Reading book - CAAD TALKS 2 Dimensions of Design Computation
此書核心主題
探討電腦輔助建築設計（CAAD）的發展歷史、關鍵研究人物貢獻、理論框架與教育應用，聚焦設計運算的多面向向度及未來的思辨。
米契爾的書中都關照到了這些議題,而且他認為人類總有超越空間限制的一天。在一次訪談中,他提到:「我們正處於一個過渡時期。利用實體空間的隱喻來描述電腦世界其實有很大的限制……我們現在用『虛擬社群』和『數位城市』這類空間化的概念來幫助我們適應與理解這個新東西,未來總有一天當你再次回顧這些名詞時,你會覺得挺好笑的。」
當我從這本書學會以的大觀的角度，站在這些大師的肩膀上往下看時,對這番話甚為有感。
CAAD 的理論基礎與核心元素
mindmap
root((理論基礎))
發展歷程
CAAD角色演變
早期輔助工具
設計夥伴
創意媒介
研究方向轉變
自動化設計
設計認知
人機協作
認知科學
Herbert Simon
設計科學理論
決策理論（有限理性）
口語分析法 (Protocol Analysis)
思考歷程分析
設計行為研究
應用
設計過程模型
專家系統基礎
人工智慧
AI設計應用
知識表達
推理機制
學習系統
專家系統
規則資料庫
推論引擎
案例學習
發展階段
符號運算
神經網路（連結主義）
混合系統
形狀語法
George Stiny
形狀規則理論
視覺計算
形狀代數
形狀運算
布林運算
空間關係（拓樸關係）
生成規則（衍生規則）
自動生成（系統）
設計（空間）探索
風格分析
重要學者貢獻
北美澳洲
mindmap
root((北美澳洲<br/>學者))
CMU群組
Omer Akin
設計自動化
模型與資料庫
建築效能分析
（衍）生成式專家系統
Charles Eastman
CAD先驅
模型與資料庫
Ulrich Flemming
早期住宅研究
牆線表示法
SEED種子系統
生成式設計
Chiu-Shui Chan
解析Simon思想
Protocol Analysis應用
Ardeshir Mahdavi
SEMPER環境模擬
建築物理環境模擬
整合性模擬
MIT群組
William Mitchell
數位建築未來探索
澳洲
John Gero
設計運算四階段
模擬1968-1975
最佳化1972-1983
AI知識系統1980-
設計認知1992-
華盛頓大學
Mark Gross
DMG設計機組研究
手繪介面
合作與限制條件
虛擬實境
歐亞
mindmap
root((歐亞<br/>學者))
瑞士ETH
Gerhard Schmitt
歐洲CAAD發展
CAAD研究與學程
資訊建築
21世紀校園
日本
Tsuyoshi Sasada
城市與建築數位化
大阪市中心再開發
上海改造計畫
數位化設計發展
中國
Zhaoji Wei
CAAD思維模式
HSCAD住宅系統
方案圖庫
方案生成編輯
綜合評價
專項分析
香港
Jin-Yeu Tsou
CFD流體動力模擬
風載分析
風環境研究
通風模擬
英國
Chengzhi Peng
CAAD發展里程碑
設計再現與溝通
合作式設計
台灣
Ming-Hung Wang
數位工具反思
後設設計
自動生成機制
演進與未來
mindmap
root((演進脈絡<br/>與未來))
早期1980s
認知研究
Protocol Analysis
設計行為
專家知識
形狀語法
規則系統
生成方法
風格研究
基礎建立
理論框架
工具原型
概念驗證
中期1990s
模擬系統
效能模擬
環境分析
結構計算
生成工具
參數化設計
演化計算
案例式學習
系統整合
資料庫技術
網路應用
協同平台
近期2000s
AI整合
機器學習
深度學習
生成式AI
設計認知
認知模型
創意支援
智能輔助
實務應用
建築資訊模型
雲端協作
行動運算
未來展望
合作設計
分散式互動
遠端協作
即時同步
網路平台
雲端服務
3D網頁
團隊工作
角色分工
衝突解決
數位實境
虛擬環境
VR虛擬實境
沉浸體驗
多媒體整合
視聽互動
感官回饋
混合實境
AR擴增實境
虛實融合
教育應用
完整運算體系
