數位轉型趨勢引領建築營造產業的轉變。除了建築資訊系統的運用外，必須導入其他數位技術用以管理建築生命週期。本論文聚焦於建築產業，旨在探討如何將人工智慧技術融入以建築資訊系統主導的設計環境，以建立一個AI+BIM的標準化設計流程。
人工智慧輔助建築設計技術可分為三大類:衍生式設計、生成式AI、和自動化工具。衍生式設計基於參數化設計邏輯，但將原先固定數據的設定轉為限制區間，並檢討輸入與輸出數據值，進行最佳化演算；生成式AI利用大量數據資料和深度學習技術，依照目的建構演算邏輯進行生成；自動化工具以固定程式邏輯執行單向的工作流程。
本研究嘗試自行開發與整合工具。主要利用Revit建立BIM工作平台，整合Dynamo、Generative design、Solar Analysis..等Revit插件，以及QGIS、CFD、Python..等其他軟體。利用這些工具撰寫程式與研發指令，以自動化操作Revit功能，執行整理資訊、建立模型與分析模型等任務。另外，借助生成式人工智慧技術如ChatGPT、Midjourney及Stable Diffusion..等，以輔助設計發展。
本研究透過一個實際的集合住宅案例，演練AI技術整合研發應用的建築設計流程。界定討論的範圍從基地調查開始，直到設計彙整完成。將設計流程分為三個階段:計畫階段、規劃階段和設計階段。每個階段皆會細分為多個工作項目，探討設計師如何透過AI+BIM執行設計任務。
以下是本研究具體操作設計工作項目的幾個例子:「基地調查」使用QGIS和Google Earth將GIS資訊整合至Revit模型中；「量體配置」使用Dynamo配合Generative design編寫配置腳本；「環境分析」使用CFD和Solar Analysis進行設計風與熱輻射分析；「外觀風格探索」使用Midjourney和Stable Diffusion進行設計探索；「配置元件」使用Python + Revit API開發自動化配置工具。
研究結果顯示，人工智慧不僅能提升設計的創造力與生產力，還能輔助設計決策。設計師在初期階段就能更清楚地掌握整體情況並確定重點，同時也能催化思考和探索，減少設計的迴圈，進而改變設計流程的過程與結果。然而，人類設計師的角色並未被AI取代，相反，人與AI共同協作推進設計的創造力。
隨著人工智慧的持續演進，建築產業迫切需要重視這項技術對產業的影響。因此，本研究也參與AI建築師論壇，整合實務與學術角度探討AI的使用情況，以作為推動人工智慧輔助BIM設計流程的參考。

This study aims to explore the integration of AI (Artificial Intelligence) and BIM (Building Information Modeling) digital technologies within the architectural design process, with a particular focus on utilizing CAD (Computer Aided Design) technologies through AIGC (AI Generated Content), Generative and Parametric Design, and Programming Tools. AI+BIM Design process will be demonstrated through a practical design case study of a residential complex, illustrating the implementation and impact of this technological integration. AI-aided design tools have the potential to improve human productivity and foster human creativity.

‧王榮進，沈揚庭(2020)。應用人工智慧科技提升建築物維運管理效益之研究。內政部建研所。
‧李俊儀(2001)。衍生式與演化式建築輔助設計系統(碩士論文)。
‧吳典育(2018)。BIM整合操作運用之設計流程研究(博士論文)。
‧吳宛霖(2022)。衍生式設計結合建築性能最佳化於建築初期階段草案自動生成研究(碩士論文)。
‧黃紹筑(2016)。整合BIM工具的感應式節能立面設計流程(碩士論文)。
‧鄭泰昇(2021)。AI人工智慧輔助BIM衍生設計之研究。國立成功大學。
‧羅嘉祥, 宋姍, 田宏鈞(2017)。 Autodesk Revit 煉金術：Dynamo 基礎實戰教程。 同濟大學出版社。
‧簡聖芬(1999)。衍生式設計輔助系統：現況與未來發展。
‧Andrea, S. , & Warke, V. (2019). The Language of Architecture: 26 Principles Every Architect Should Know. Massachusetts, United States: Rockport Publishers.
‧Chokhachian, A. (2014). Parametric Design Thinking: A Paradigm Shift for Architecture Design Process. London: Lambert.
‧Chien, S.-F. (1998). Supporting information navigation in generative design systems. Ph.D. Dissertation, School of Architecture, Carnegie Mellon University, Pittsburgh, PA.
‧Colin, R. , Noam, S. , Adam , R. , Katherine, L. , Sharan, N. , Michael, M. , Yanqi, Z. , Wei, L. , & Peter J.L. (2020). Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer.
‧Donald, A.S. (1984). The Reflective Practitioner: How Professionals Think In Action. New York: Basic Books.
‧Eastman, C.M. (Ed.) (1975). Spatial Synthesis in Computer- Aided Building Design. London, England: Applied Science Publishers.
‧Eastman, C.M. , Teicholz, P. , Sacks, R. , & Liston, K. (2011). BIM Handbook: A Guide to Building Information Modeling for Owners, Managers, Designers, Engineers and Contractors. Hoboken: Wiley.
‧Gainetdinov, A. (2023). Diffusion Models vs. GANs vs. VAEs: Comparison of Deep Generative Models. New York: Towards AI.
‧Giuseppem, P. , & Giuseppe, G. (2018). Luigi Moretti, from History to parametric architecture.
‧Khabazi, Z. (2012). Generative Algorithms.
‧Ling, Y. , Zhilong, Z. , Yang, S. , Shenda, H. , Runsheng, X. , Yue, Z. , Wentao, Z. , Bin, C. , & Yang, M.H. (2023). Diffusion Models: A Comprehensive Survey of Methods and Applications.
‧Nauata, N. , Hosseini, S. , Kai-Hung Chang, Hang Chu, Chin-Yi Cheng, & Yasutaka Furukawa(2021). House-GAN++: Generative Adversarial Layout Refinement Networks.
‧Nezamaldin, D. (2019). Parametric design with Visual programming in Dynamo with Revit: The conversion from CAD models to BIM and the design of analytical applications.
‧Mousiadis, T. , & Mengana, S. (2016). Parametric BIM: Energy Performance Analysis Using Dynamo for Revit.
‧Philip, A.C. , & Robert F.G. (1969). A Systematic Approach to Design. United Kingdom: Taylor & Francis.