崔思賢 張耀文 賈 婕 王旭東*

（1.米蘭理工大學(xué)建筑學(xué)院，皮亞琴察 29121；2.華北水利水電大學(xué)建筑學(xué)院，鄭州 450000）

AI技術(shù)；花境；植物景觀；生成設(shè)計(jì)；機(jī)器學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)

近年來(lái)，AI技術(shù)的興起已經(jīng)在各個(gè)領(lǐng)域產(chǎn)生了廣泛而深遠(yuǎn)的影響，特別是基于深度學(xué)習(xí)技術(shù)的圖像生成模型（例如Midjourney、Dall-E、Stable Diffusion等技術(shù)），它們能夠根據(jù)用戶簡(jiǎn)單的輸入生成富有創(chuàng)造力的圖像，能夠產(chǎn)生令人滿意的多樣化設(shè)計(jì)結(jié)果。AI技術(shù)不僅在設(shè)計(jì)領(lǐng)域創(chuàng)造了更多的交互和創(chuàng)新，也為設(shè)計(jì)師提供了更多的工具和資源。這一系列算法和技術(shù)的不斷發(fā)展，將人工智能與設(shè)計(jì)領(lǐng)域相結(jié)合，為創(chuàng)意的表達(dá)和生成提供了新的可能性，不僅促進(jìn)了設(shè)計(jì)、藝術(shù)與人工智能的融合，也為設(shè)計(jì)領(lǐng)域帶來(lái)了更多的創(chuàng)新和想象空間[1]。生成設(shè)計(jì)是設(shè)計(jì)師與計(jì)算機(jī)協(xié)同工作的創(chuàng)作過(guò)程，在人機(jī)交互過(guò)程中，計(jì)算機(jī)算法和人工智能技術(shù)被用來(lái)輔助設(shè)計(jì)師創(chuàng)造獨(dú)特的設(shè)計(jì)作品。生成設(shè)計(jì)可快速產(chǎn)生多樣性的創(chuàng)意選項(xiàng)，激發(fā)創(chuàng)新思維，提供設(shè)計(jì)師不同的視角[2]。隨著深度學(xué)習(xí)技術(shù)的成熟和應(yīng)用，風(fēng)景園林領(lǐng)域可以借助這些先進(jìn)的算法和模型來(lái)進(jìn)行創(chuàng)意的生成和優(yōu)化。通過(guò)訓(xùn)練大規(guī)模的數(shù)據(jù)集，深度學(xué)習(xí)可以識(shí)別和理解不同的景觀元素、設(shè)計(jì)風(fēng)格以及人們對(duì)環(huán)境的偏好，從而生成滿足特定需求的設(shè)計(jì)方案，同時(shí)，這也成為當(dāng)前風(fēng)景園林智能化發(fā)展的主要方向[3-5]。陳然采用樣式生成對(duì)抗網(wǎng)絡(luò)2代（Style Generative Adversarial Network 2，StyleGAN2）算法，通過(guò)訓(xùn)練生成風(fēng)景園林設(shè)計(jì)方案，對(duì)生成的方案進(jìn)行特征量化分析，得出人工智能可以在沒(méi)有人類(lèi)指導(dǎo)的情況下，無(wú)監(jiān)督學(xué)習(xí)識(shí)別部分抽象的高維設(shè)計(jì)特征[1]。周懷宇采用生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）訓(xùn)練人工智能模型，該模型可用于風(fēng)景園林平面圖案例的用地類(lèi)型分析及平面渲染，幫助設(shè)計(jì)師提升分析及制圖效率[6]。

花境設(shè)計(jì)作為風(fēng)景園林設(shè)計(jì)中的植物專(zhuān)項(xiàng)設(shè)計(jì)，運(yùn)用計(jì)算機(jī)輔助花境設(shè)計(jì)應(yīng)用具有無(wú)限的潛力和研究?jī)r(jià)值[7-8]。韓開(kāi)雪等[8]基于光輝城市（Mars）平臺(tái)，通過(guò)其植物素材的仿生功能，進(jìn)行花境設(shè)計(jì)實(shí)踐，探索仿生技術(shù)在植物景觀設(shè)計(jì)中的新視角及思路。陳國(guó)棟等[9]基于虛擬現(xiàn)實(shí)技術(shù)對(duì)植物群落的視覺(jué)特征要素進(jìn)行分析與篩選，如植物群落豐富度、植物配置模式、色彩對(duì)比度、季相特征和林冠線變化形等相關(guān)視覺(jué)特征，生成一種基于虛擬現(xiàn)實(shí)技術(shù)的植物景觀規(guī)劃設(shè)計(jì)方案評(píng)價(jià)與修正方法。武正陽(yáng)等[10]在植物造景過(guò)程中運(yùn)用虛擬現(xiàn)實(shí)技術(shù)，模擬植物從初植到成年的形態(tài)變化過(guò)程，以不同的視角方式來(lái)表達(dá)設(shè)計(jì)效果，為植物景觀的設(shè)計(jì)中提出了可持續(xù)性的設(shè)計(jì)思路。

