Mimarlık, tarih boyunca sürekli olarak biçim üretim yöntemlerini dönemin teknolojik, kültürel ve toplumsal bağlamına göre yeniden tanımlamıştır. Antik çağda form arayışı, çoğunlukla doğrudan doğadan alınan oranlar ve geometrik ideal kavramları üzerinden şekillenirken, Ortaçağ’da yapım teknikleri ve mühendislik bilgisi biçim üretiminde belirleyici olmuştur. Gotik katedrallerde kullanılan ip germe maketleri, yapının yük dağılımını önceden görselleştirmek amacıyla geliştirilmiş yenilikçi araçlardır[1]. Bu yöntem, formun yalnızca estetik bir tasarım kararı değil, aynı zamanda yapısal mantığın bir sonucu olduğunu ortaya koymuştur. Benzer biçimde, Antoni Gaudí’nin Sagrada Familia için geliştirdiği ters çevrilmiş zincir modelleri, yerçekimi kuvvetlerinin doğal denge prensiplerini mekânsal tasarıma aktarmanın yaratıcı bir yolunu sunmuştur. Frei Otto’nun sabun köpüğü deneyleri ise yüzey gerilimi gibi biyolojik ve fiziksel süreçlerin form bulma mekanizması olarak kullanılabileceğini göstermiştir[2].

Biçim arayışı mimarlıkta doğa - teknoloji - kültür etkileşimiyle evrilmiştir; bu evrim araç setlerini değil, mimarlığın bilgi üretim biçimini de dönüştürmüştür.

20. yüzyılın son çeyreği, bilgisayar destekli tasarımın (CAD) gelişimiyle biçim üretiminde yeni bir aşama başlatmıştır. Parametrik tasarım yaklaşımı, geometriyi değişken parametreler aracılığıyla tanımlamış; tasarımcıya yüzlerce farklı varyasyonu hızlıca üretme olanağı sunmuştur[3]. Bu süreç, özellikle dijital mimarlık pratiğinde devrimsel bir etki yaratmıştır. Rhino ve Grasshopper gibi yazılımlar, tasarımcıya yalnızca görselleştirme değil, aynı zamanda karmaşık ilişkiler ağını modelleme imkanı sağlamıştır. Parametrik tasarım, form arayışını kural tabanlı bir dile taşımış; mimarın rolünü parametrelerin ve ilişkilerin tanımlayıcısına dönüştürmüştür. Ancak parametrik yöntemler, çoğunlukla deterministik çerçevede işleyen süreçlerdir. Yani hangi parametrelerin değiştirileceği ve bu değişimlerin hangi sonuçlara yol açacağı, hâlâ insan tarafından önceden tanımlanır.

Günümüzde yapay zekâ (YZ), bu sınırları aşarak biçim arayışını yeni bir düzleme taşımaktadır. Derin öğrenme tabanlı üretken modeller, yalnızca parametreleri işlemekle kalmayıp, geniş veri setlerinden öğrenerek daha önce öngörülmemiş biçimler üretmektedir[4]. Örneğin GAN (Generative Adversarial Networks) modelleri, birbirine rakip iki ağın etkileşimiyle özgün plan ve kütle varyasyonları ortaya çıkarırken[5]; Diffusion modelleri, rastgele gürültüden başlayarak iteratif biçimde yüksek çözünürlüklü imgeler ve üç boyutlu formlar üretebilmektedir[6]. Bu yöntemlerin ortak özelliği, “beklenmeyeni” üretme kapasitesidir.

Mimarlıkta YZ kullanımı, teknik bir yenilik olmanın ötesinde pedagojik, kültürel ve estetik boyutlarıyla bütüncül bir dönüşüm yaratmaktadır. Eğitim bağlamında öğrenciler, YZ araçları sayesinde kısa sürede çok sayıda varyasyon üretebilmekte; bu durum kavramsal düşünme biçimlerini dönüştürmektedir. Profesyonel pratikte ise YZ’nın tasarım sürecine entegrasyonu, verimlilik ve yaratıcılık açısından yeni olanaklara erişim sağlamaktadır. Bununla birlikte, müelliflik, özgünlük ve etik konulara ilişkin tartışmalar da giderek daha görünür hale gelmektedir[7].