課程設計
教學工具
智能代理技術
智能助教
個人化學習
線上教育
遠距教學
互動平台
跨領域整合
建築物理
能源效能
環境品質
城市規劃
都市設計
社會議題
工具反思
批判思考
人文關懷
方法對比
靜態vs衍生
固定方案
生成系統
探索彈性
單人vs合作
個人創作
團隊協作
集體智慧
模擬vs實境
虛擬測試
實體驗證
混合方法
一、我的思維路徑分析
第一階段：困惑與求證
先從學習方式與狀態（況）與 HCI 相關，推薦此書籍與我相關的內容。第一個先抓出「形狀語法」（Shape Grammars）這個概念時，我並不急於深入細節。工具告訴我它為什麼推薦「視覺生成強、快速迭代」、能「避免使用者認知過載」，但我不明白為什麼。
我的第一個問題是：為什麼工具會這麼說？
這個看似簡單的提問，其實隱含了我的學習策略：我不想先入為主地被他人觀點框限，而是想從全貌理解概念的位置與作用。
第二階段：概念解構
當梳理文件內容後，我逐漸理解到：
- 形狀語法的核心機制 = 用有限規則生成無限變化
- 降低認知負荷的原理 = 在高層次抽象上工作，而非操作每個細節
- HCI 的啟發 = 用「規則介面」讓使用者控制複雜生成結果
這時我產生了第一個轉折性思考。
第三階段：個人化延伸
我意識到：「規則系統降低認知負荷」這個概念，不必局限於 HCI。
我的第二個問題是：我能否用 Shape Grammars 思維，創造一套幫助自己降低認知負荷的規則，應用在更多場景？
這是我從「理解概念」跨越到「為我所用」的關鍵時刻。於是展開了更多可能的應用場景：
- 學習與知識管理
- 日常決策
- 創作與寫作
- 資訊整理
- 思考過程
我發現，規則不只是工具介面的設計原則，而是一種「思考框架」：一種認知槓桿。
第四階段：概念互補
當我進一步探索「手繪介面」（Freehand Drawing Interface）時，又遇到了類似的困惑。工具又告訴我它為什麼推薦「視覺思維強、即時反饋」、能「啟發自然互動介面」。
我的第三個問題是：為什麼手繪介面會有這些特性？
這次，我不僅理解了定義，更重要的是，我發現了兩個概念之間的互補關係：
| Shape Grammars | Freehand Drawing Interface | |
|---|---|---|
| 核心 | 規則產生形狀 | 自由繪製形狀 |
| 思維 | 結構化、系統化 | 直覺化、探索式 |
| 降低認知負荷的方式 | 不用管細節，定規則就好 | 不用學工具，直接畫就好 |
| 適合階段 | 生成大量方案 | 初期探索想法 |
這兩者結合，才是完整的認知工具組。
第五階段：上位概念
最後，我嘗試建立這些概念之間的關聯：
我的第四個問題是：形狀語法 ↔︎ 手繪介面的互補，是否啟發了「後設設計」（Meta-design）？
實際上，後設設計才是「上位概念」，而形狀語法與手繪介面，是兩種實現後設設計的互補途徑。
二、我的知識架構圖
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
後設設計 (Meta-design)
"設計產生設計的機制，而非直接設計結果"
│
├─── 核心思想：設計如基因譜碼的機制，使形體能自然生長呈現
│
├─── 實現途徑一：規則驅動型（Shape Grammars）
│ │
│ ├─ 機制：定義變換規則 → 規則自動衍生形狀
│ ├─ 特性：結構化、系統化、可快速迭代
│ ├─ 降低認知負荷：不用管細節，定規則就好
│ └─ 適合階段：生成大量方案、系統化探索
│
├─── 實現途徑二：意圖識別型（Freehand Drawing Interface）
│ │
│ ├─ 機制：表達意圖 → 系統推理並提供工具
│ ├─ 特性：直覺化、探索式、即時反饋
│ ├─ 降低認知負荷：不用學工具，直接畫就好
│ └─ 適合階段：初期探索想法、視覺化思考
│
└─── 互補結合 = 完整的設計認知工具組
│
├─ 手繪階段：自由探索，什麼都可以試
└─ 形狀語法階段：發現模式，建立規則系統
關鍵概念節點解釋
節點一：後設設計（Meta-design）
- 不直接設計結果，而是設計產生結果的「系統」