AI技術(shù)在風(fēng)景園林應(yīng)用領(lǐng)域已有少量科學(xué)文獻(xiàn)記載，但是AI技術(shù)在植物景觀設(shè)計(jì)方面的研究還比較匱乏。花境作為植物景觀的重要組成部分，利用AI技術(shù)來(lái)生成設(shè)計(jì)花境方案是一種可持續(xù)性的設(shè)計(jì)思路。因此，研究基于Stable diffusion平臺(tái)對(duì)花境AI模型進(jìn)行訓(xùn)練，試圖探索一種便捷、高效且真實(shí)的花境設(shè)計(jì)思路及方法。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 數(shù)據(jù)來(lái)源

AI訓(xùn)練的數(shù)據(jù)來(lái)源為河南省首屆花境大賽——北龍湖濕地公園花境展，占地面積18 000 m2，花境作品共54個(gè)，拍攝了50張花境作品照片作為AI訓(xùn)練的數(shù)據(jù)。首先，照片選取兼顧場(chǎng)地的多樣性，確保從不同角度、不同場(chǎng)景和不同環(huán)境收集花境照片。將花境照片分4類(lèi)：島式花境（12張），單面觀花境（15張），雙面觀花境（13張），路緣花境（10張），以獲得更廣泛的視覺(jué)信息和更多樣的樣本，使得訓(xùn)練模型具有更好的泛化能力。其次，花境照片盡可能多地覆蓋各種常見(jiàn)的花卉類(lèi)型和景觀形式。確保訓(xùn)練數(shù)據(jù)集中包含廣泛的花卉種類(lèi)和景觀樣式，以便訓(xùn)練模型可以適應(yīng)不同的設(shè)計(jì)需求。此外，照片選取應(yīng)確保高質(zhì)量，花境圖像清晰、細(xì)節(jié)豐富，并且具有良好的光照和色彩表現(xiàn)。這可以提供更準(zhǔn)確和可靠的特征信息，幫助模型學(xué)習(xí)到更好的視覺(jué)表達(dá)。在收集訓(xùn)練數(shù)據(jù)時(shí)，盡量保持各個(gè)類(lèi)別或類(lèi)型的花卉圖像和景觀照片數(shù)量相對(duì)均衡，就可以避免訓(xùn)練模型偏向于某些特定的花卉品種或景觀風(fēng)格，確保模型具有更好的全局性能（圖1）。

1.2 預(yù)試驗(yàn)

預(yù)實(shí)驗(yàn)的主要目的為數(shù)據(jù)初步篩選，將4類(lèi)花境照片分別進(jìn)行Lora模型訓(xùn)練，訓(xùn)練出來(lái)的模型都逐個(gè)進(jìn)行生成島式花境、單面觀花境、雙面觀花境、路緣花境，對(duì)生成的效果進(jìn)行分析，可得訓(xùn)練出來(lái)的模型生成對(duì)應(yīng)類(lèi)型的花境效果較好，其他類(lèi)型效果不佳。再將全部花境照片進(jìn)行Lora模型訓(xùn)練，訓(xùn)練出來(lái)的模型生成島式花境、單面觀花境、雙面觀花境、路緣花境，對(duì)其效果進(jìn)行分析。相比之下，運(yùn)用全種類(lèi)數(shù)據(jù)訓(xùn)練的模型生成方案的植物豐富度、空間效果、植物選擇更能達(dá)到預(yù)期。