Bu çalışma, üretken modellerin mimarlıkta biçim arayışını nasıl dönüştürdüğünü kuramsal çerçeve ve vaka incelemeleriyle tartışır; pedagojik ve kültürel etkileri ele alır.

KURAMSAL ÇERÇEVE: BİÇİM ARAYIŞININ EVRİMİ

Mimarlık tarihindeki biçim arayışları üç evrede okunabilir: fiziksel - deneysel, parametrik ve üretken. Bu ardışıklık, formun estetikten öte strüktürel ve üretimsel gerekçelerle kurulduğunu gösterir.

Fiziksel - Deneysel Dönem

Orta Çağ ve erken modern dönemlerde mimarlar, formu ağırlıklı olarak deneysellik ve sezgi yoluyla araştırmıştır. Gotik katedrallerin inşasında kullanılan ip germe maketleri, yük dağılımını önceden görselleştirmek amacıyla geliştirilmiş araçlar olarak işlev görmüştür[8]. Bu maketler, katedrallerin yüksek kemerleri ile kaburga sistemlerinin dengede kalmasını sağlamış ve fiziksel prototipler olarak sürece katkıda bulunmuştur. Dolayısıyla biçim, soyut matematiksel modellerden ziyade doğrudan fiziksel deneyler aracılığıyla tanımlanmıştır.

Gaudí’nin ip ‑ ağırlık modelleri, modern dönemde formun deneysel / doğal yasalarla belirlendiğini çarpıcı biçimde ortaya koyar.

20. yüzyılda Frei Otto’nun sabun köpüğü deneyleri, bu çizgiyi ileriye taşımıştır. Otto, yüzey gerilimi prensiplerinden yararlanarak minimum yüzey formlarını araştırmış ve bu yolla doğa süreçlerinin yalnızca metafor olarak değil, doğrudan tasarım yöntemi olarak kullanılabileceğini ortaya koymuştur[9]. Fiziksel deneylere dayalı bu yaklaşımlar, biçim arayışının doğa - teknoloji kesişimindeki tarihsel temellerini oluşturmuştur.

Parametrik Dönem

20. yüzyılın son çeyreğinde bilgisayar destekli tasarım araçlarının gelişmesiyle birlikte mimarlıkta parametrik dönem başlamıştır. Parametrik tasarım, geometriyi matematiksel denklemler ve değişken parametreler aracılığıyla tanımlamaya dayalıdır[10]. Bu yaklaşım sayesinde tasarımcı, bir parametreyi değiştirdiğinde form otomatik olarak yeniden şekillenmiş; böylece yüzlerce varyasyon hızlı bir şekilde üretilebilmiştir.

Rhino ve Grasshopper, parametrik dönemin araçları haline gelmiştir. Parametrik tasarım, biçimsel çeşitliliği artırmakla kalmamış; karmaşık geometrilerin üretimini mümkün kılmıştır. Zaha Hadid Architects ile Patrik Schumacher’in parametricism yaklaşımı, ölçekler arası akışkanlık ve ilişkisel form üretimini temel alan kuramsal bir çerçeve önermiştir.

Bununla birlikte parametrik tasarımın sınırlılıkları belirginleşmiştir. Çoğu kez deterministik işleyiş, değişkenleri ve sonuç aralıklarını yine tasarımcının belirlemesine yol açmıştır. Bu nedenle çıktılar, insanın tanımladığı kural uzayını nadiren aşabilmiştir. Çeşitlilik sunsa da “beklenmeyen”i üretme kapasitesi sınırlı kalmıştır.

Üretken Dönem

21. yüzyılın ikinci on yılından itibaren yapay zekâ tabanlı üretken modellerin gelişimi, biçim arayışında yeni bir evreyi başlatmıştır. Bu dönemde form, yalnızca parametrelerin manipülasyonuyla değil, veri tabanlarından öğrenme ve istatistiksel üretim yoluyla ortaya çıkmaya başlamıştır. Generative Adversarial Networks (GAN) ve Diffusion modelleri, mimarlıkta bu dönemin temel araçları haline gelmiştir[11].

GAN’lar, üreteç ve ayırt edici adlı iki sinir ağının rekabetiyle çalışır. Üreteç yeni formlar üretirken, ayırt edici bu formları “gerçek” ya da “sahte” olarak sınıflandırır. Bu süreç, üretecin giderek daha gerçekçi ve özgün formlar üretmesine olanak tanımıştır[12]. Mimarlıkta GAN’lar, plan varyasyonları, cephe desenleri ve kütle organizasyonları üretmek amacıyla kullanılmıştır.

