ARCHITETTURA

AI generativa e città palinsesto: come cambia l’architettura

AI generativa e città palinsesto: come cambia l’architettura

Una città non è mai soltanto ciò che vediamo nel presente. È il risultato di una successione di trasformazioni, sostituzioni, adattamenti e permanenze. Ogni epoca aggiunge qualcosa a quella precedente, modificandone la lettura senza necessariamente cancellarla. La città può quindi essere letta come un palinsesto, una struttura nella quale tempi differenti restano presenti e riconoscibili attraverso l’architettura. Un’idea che lo storico dell’urbanistica André Corboz ha formulato per primo in termini teorici, descrivendo il territorio stesso come un testo continuamente riscritto senza mai essere del tutto cancellato.

Il problema contemporaneo non è soltanto conservare ciò che esiste, ma capire come aggiungere un nuovo tempo senza interrompere la continuità con quelli precedenti. Non esiste una sola maniera di confrontarsi con l’esistente. L’architettura storica si può conservare, ricostruire, reinterpretare, oppure si può scegliere un linguaggio deliberatamente nuovo.

Il Neues Museum di Berlino, progettato da David Chipperfield Architects tra il 1997 e il 2009, mostra la prima strada. Le parti conservate vengono consolidate, quelle perdute ricomposte con materiali e forme contemporanee. Il nuovo è riconoscibile ma non estraneo, e la continuità spaziale dell’edificio non cancella le sue tracce storiche.

Una strategia ancora differente è quella di Herzog & de Meuron ad Am Tacheles, a Berlino. Il progetto, sviluppato tra il 2014 e il 2019 e realizzato tra il 2018 e il 2024, parte dalla consapevolezza di una città costituita da stratificazioni, demolizioni e ricostruzioni. La relazione con la storia non avviene attraverso la riproduzione dell’architettura perduta, ma attraverso la struttura dell’isolato, il recupero del frammento esistente e la costruzione di una nuova forma dichiaratamente contemporanea.

Un’altra possibilità consiste invece nel non cercare alcuna continuità linguistica con l’esistente, ma nel rendere esplicita la differenza tra i due tempi. La Fire and Police Station di Berlino, progettata da Sauerbruch Hutton e completata nel 2004, nasce accanto a una struttura storica ottocentesca. Qui il nuovo non cerca di mimetizzarsi con il preesistente: al corpo in mattoni dell’edificio storico viene affiancata una nuova architettura caratterizzata da una pelle di vetro colorato, fortemente riconoscibile. Il contrasto materico e cromatico rende esplicita la presenza di un tempo nuovo.

Tra queste possibilità progettuali, tuttavia, esiste un momento che le precede tutte, cioè la fase in cui un’ipotesi di progetto non è ancora né continuità né contrasto, ma soltanto un’immagine da interrogare. È in questo spazio, prima che il progetto diventi struttura, involucro e cantiere, che l’intelligenza artificiale generativa può assumere un ruolo interessante per l’architettura del patrimonio.

Per intervenire in un contesto storico non basta conoscerne lo stile, ma occorre comprenderne la struttura e le regole di un determinato contesto. 

Nel 2022, nello studio Automatic generation of architecture facade for historical urban renovation using generative adversarial network, un gruppo di ricercatori ha usato una rete generativa per produrre nuove configurazioni di facciate a partire da un dataset di edifici storici della Harbin Central Street, ad Harbin, nel nord della Cina: non una ricostruzione, ma uno strumento che astrae caratteristiche ricorrenti del patrimonio per produrre alternative. 

Dalla ricerca Preserving architectural heritage in urban renewal: a stable diffusion model framework for automated historical facade generation, pubblicata su Heritage Science nel 2025.

È un passaggio concettuale importante, perché il patrimonio è trattato non solo come qualcosa da conservare, ma come una fonte di conoscenza progettuale.

Nel 2025 questa direzione si è spostata sui modelli di diffusione. Lo studio Preserving architectural heritage in urban renewal utilizza Stable Diffusion insieme a LoRA (Low-Rank Adaptation: un micro-modello che definisce l’identità espressiva) e ControlNet (Controllo Geometrico: un framework neurale che vincola la coerenza geometrica del risultato), per generare facciate storiche a partire da dataset specifici e riferimenti compositivi. Gli stessi autori, però, segnalano i limiti ancora presenti: la complessità semantica dell’architettura, la necessità di addestramenti specifici, il bisogno costante di un controllo umano sul risultato.

Nonostante la quantità crescente di studi sull’AI applicata al patrimonio, le applicazioni reali di generative AI che arrivano alla costruzione di nuovi edifici in contesti storici sono ancora estremamente limitate. La letteratura recente non presenta infatti l’AI generativa come una tecnologia già integrata nei normali processi di progettazione e costruzione del patrimonio. La maggior parte degli studi rimane nella generazione di immagini, nella ricostruzione digitale, nella simulazione o nel supporto alle decisioni.

Una review del 2026 su Building and Environment lo conferma sistematicamente: l’immagine resta il tipo di dato dominante, sia in ingresso sia in uscita, mentre i sistemi capaci di integrare l’AI generativa con geometria, BIM e workflow prestazionali restano poco sviluppati.

Il motivo non è soltanto prudenza verso una tecnologia nuova. L’AI generativa nasce come strumento di rappresentazione e sintesi visiva, mentre l’architettura deve anche essere struttura, fattibilità e prestazione. Nell’ambito del patrimonio storico si aggiungono ulteriori livelli, quelli dell’autenticità, reversibilità, compatibilità dei materiali e responsabilità dell’intervento. In questo contesto nessuna immagine, per quanto convincente, può da sola risolvere. Per questo, almeno oggi, il risultato più concreto dell’AI nel rapporto con il patrimonio non è l’edificio costruito, ma la possibilità di anticiparne e discuterne le configurazioni prima che diventino materia. Non è un limite di fiducia nella tecnologia, bensì un limite di maturità del processo.

La città continuerà comunque a trasformarsi. Il problema non è impedirlo, ma orientarlo. 

Il Neues Museum e la Fire and Police Station mostrano che il rapporto con l’esistente può assumere forme opposte e ugualmente legittime. L’intelligenza artificiale non aggiunge una terza strada, ma rende più esplorabile la complessità che precede qualunque scelta. Se il passato viene considerato solo come qualcosa da conservare, il progetto rischia di trasformare la città storica in un’immagine immobile. Se viene letto come un insieme di relazioni e conoscenze, può diventare una delle condizioni attraverso cui immaginare il futuro.

La città come palinsesto non è soltanto una metafora della memoria, ma è una condizione progettuale. Ogni nuovo edificio aggiunge uno strato che, un giorno, diventerà anch’esso parte della storia. 

L’intelligenza artificiale generativa può contribuire a questo processo non perché sappia quale futuro costruire, ma perché permette di visualizzarlo come ipotesi, confrontarlo con ciò che ancora non esiste, e interrogare il rapporto tra ciò che è stato e ciò che potrebbe essere.

Il futuro della città storica non deve necessariamente scegliere tra memoria e contemporaneità. Immaginare ciò che ancora non esiste significa dare al progetto la possibilità di interrogarsi attraverso forme che forse ancora non abbiamo visto.

Alessandro Peritore