1.3 訓(xùn)練過(guò)程算法原理及訓(xùn)練方法

“Low-Rank Adaptation of Large Language Models”（LORA）是一種用于大型語(yǔ)言模型的低秩自適應(yīng)方法。正式訓(xùn)練過(guò)程包括訓(xùn)練數(shù)據(jù)集準(zhǔn)備、訓(xùn)練環(huán)境參數(shù)配置、模型訓(xùn)練、模型測(cè)試4部分。訓(xùn)練數(shù)據(jù)的準(zhǔn)備過(guò)程需要收集用于訓(xùn)練的圖片數(shù)據(jù)集，各種類(lèi)型的花境圖像，確保數(shù)據(jù)集包含多樣性的花境風(fēng)格、主題和類(lèi)型。圖像進(jìn)行預(yù)處理，對(duì)訓(xùn)練素材進(jìn)行標(biāo)簽化處理，從而輔助AI學(xué)習(xí)。預(yù)處理生成tags打標(biāo)文件后，對(duì)文件中的標(biāo)簽再進(jìn)行優(yōu)化，使數(shù)據(jù)集調(diào)用方便，更精準(zhǔn)還原特征。訓(xùn)練數(shù)據(jù)集準(zhǔn)備完畢后，開(kāi)始準(zhǔn)備訓(xùn)練環(huán)境配置。電腦配置要求N卡，推薦RTX30系列及以上顯卡，使用基于Kohya-ss的訓(xùn)練腳本進(jìn)行訓(xùn)練。設(shè)置好訓(xùn)練參數(shù)進(jìn)行訓(xùn)練，電腦的配置與訓(xùn)練迭代數(shù)的選擇，影響著訓(xùn)練的時(shí)間的長(zhǎng)短。訓(xùn)練完成后，需要對(duì)訓(xùn)練好的這些模型進(jìn)行測(cè)試，以找出最適合的模型（圖2）。

圖2 Loar訓(xùn)練流程圖Fig.2 Loar training process diagram

Stable diffusion輔助生成花境設(shè)計(jì)方案。將訓(xùn)練好的Lora模型置入Stable diffusion軟件中，選擇合適的場(chǎng)景圖像，進(jìn)行語(yǔ)義分割，不同的色塊代表不同的屬性，將語(yǔ)義分割圖像加載到軟件ControlNet中，進(jìn)行圖像預(yù)處理。輸入相關(guān)的正反提示詞，用于調(diào)取對(duì)應(yīng)數(shù)據(jù)生成花境方案。確定穩(wěn)定擴(kuò)散算法的參數(shù)，其中最重要的參數(shù)是擴(kuò)散系數(shù)，它控制了擴(kuò)散的速度。根據(jù)需要進(jìn)行參數(shù)設(shè)置，以達(dá)到所需的擴(kuò)散效果。根據(jù)所選的穩(wěn)定擴(kuò)散算法，對(duì)圖像進(jìn)行迭代計(jì)算。每一次迭代都會(huì)根據(jù)擴(kuò)散系數(shù)和當(dāng)前圖像的像素值進(jìn)行計(jì)算，更新圖像的像素值。根據(jù)需要，可以對(duì)穩(wěn)定擴(kuò)散過(guò)程進(jìn)行控制。可以包括調(diào)整擴(kuò)散系數(shù)的大小、選擇合適的邊界條件、設(shè)定迭代次數(shù)等。完成穩(wěn)定擴(kuò)散過(guò)程后，可能需要進(jìn)行一些后處理操作，以進(jìn)一步改善圖像的質(zhì)量。例如，可以進(jìn)行銳化、去噪或調(diào)整對(duì)比度等操作。

2 AI輔助生成花境設(shè)計(jì)分析

2.1 花境場(chǎng)景選擇及構(gòu)建

花境類(lèi)型大致可以分為島式花境、單面觀花境、雙面觀花境、路緣花境、林緣花境、立式花境、庭院花境等類(lèi)型[11]。選取島式花境、單面觀花境、雙面觀花境、路緣花境較為常見(jiàn)的4類(lèi)花境場(chǎng)景作為生成實(shí)驗(yàn)對(duì)象。向AI提供相應(yīng)的正向提示詞與反向提示詞，利用語(yǔ)義分割圖界定不同類(lèi)型花境的邊界，不同的顏色代表不同的屬性，語(yǔ)義分割圖只具有花境的輪廓邊界，運(yùn)用訓(xùn)練出來(lái)的Lora模型進(jìn)行生成不同類(lèi)型的花境設(shè)計(jì)方案。從生成的方案中挑選出最合適的方案，然后再對(duì)其進(jìn)行優(yōu)化與潤(rùn)色（圖3-6）。