Diffusion modelleri ise rastgele gürültüden başlayarak iteratif biçimde formu inşa eden yöntemlerdir. Bu modeller, yüksek çözünürlüklü görsellerin yanı sıra üç boyutlu biçimlerin üretilmesine de olanak tanımıştır[13]. Diffusion tabanlı yaklaşımların en önemli avantajı, metin girdilerinden doğrudan form üretme kapasitesidir. Örneğin “biyofilik bir cephe tasarımı” ifadesi modele girildiğinde, tamamen yeni ve beklenmedik formlar ortaya çıkabilmektedir.

Parametrik - üretken yaklaşımlar ise parametrik modellemeyi YZ ile bütünleştirmiştir. Bu tür uygulamalarda parametrik sistem değişkenler ve geometrik ilişkiler için bir iskelet sunarken, YZ modeli bu iskelet üzerinde öngörülmeyen çözümler önermiştir[14]. Böylece parametrik tasarımın deterministik sınırları aşılmıştır.

Üç dönemin birlikte okunması, biçim arayışının yönünün araç yerine ilke ve ölçütlerle belirlendiğini; doğa süreçleri, parametrik kurallar ve üretken olasılıkların süreklilikte yer aldığını gösterir.

Bu tarihsel geçiş, mimarın rolünü dönüştürmüştür; mimar, formu çizen kişiden sürecin parametrelerini, veri setlerini ve hedef ve çerçevesini tanımlayan “meta - tasarımcıya” evrilmiştir. Böylelikle YZ, yaratıcılığı ortadan kaldırmamış; onu farklı bir düzleme taşımıştır.

SAHA ÇALIŞMALARI VE VAKA İNCELEMELERİ

Mimarlıkta YZ tabanlı biçim arayışının etkilerini görünür kılmanın yolu, stüdyo temelli eğitim deneyimleri ile uluslararası projelerin birlikte incelenmesidir. Bu okumalar, YZ’nın soyut bir kavram olmaktan çıkıp tasarım pratiğinde somut çıktılar üreten bir araca dönüştüğünü göstermektedir; eğitim atölyeleri öğrencilerin tasarım reflekslerini dönüştürmüş, profesyonel araştırma ve uygulamalar ise YZ’yı yeni üretim yöntemleriyle birleştirerek mimarlığın sınırlarını genişletmiştir.

Son yıllarda düzenlenen atölyeler, YZ destekli araçların öğrencilerin düşünsel üretkenliğini dönüştürdüğünü ortaya koymuştur. Midjourney ve Diffusion tabanlı yazılımlar, metin girdilerinden hızla çok sayıda biçim varyasyonu üretebilme yetenekleriyle eskiz sürecini köklü biçimde değiştirmiştir; günler süren iterasyonlar dakikalar içinde tamamlanabilmekte, fikirler erken aşamada tartışmaya açılabilmektedir. Katılımcılar bu hızın ufuk açıcı olduğunu belirtmiş; öte yandan kimi öğrencilerde karar alma baskısının arttığı ve müelliflik sınırlarının bulanıklaştığı gözlenmiştir. Karadağ ve Ozar’ın yürüttüğü araştırma da bu tabloyu doğrular: YZ destekli araçlar, öğrencilerin kavramsal üretkenliğini artırmış; ancak hangi kararların öğrenciye, hangilerinin algoritmaya ait olduğunu ayırt etmenin güçleştiğini vurgulamıştır[15].

MARSHA Habitat: Uzay Mimarlığında Yapay Zekâ

YZ tabanlı biçim arayışının en güçlü örneklerinden biri, AI SpaceFactory tarafından geliştirilen MARSHA Habitat projesidir. NASA’nın “3D-Printed Habitat Challenge” yarışmasında birincilik kazanan bu proje, Mars yüzeyinde dört kişilik yaşam alanı tasarlamayı hedeflemiştir. Üretken algoritmalar, düşey organize silindirik bir form önermiş; bu geometri hem minimum taban alanı hem de maksimum iç hacmi sağlamıştır[16]. En dikkat çekici yönlerinden biri, formun yalnızca geometrik değil, aynı zamanda malzeme ve üretim teknolojileriyle de ilişkilendirilmesidir. Mars’ta bulunabilen bazalt fiber ve biyoplastikten robotik 3B baskıyla üretim öngörülmüş; böylece yapı, çevresel koşullar ve yapım teknikleriyle uyumlu, bütüncül bir çözüm olarak kurgulanmıştır.

