AI for Resilient Design: From Image Generation to Risk-Based Decision Making
這幾年建築與景觀設計談 AI，很多時候還停留在「生圖」。
但最近我比較在意的，反而是另一個方向：
AI 能不能真正進入設計判斷？
美國建築師學會 AIA 在 2026 年 9 月 3 日安排了一場「Leveraging AI for Resilient Design」線上課程，內容不是教 Midjourney，也不是示範怎麼快速做效果圖，而是把 大型語言模型 LLM、Digital Twin 數位孿生與韌性設計放在同一個工作流程裡。(The American Institute of Architects)
設計師面對的其實是一連串問題：
這個場地可能遭遇什麼風險？
不同災害情境下會發生什麼？
哪個方案的代價比較低？
哪一種策略可以真正落地？
我們對 AI 算出來的答案，到底可以相信多少？
AIA 這次特別把 AI 放在早期可行性分析、情境測試、風險評估與方案發展裡，同時要求設計師理解 AI 的限制，並保留專業判斷。官方列出的學習目標甚至直接包含：如何評估 AI 生成資訊的可靠性，以及如何把專業判斷重新放進工作流程。(The American Institute of Architects)
這和過去「AI 幫忙提高效率」的說法其實不太一樣。
AI 開始從圖像生成器，慢慢變成一個情境推演工具。
例如面對洪水、熱浪、海平面上升或極端降雨，未來的工作流程可能是先利用 Digital Twin 建立場地狀態，再用 AI 協助整理政策、歷史數據與不同設計方案，快速比較多種情境。
但最後真正重要的問題依然是：
設計師要不要接受這個答案？
AI 越進入決策，人的責任並沒有減少,甚至更重。因為以前我們只是判斷「這張圖好不好」，未來還必須判斷：
這個資料對不對？模型假設合理嗎？結果能不能作為設計依據？
這可能也是 AI 進入景觀、城市與韌性設計之後，下一階段真正值得研究的問題。
對設計實務／教育的意義
設計教育未來不應該只教學生「怎麼用 AI 產出方案」，而應該增加一層：
如何檢查、質疑與驗證 AI 提供的設計依據。
這對景觀、都市設計、基礎設施與韌性研究尤其重要。
官方資料：AIA｜Leveraging AI for Resilient Design
圖片／影片來源與註記：AIA 官方活動頁有課程主視覺，屬 AIA 官方活動素材。若網站要使用，建議以活動頁外鏈或取得授權方式處理，不建議直接下載轉載。(The American Institute of Architects)