圖3 島式花境模型生成展示Fig.3 Island-style floral landscape model generation presentation

圖4 單面花境模型生成展示Fig.4 Single-sided floral landscape model generation presentation

圖5 雙面花境模型生成展示Fig.5 Double-sided floral landscape model generation presentation

圖6 路緣花境模型生成展示Fig.6 Roadside floral landscape model generation presentation

2.2 花境植物選擇及優(yōu)化

對(duì)AI生成的花境方案針對(duì)植物的不同特性，進(jìn)行篩選與優(yōu)化。

（1）空間屬性。如植物的尺度、空間的層次，在AI生成的方案中可能出現(xiàn)局部花卉大小不合適的情況，可以利用AI局部重繪的方式，進(jìn)行精準(zhǔn)調(diào)整。

（2）色彩屬性。依據(jù)對(duì)花境冷暖色系等色彩設(shè)計(jì)方面的需求，針對(duì)花卉色系出現(xiàn)不和諧的部分，可以在其需要調(diào)整的部分涂上對(duì)應(yīng)屬性顏色，利用seed值進(jìn)行重繪，使整體色系和諧。

（3）生態(tài)屬性。植物的生態(tài)習(xí)性，AI生成不能對(duì)其進(jìn)行精準(zhǔn)的選擇與控制，需要人工進(jìn)行調(diào)整與優(yōu)化，選擇適合場(chǎng)地生態(tài)環(huán)境的花卉品種，例如植物對(duì)光照（喜陰或喜陽(yáng)）、水分（喜濕或耐旱）、溫度（喜溫或耐寒）等生態(tài)習(xí)性的要求等，還需人工進(jìn)行輔助調(diào)整及優(yōu)化。此外，花境不僅需要多種多樣的花卉和綠植進(jìn)行精心的布置，創(chuàng)造一個(gè)豐富而生機(jī)勃勃的景觀；花境場(chǎng)景還需要設(shè)置一些吸引觀賞者目光的配景，例如人物、小動(dòng)物雕像、小風(fēng)車(chē)、小船等構(gòu)筑物，增強(qiáng)花境場(chǎng)景氛圍，這些也是花境構(gòu)成的重要元素和視覺(jué)焦點(diǎn)。這種布局的連貫性和平衡性使得整個(gè)花境場(chǎng)景更加協(xié)調(diào)和諧。AI生成的花境方案有時(shí)會(huì)缺失一些構(gòu)筑物，需要后期進(jìn)行人為干預(yù)，進(jìn)行花境場(chǎng)景潤(rùn)色，這樣不僅增加了場(chǎng)景的視覺(jué)層次，還為觀賞者帶來(lái)了豐富的觀感體驗(yàn)。

3 AI生成花境的效果評(píng)價(jià)

3.1 AI生成花境的效果問(wèn)卷調(diào)研

（1）評(píng)估使用AI技術(shù)生成的花境設(shè)計(jì)方案的質(zhì)量、準(zhǔn)確性和創(chuàng)造性。邀請(qǐng)花境設(shè)計(jì)師、園藝師等從業(yè)者對(duì)使用AI生成的花境設(shè)計(jì)方案進(jìn)行主觀評(píng)估。評(píng)估標(biāo)準(zhǔn)包括顏色搭配、植物選擇、布局的合理性、形狀和紋理的組合等方面。評(píng)估者可以獨(dú)立評(píng)估設(shè)計(jì)方案，并記錄其個(gè)體評(píng)價(jià)。之后，組織評(píng)估者之間的討論和交流，分享其觀點(diǎn)、喜好和建議[12]。根據(jù)評(píng)估者的個(gè)體評(píng)價(jià)和討論，綜合考慮各方面的意見(jiàn)，形成綜合的評(píng)估結(jié)果。通過(guò)匯總評(píng)估者的評(píng)分、綜合評(píng)估者的評(píng)論和意見(jiàn)的方式完成。