Harvard Graduate School of Design’da Stanislas Chaillou tarafından geliştirilen ArchiGAN, GAN mimarisinin mimarlığa uyarlanmasında öncü bir deney olarak öne çıkmıştır. Konut planlarını üç aşamalı bir süreçle (kütle, fonksiyon, mobilya) üreten sistem, her adımda koşullu GAN algoritmalarıyla çalışmıştır. Tasarımcı süreç boyunca müdahale edebilmiş, böylece insan - makine etkileşimi, ileri - geri bir döngü şeklinde kurulmuştur[17]. ArchiGAN, kural tabanlı problemlerde YZ’nın hız ve çeşitlilik avantajını ortaya koyarken, tasarımcının sezgisel kararlarıyla algoritmik önerilerin nasıl bütünleşebileceğini de göstermiştir.

MIT Mediated Matter Group’un Silk Pavilion II projesi, dijital algoritmik tasarım ile biyolojik üretimi biraraya getiren çarpıcı bir deneydir. Yaklaşık 17.000 ipekböceği, algoritmik olarak belirlenen desenleri izleyerek kubbe formundaki yapıyı örmüştür. Bu projede YZ doğrudan form üreten bir aktör olmamış; ancak biyolojik davranışların yönlendirilmesinde kritik rol üstlenmiştir[18]. Böylece proje, yapay zekâ ve biyoteknolojinin hibrit üretim süreçleri geliştirme potansiyelini gözler önüne sermiştir.

Biyofilik mimarlık alanında yürütülen araştırmalar da YZ’nın yeni biçim üretim olanaklarını açığa çıkarmaktadır. Viliunas ve Grazuleviciute-Vileniske, VQGAN + CLIP modellerinin doğadan esinlenen desenleri yeniden yorumlayarak ekolojik duyarlılıkla estetik çeşitliliği bir arada sunduğunu ortaya koymuştur[19]. Çalışmada biyofilik tasarım ilkeleriyle üretilen cephe örüntülerinin hem doğal ışık geçirgenliği hem de görsel çeşitlilik açısından mimari mekâna katkı sağladığı belirtilmektedir. Benzer biçimde Liu ve Zhao, CNN ve GAN tabanlı sistemlerin insan sezgisi ile algoritmik üretim arasındaki diyalogu güçlendirdiğini ve tasarımcıyı yalnızca sonuçları tüketen değil, süreci yönlendiren aktif bir ortak haline getirdiğini belirtmektedir[20]. Araştırma üretken algoritmaların konut planlaması ve cephe tasarımı gibi kural tabanlı problemlerde sezgisel kararları destekleyen bir işbirliği modeli sunduğunu göstermektedir.

Makarouni’nin çalışması, bu gelişmeleri “parametrik tasarımın yeniden doğuşu” olarak kavramsallaştırır[21]. Stüdyo deneyimlerinden ve Londra ile Milano’daki çağdaş ofislerden aktarılan örneklerde, Grasshopper gibi parametrik yazılımlar Stable Diffusion ve GAN tabanlı modellerle birlikte kullanılarak cephe varyasyonları üretilmiştir. Çalışmada öğrencilerin parametrik iskeletler üzerinde cephe alternatifleri geliştirip, YZ ile görselleştirdikleri; ofis pratiklerinde ise difüzyon tabanlı araçlarla parametrik cephe sistemlerinin estetik ve işlevsel olarak zenginleştirildiği örneklenmiştir. Bu uygulamalar, parametrik kesinliğin üretken belirsizlikle birleşmesi sonucu ortaya çıkan yeni yaratıcılık alanlarını hem eğitimde hem de profesyonel pratikte görünür kılmaktadır.