- 思維層次的提升：從「我要什麼」到「我設計一套能產生可能性的機制」
- 警示：簡單的規則可能有不可思議的結果，形體難以事先預知
節點二：規則作為「認知槓桿」
- 將複雜問題結構化 → 降低決策負擔
- 建立可重複的模式 → 減少重新思考的成本
- 在高層次上控制結果 → 不被細節淹沒
節點三：應用延伸
- 學習：「先全貌後細節」就是一套學習規則
- 決策：「購買 > $XX → 等24小時 → 列3個理由」
- 創作：「寫作前 → 列3個關鍵問題 → 每段回答一個」
- 思考：「遇到困惑 → 問：我知道什麼？我不知道什麼？差距是什麼？」
三、我的學習洞見
洞見一：「先全貌後細節」
這種學習方式本身就是一種「規則系統」：一種降低學習認知負荷的機制。
洞見二：規則不是限制，而是自由的前提
- 沒有規則，你會在無限可能中迷失
- 有了規則，能在有限框架中快速迭代、探索邊界
就像形狀語法：有限的規則，能生成無限的變化。就像手繪介面：簡單的手勢，能觸發複雜的工具。
洞見三：結構化與直覺化的辯證
結構化與直覺化的結合
- 手繪階段：允許模糊性和探索性，自由嘗試
- 形狀語法階段：發現模式，提煉規則系統
這不是二選一，而是動態循環：
1
直覺探索 → 發現模式 → 建立規則 → 規則生成新可能 → 直覺探索新邊界 → ...
洞見四：後設思維的力量
傳統設計：
- 我想要什麼 → 我做出什麼
- 完全可控，但也完全被限制在我能想像的範圍
後設設計：
- 我定義機制 → 機制產生出我「可能想不到」的結果
- 部分失控，但能探索更大的可能空間
這種思維，可以應用在生活的各個層面：
不是每次都「設計」我的行動，而是設計一套「認知基因」（規則系統），讓行動自然展現。
效率是內蘊的機制自然展現的結果。
結語：花不想容，只是綻放
書中有一句詩意的話：「花不想容，只是綻放」。
花不需要「設計」自己的樣子，花的基因（機制）決定了它如何綻放。美麗是內蘊的規則自然展現的結果。
這完美詮釋了我這次學習的體悟：我不需要每次都「設計」我的思考過程，而是要設計一套「思考的機制」：一套能識別情境、自動產生應對方式的認知基因。
當我建立了這套機制，思考自然會綻放。
然而，在這個科技工具不斷湧現、AI 似乎無所不能的時代，我想以伊斯曼的一段話作為結尾，為這趟思辨之旅敲下暮鼓晨鐘：
伊斯曼在討論時，曾說：「我這一生從70年代到90年代，看過許多新的電腦科技不斷的興起又沒落，然而最後真正留下來的是什麼？……做研究不要一味的追隨新科技的熱潮，重要的是問自己（建築）需要的是什麼？」
這段話，對於淹沒在資訊潮流中、一心只會玩弄電腦科技技術便以為可以解決所有問題的後進，打破資訊萬能的迷思，給予清澈的迴響。
當我站在巨人的肩膀上往下看時，我看到的不只是工具與技術，更是一種對「什麼是設計的本質」的深刻叩問。
真正留下來的，永遠不是工具本身，而是我們如何思考、如何創造、如何在有限與無限之間找到那條屬於自己的路。
尚未完成
下一步
- Meta-design、Shape Grammars、Freehand Drawing Interface 與 Supporting Design Learning with Design Puzzles 關聯
問題一：規則的彈性邊界在哪裡？
規則要簡單到能記住，但也要有彈性而非僵化。那麼，什麼樣的規則最有效？如何設計「能自我調整的規則」？
問題二：如何平衡「控制」與「湧現」？
後設設計強調「部分失控」，但設計者如何在「讓機制自由生長」與「保持方向感」之間找到平衡？
問題三：認知槓桿的極限是什麼？
規則系統能降低認知負荷，但會不會也帶來新的僵化？我們如何避免「被自己的規則困住」？
Reference resource
Primary Source: Chiu, M. L. (Ed.). (2003). CAAD TALK 2: Dimensions of design computation. Taipei, Taiwan: Garden City Publishers.
註：本文引用之概念涵蓋形狀語法、後設設計、手繪介面、CAAD 理論基礎及學者貢獻等多個章節內容。