿童为中心”不能只靠主题色、卡通图形或缩小版家具来证明。真正的儿童尺度，是空间有没有给孩子一种与年龄相匹配的自主性。 做任何特殊人群设计时都可以追问：我只是把成人系统改小、改软、改可爱，还是确实改变了这个人能够自己完成什么？需要说明的是，该项目报道来自 designboom 的项目投稿渠道，目前更适合作为空间策略案例，而不是经过长期使用验证的后评估结论。

这件事对建筑学生尤其有意思，因为玻璃在人和鸟那里并不是同一种材料。对人而言，它可能代表通透、采光和景观；对鸟而言，反射天空和植被的玻璃可能根本不像一道边界。于是，一个对人“很透明”的立面，也可能对另一种生命极其危险。设计问题由此从“这块立面好不好看”变成：同一个空间，对不同生命到底呈现成了什么？

公共艺术本身不能替代建筑规范和技术改造，但它有一个重要作用：让原本没有被算进 brief 的使用者进入公共想象。以后做公共空间、校园或建筑立面时，可以增加一个简单动作：在利益相关者地图之外，再画一圈“非人类使用者”——鸟、昆虫、树木、水、夜间动物。不是为了给每个项目硬塞一个生态概念，而是检查：有没有某一种设计便利，是建立在另一个生命根本看不懂这个系统之上？

这里真正值得看的并不是用了 Stable Diffusion、LoRA 还是 ControlNet，而是专业知识在什么时候进入。第一阶段，人定义条件并检查功能、流线和结构是否成立；第二阶段，人必须把二维关系真正翻译为空间，而不是默认生成图已经等于建筑；第三阶段，AI 再次扩展视觉候选，但空间基础不再任意漂移。研究者也明确把贡献定位在“workflow level”，而不是某一种提示词或模型技术。

这对设计课很有启发。学生使用 AI 时，最容易出现的流程是“输入要求 → 得到很多图 → 选一张喜欢的”。更成熟的课程可以改成几个 Judgment Gate：生成平面以后先检查证据与功能；进入三维以前必须由人说明哪些关系不可改变；效果图出来以后再判断它是否忠实于空间，而不是只看氛围。AI 可以把候选变多，但专业教育要负责把判断点变清楚。 这项研究目前只有一个相对简单的口袋公园案例，而且二维到三维仍依赖人工，因此不能据此声称已经实现端到端自动设计。

查看原始研究｜Buildings

结果并不是“AI 让所有创造能力都上升”。实验组在问题理解、关系重构、寻找解决方案和情感投入等若干自我感知维度出现提升；控制前测差异后，部分维度也优于对照组。但“发展额外策略”和实验组内部的“评价”维度并没有显著改善；两组学业成绩都提高，说明一般课程学习本身也在起作用。研究样本很小、来自单一大学，而且“metacreativity”主要通过自我报告量表测量，因此不能把结果扩展成“用了 AI 就会更有创造力”。

反而是这些限制让教学启发更清楚：AI 的教育价值不是工具名单，而是教师有没有设计出必须由学生完成的认知动作。 一份 AI 作业如果只写“请使用 AI 完成”，最容易训练的是生成；如果要求“给出两个版本—指出差异—删除一个—解释为什么—再重写”，训练的才可能是判断。未来课程设计可以少规定“用哪个 AI”，多规定“哪一步不能跳过人的比较、修改和辩护”。