Li vd. tarafından gerçekleştirilen kapsamlı literatür taraması, GAN, Diffusion ve 3B üretken modellerin mimarlığın farklı ölçeklerinde ve aşamalarında nasıl uygulandığını sistematik biçimde incelemiştir[22]. Bulgular, difüzyon modellerinin özellikle kavramsal evrede bir “görselleştirme laboratuvarı” gibi işlev gördüğünü; GAN tabanlı yaklaşımların ise plan organizasyonu ve cephe tasarımında hız ve çeşitlilik sağladığını ortaya koymaktadır. Bu değerlendirme, YZ’nın yalnızca biçimsel çeşitliliği artırmadığını, aynı zamanda kavramsal süreçleri dönüştüren bir katalizör işlevi gördüğünü açığa çıkarır.

Li vd.’nin 2025 tarihli çalışması ise mimari tasarımın kapsamını daha geniş bir perspektiften ele alarak, yapay zekânın yalnızca estetik biçim üretimiyle sınırlı olmadığını; aynı zamanda yapının tüm yaşam döngüsünü kapsayan bütüncül bir rol üstlendiğini göstermektedir[23]. Çalışmada enerji verimliliği, malzeme döngüsü ve bakım maliyetlerinin tasarımın erken evrelerine entegre edilmesi vurgulanmış; böylece YZ, tasarım sürecini sürdürülebilirlik ve performans odaklı bir problem çözme alanına dönüştüren stratejik bir araç olarak konumlandırılmıştır.

Tüm bu gelişmelerin yanı sıra Kwon ve Ahn, YZ’nın aşırı kullanımının mimarı bir “operatöre” indirgeme, tasarımları homojenleştirme ve yaratıcı özgünlüğü köreltme risklerini beraberinde getirdiğini hatırlatmaktadır[24]. Bu uyarılar, güncel literatürün yalnızca potansiyeli değil, aynı zamanda sınırları da sürekli tartışmaya açtığını ortaya koymaktadır. Bu nedenle, yapay zekâ temelli üretim süreçlerinde insan yaratıcılığı ile algoritmik kapasite arasında eleştirel bir denge kurmak, mimarlığın özgünlük ve çeşitliliğini koruyabilmesi açısından temel bir gereklilik olarak öne çıkmaktadır.

MİMARIN ROLÜNÜN DÖNÜŞÜMÜ

YZ tabanlı araçların pratiğe girişi, tasarımcı ‑ alet ilişkisinin yanı sıra mesleki rol, pedagojik yaklaşım ve etik sorumlulukları yeniden tanımlar.

Geleneksel mimarlık anlayışında mimar, biçim üretiminin merkezinde “yaratıcı özne” olarak konumlanmaktaydı. Çizim, eskiz ve maket gibi araçlar, mimarın hayal gücünün ve sezgilerinin doğrudan uzantısıydı. Parametrik tasarım döneminde ise mimarın rolü, parametreleri ve geometrik ilişkileri tanımlayan bir “sistem kurgulayıcı”ya evrilmişti. YZ’nın tasarıma entegrasyonuyla birlikte mimar artık yalnızca form üreten değil, sürecin hedeflerini ve çerçevesini tanımlayan bir “meta - tasarımcı” konumuna geçmiştir[25].

Bu bağlamda mimarın işlevi, doğrudan formları çizmekten çok, algoritmaların çalışabileceği veri setlerini seçmek, parametreleri belirlemek ve elde edilen sonuçları eleştirel süzgeçten geçirmek olmuştur. Örneğin ArchiGAN projesinde, konut planlarının üretiminde GAN algoritması varyasyonları sağlarken, tasarımcı sürece müdahale ederek hangi çıktının daha uygun olduğunu belirlemiştir[26]. Bu, mimarın “üreten” değil, “yönlendiren ve seçen” bir aktör olduğunu göstermektedir.

YZ’nın tasarıma entegrasyonu, mimarlık eğitiminde radikal bir etki yaratmıştır. Stüdyo ortamında öğrencilerin YZ araçlarıyla dakikalar içinde yüzlerce varyasyon üretebilmesi, fikirlerin çok daha erken aşamada tartışmaya açılmasına olanak sağlamaktadır[27]. Bu durum, pedagojik açıdan hem fırsatlar hem de sorunlar doğurmaktadır. Fırsatlar açısından bakıldığında öğrenciler, tasarımın erken aşamalarında çok daha geniş bir olasılık yelpazesiyle karşılaşmakta; böylece yaratıcılık süreçleri hızlanmakta ve çeşitlenmektedir. Ayrıca, farklı yaklaşımları deneyimleyerek kendi kavramsal pozisyonlarını daha hızlı tanımlayabilmektedirler.