（2）將AI生成的花境設(shè)計(jì)方案與設(shè)計(jì)師創(chuàng)作的方案進(jìn)行對(duì)比。邀請(qǐng)專(zhuān)業(yè)設(shè)計(jì)師和專(zhuān)業(yè)學(xué)生來(lái)評(píng)估兩者之間的差異，并提供其偏好和意見(jiàn)。確定AI設(shè)計(jì)方案的優(yōu)勢(shì)和改進(jìn)空間。選擇一組由AI生成的花境設(shè)計(jì)方案和一組由設(shè)計(jì)師創(chuàng)作的花境設(shè)計(jì)方案。確保這些方案在設(shè)計(jì)目標(biāo)、風(fēng)格和要素上具有一定的相似性，以便進(jìn)行有效的比較[13-15]。選擇評(píng)估者，包括專(zhuān)業(yè)的花境設(shè)計(jì)師、園藝師和普通用戶。評(píng)估者的數(shù)量應(yīng)足夠多，以確保評(píng)估結(jié)果具有代表性。將AI生成的設(shè)計(jì)方案和設(shè)計(jì)師創(chuàng)作的方案進(jìn)行展示，并提供必要的說(shuō)明和背景信息。通過(guò)圖片的方式進(jìn)行展示。確定評(píng)估指標(biāo)和標(biāo)準(zhǔn)，用于比較和評(píng)價(jià)不同設(shè)計(jì)方案的優(yōu)劣。指標(biāo)包括美觀度、創(chuàng)新性、和諧性、功能性等方面。根據(jù)具體情況，可以使用定性評(píng)估和定量評(píng)估相結(jié)合的方法。讓評(píng)估者對(duì)每個(gè)設(shè)計(jì)方案進(jìn)行評(píng)估，并根據(jù)事先確定的評(píng)估指標(biāo)進(jìn)行打分、評(píng)論。使用調(diào)查問(wèn)卷、打分表、討論小組等方式進(jìn)行數(shù)據(jù)收集。比較AI生成的設(shè)計(jì)方案和設(shè)計(jì)師創(chuàng)作的方案之間的評(píng)估結(jié)果，并總結(jié)它們的差異和相似之處。

3.2 AI生成花境的效果評(píng)估分析

通過(guò)問(wèn)卷調(diào)查的形式對(duì)AI生成的方案進(jìn)行主觀方面的評(píng)估，本次調(diào)查發(fā)放問(wèn)卷數(shù)量共計(jì)158份，收回問(wèn)卷數(shù)量154份，調(diào)查對(duì)象為風(fēng)景園林專(zhuān)業(yè)教師與學(xué)生，其中老師收回問(wèn)卷數(shù)量28份，學(xué)生收回問(wèn)卷數(shù)量126份。

多數(shù)調(diào)查對(duì)象對(duì)AI生成的花境方案的創(chuàng)意性的評(píng)價(jià)較高，其中77.92%認(rèn)為其創(chuàng)意性達(dá)到了良好，說(shuō)明AI生成的花境方案在創(chuàng)意方面得到認(rèn)可。從方案的和諧性方面看，同樣得到較高的認(rèn)可，56.50%認(rèn)為其和諧性達(dá)到了優(yōu)秀。但是，AI生成的花境方案的花卉可識(shí)度比較一般，其中55.20%認(rèn)為其花卉的可識(shí)度只能達(dá)到一般程度；在方案的美感度方面，AI生成的方案得到了大部分調(diào)查對(duì)象認(rèn)可，77.92%認(rèn)為其方案的美感度達(dá)到了良好；在布局的合理性方面，78.57%認(rèn)為其達(dá)到良好；在方案與設(shè)計(jì)目標(biāo)符合程度方面，78.57%認(rèn)為其符合程度達(dá)到了良好（圖7）。

圖7 問(wèn)卷調(diào)查結(jié)果統(tǒng)計(jì)Fig.7 Survey results statistics

通過(guò)整個(gè)問(wèn)卷調(diào)查數(shù)據(jù)分析可以得出，AI生成的花境的方案除了在花卉的識(shí)別上比較一般，其他方面的評(píng)價(jià)都比較優(yōu)秀，其生成的方案在調(diào)查對(duì)象中具有較高的接受度。

4 結(jié)語(yǔ)與討論

4.1 結(jié)語(yǔ)

當(dāng)前，人工智能技術(shù)的運(yùn)用，大部分涉及的是地理學(xué)，生物學(xué)，城市規(guī)劃等多種學(xué)科的綜合研究，在風(fēng)景園林領(lǐng)域的研究還處于初步階段[16]，近年來(lái)，在方案自動(dòng)生成的系統(tǒng)研究中，機(jī)器學(xué)習(xí)是重要的分支，其迅速的發(fā)展賦予了計(jì)算機(jī)處理大量圖像的能力，使其可以自動(dòng)地處理大量的圖片[17-18]，這使得AI花境設(shè)計(jì)成為一個(gè)有力的輔助工具，為設(shè)計(jì)師提供更多可能性和創(chuàng)新性?；ň匙鳛橹参锞坝^的重要組成部分，利用AI技術(shù)來(lái)生成設(shè)計(jì)花境方案具有一定的可行性及適用性。AI技術(shù)能夠從大量的花境圖像和設(shè)計(jì)案例中獲取靈感，并生成創(chuàng)新的設(shè)計(jì)方案。通過(guò)對(duì)大量的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，挖掘數(shù)據(jù)背后潛在的規(guī)律，來(lái)實(shí)現(xiàn)有效的數(shù)據(jù)利用[19]?；赟table diffusion平臺(tái)對(duì)花境模型進(jìn)行訓(xùn)練，AI技術(shù)可以為不同類(lèi)型的花境場(chǎng)景生成高質(zhì)量和多樣化的設(shè)計(jì)方案，探索一種便捷、高效且真實(shí)的花境設(shè)計(jì)思路及方法，為AI技術(shù)在植物景觀設(shè)計(jì)領(lǐng)域的理論研究及設(shè)計(jì)實(shí)踐應(yīng)用提供創(chuàng)新研究視角及思路。