Bununla birlikte, bazı öğrenciler hangi kararların kendi yaratıcılıklarına, hangilerinin algoritmanın önerilerine ait olduğunu ayırt etmekte zorlandıklarını ifade etmektedir. Bu durum, tasarımın müellifliği ve özgünlüğü konularında tartışmalara yol açmaktadır. Karadağ ve Ozar’ın çalışması, YZ destekli stüdyo ortamlarında hem yaratıcılığın tetiklendiğini hem de karar alma sorumluluklarının belirsizleşebildiğini göstermektedir[28]. Dolayısıyla pedagojik bağlamda YZ, yalnızca bir araç değil, aynı zamanda yeni bir öğrenme kültürünün inşasına da katkıda bulunmaktadır; öğrencilerin eleştirel düşünme, seçicilik ve sürece aktif müdahale becerileri YZ destekli ortamlarda daha da önem kazanmaktadır.

YZ’nın tasarım süreçlerindeki önemli etkilerinden biri, etik ve kültürel soruların yeniden gündeme gelmesidir. Kwon ve Ahn, YZ’nın mimarlıkta üç risk taşıdığını belirtir:

• Mimarın yalnızca bir operatöre indirgenmesi,
• Tasarımların homojenleşmesi,
• Yaratıcılığın körelmesi.

Bu riskler, YZ’nın mimarlığa entegrasyonunda eleştirel bir mesafenin korunmasını zorunlu kılmaktadır. Midjourney ve Diffusion gibi araçlarla üretilen imgelerin farklı kültürel bağlamlarda benzer estetikler üretmesi, çeşitliliğin azalmasına yol açabilmektedir. Müelliflik sorunu giderek karmaşıklaşmış; bir yapının hangi bölümünün insanın yaratıcı sezgisinin, hangisinin algoritmik önerinin ürünü sayılacağı belirsizleşmiştir; bu durum telif hakları ve tasarım etiği açısından çözüm beklemektedir. Etik boyut aynı zamanda kullanılan veri setlerinin kapsamı ve olası önyargıları ile ilişkilidir; tekdüze ya da dengesiz veri havuzları temsil çeşitliliğini zedeleyebilmekte ve hegemonik estetikleri pekiştirebilmektedir. Bu nedenle, yapay zekâ temelli üretim süreçlerinde insan yaratıcılığı ile algoritmik kapasite arasında eleştirel bir denge kurmak, mimarlığın özgünlük ve çeşitliliğini koruyabilmesi açısından temel bir gereklilik olarak öne çıkmaktadır[29].

SONUÇ

YZ, mimarlıkta teknik bir yenilikten öte, tarihsel biçim arayışının yeni halkasıdır; yöntemler dönemin bilgi ‑ teknoloji birikimiyle değişse de amaç, niyet ve tasarım kararı arasındaki denge arayışı sürer.

Bu çalışmada incelenen saha deneyimleri ve örnek projeler, YZ’nın mimarlığa farklı düzlemlerde katkıda bulunduğunu göstermektedir. Eğitim bağlamında YZ, öğrencilerin kavramsal ufkunu genişletmekte, erken aşamada daha fazla varyasyon üretmelerine olanak tanımaktadır; ancak aynı zamanda, hangi kararların insan yaratıcılığından, hangilerinin algoritmadan kaynaklandığını ayırt etme güçlüğünü de beraberinde getirmektedir[30]. Tasarım pratiğinde ise YZ, süreci hızlandırmakta ve çeşitlendirmektedir; üstelik yalnızca estetik biçimler üretmekle kalmayıp, malzeme, çevresel koşullar ve yapım tekniklerini de tasarımın erken evrelerine entegre eden bütüncül bir karar alanı yaratmaktadır[31]. ArchiGAN gibi sistemler, konut planı gibi kural tabanlı problemlerde hızlı ve çeşitli çözümler üretmekte; tasarımcının karar verici, seçici ve yönlendirici rolünü güçlendirmektedir[32].

Örnekler, YZ’nın yalnızca form üretmediğini; karar kalitesini, süreç verimliliğini ve çevresel parametrelerle uyumu artırabildiğini gösterir. YZ, tasarımcının yerini almaz; güçlü bir ortak olarak süreci hızlandırır ve çeşitlendirir.

Öngörüler, YZ’nın mimarlıkta daha da bütünleşik bir rol oynayacağını göstermektedir. Eğitimde YZ, öğrencilerin ufkunu genişleten bir laboratuvar işlevi görebilir; profesyonel pratikte hızlı prototipleme ve performans optimizasyonunun ötesine geçerek, müşteri ilişkilerinden kentsel ölçekte karar destek süreçlerine kadar geniş bir etki yaratabilir. Kültürel düzeyde YZ’nın sunduğu formlar, doğru kurgu ve veri seçimiyle çeşitliliği artırma potansiyeli taşırken; denetimsiz ve eleştirisiz kullanımlarda homojenleşmeyi tetikleyebilir[33]. Sonuç olarak, YZ destekli biçim arayışı, mimarlık disiplininin yaratıcı doğasını yeniden tanımlayan bir paradigma değişimidir; mimarlığın geleceği, insanın eleştirel sezgisi ile makinenin hesaplama gücü arasında kurulacak dengede şekillenecektir.

NOTLAR

[1] Baroš, T.; Kabošová, L.; Baroš, M.;  Katunský, D., 2022, “Experimental Form-finding: A Review”, IOP Conference Series: Materials Science and Engineering, cilt:1252, 012002, Civil Engineering Conference (CEC 2022).

[2] Baroš, 2022, mak. no: 012002.

[3] Liu, Y.; Zhao, N., 2023, AI-Assisted Design: Generative Architectural Design, IOS Press.

[4] Li, C.; Zhang, T.; Du, X.; Xie, H., 2024, “Generative AI for Architectural Design: A Literature Review”, arXiv, arXiv:2404.01335.

[5] Li vd., 2024.

[6] Li vd., 2024.

[7] Kwon, C.; Ahn, Y., 2024, “Critical views on AI in building design”, International Journal of Sustainable Building Technology and Urban Development, cilt:2, sayı:15, ss.240–246.

[8] Baroš, 2022, mak. no: 012002.

[9] Li, Y.; Chen, H.; Yu, P.; Yang, L., 2025, “A Review of Artificial Intelligence in Enhancing Architectural Design Efficiency”, Applied Sciences, cilt:3, sayı:15, s.1476.

[10] Liu; Zhao, 2023.

[11] Li vd., 2024.

[12] Li vd., 2024.

[13] Viliunas, G.; Grazuleviciute-Vileniske, I.; 2022, “Shape-finding in Biophilic Architecture: Application of AI-based Tool”, Architecture and Urban Planning, cilt:1 sayı:18, ss.68–75.

[14] Liu & Zhao, 2023.

[15] Karadağ, D.; Ozar, B., 2025, “A new frontier in design studio: AI and human collaboration in conceptual design”, Frontiers of Architectural Research (Advance online).

[16] AI SpaceFactory, 2019, MARSHA Habitat – NASA 3D - Printed Habitat Challenge (kurumsal proje dosyası).

[17] Chaillou, S., 2019, “ArchiGAN: A Generative Stack for Apartment Building Design”, NVIDIA Technical Blog.

[18] MIT Mediated Matter Group, 2019, Silk Pavilion II: Project Description, Massachusetts Institute of Technology.

[19] Viliunas; Grazuleviciute-Vileniske, 2022, ss.68–75.

[20] Liu & Zhao, 2023.

[21] Makarouni, E., 2023, “AI and the Renaissance of Parametric Design”, Architizer Journal.

[22] Li vd., 2024.

[23] Kwon; Ahn, 2024, ss.240–246.

[24] Kwon; Ahn, 2024, ss.240–246.

[25] Li vd., 2024.

[26] Karadağ; Ozar, 2025.

[27] Kwon; Ahn, 2024, ss.240–246.

[28] Kwon; Ahn, 2024, ss.240–246.

[29] Kwon; Ahn, 2024, ss.240–246.

[30] Kwon; Ahn, 2024, ss.240–246.

[31] Li vd., 2024.

[32] Karadağ; Ozar, 2025.

[33] Kwon; Ahn, 2024, ss.240–246.