4.2 討論

與傳統(tǒng)花境設(shè)計(jì)相比，AI在花境設(shè)計(jì)展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)，但也存在一些潛在的限制。

（1）AI花境設(shè)計(jì)方案的質(zhì)量和準(zhǔn)確性取決于所使用的數(shù)據(jù)。如果訓(xùn)練數(shù)據(jù)不充分或不具有代表性，AI生成的設(shè)計(jì)方案可能缺乏多樣性和創(chuàng)新性，無(wú)法滿足設(shè)計(jì)需求。AI算法在生成花境設(shè)計(jì)方案時(shí)可能存在誤差和不確定性。這些誤差可能導(dǎo)致不符合實(shí)際條件或設(shè)計(jì)目標(biāo)的設(shè)計(jì)方案。

（2）傳統(tǒng)花境設(shè)計(jì)依賴于設(shè)計(jì)師的創(chuàng)造力和直覺(jué)，注重藝術(shù)性和個(gè)性化。通常設(shè)計(jì)師與客戶之間需要面對(duì)面交流和合作，并充分考慮客戶的需求和偏好。依賴于設(shè)計(jì)師的經(jīng)驗(yàn)和知識(shí)，借助手工繪圖和實(shí)地考察來(lái)收集信息，需要更多的時(shí)間和資源來(lái)完成[20-21]。而基于AI輔助的花境設(shè)計(jì)則是基于算法和數(shù)據(jù)的分析，傾向于生成創(chuàng)新和多樣性的設(shè)計(jì)方案。該方式更加自主，設(shè)計(jì)師在使用AI工具時(shí)可能與客戶的直接互動(dòng)較少。

（3）AI能夠快速分析和處理大量數(shù)據(jù)，并迅速生成設(shè)計(jì)方案，可以加快設(shè)計(jì)過(guò)程，減少設(shè)計(jì)周期和人力成本。AI能夠快速分析數(shù)據(jù)、生成設(shè)計(jì)方案，并進(jìn)行快速迭代和優(yōu)化[22-23]。使用AI生成花境設(shè)計(jì)方案可以大大縮短設(shè)計(jì)周期和減少人力成本。

（4）AI花境設(shè)計(jì)可能更偏向于提供通用化的設(shè)計(jì)方案，雖然可以根據(jù)客戶需求進(jìn)行個(gè)性化調(diào)整，但可能缺乏個(gè)性化程度的深度和細(xì)節(jié)。傳統(tǒng)花境設(shè)計(jì)更強(qiáng)調(diào)設(shè)計(jì)師與客戶之間的合作和情感交流，注重體現(xiàn)人類(lèi)的審美和情感需求。由于風(fēng)景園林設(shè)計(jì)是主觀情感和可觀條件共同的作用產(chǎn)物，現(xiàn)階段的人工智能主要為弱人工智能，沒(méi)有自主意識(shí)，不能提供人的情感需求[16]。AI花境設(shè)計(jì)通常是基于預(yù)設(shè)的數(shù)據(jù)和算法進(jìn)行設(shè)計(jì)，可能無(wú)法全面考慮到特定場(chǎng)地的獨(dú)特要求以及人類(lèi)的情感因素。

綜上，AI花境設(shè)計(jì)與傳統(tǒng)花境設(shè)計(jì)在創(chuàng)造力、人機(jī)交互、數(shù)據(jù)處理、時(shí)間成本、個(gè)性化等方面存在差異[24-28]。AI技術(shù)為設(shè)計(jì)師提供了新的解決思路，但仍需要結(jié)合人類(lèi)設(shè)計(jì)師的專(zhuān)業(yè)判斷和審美來(lái)實(shí)現(xiàn)最優(yōu)的花境設(shè)計(jì)方案。

注：文中圖表均由作者繪制。