Apr 3, 2024 16 min read
NSDT工具推荐 ： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割
建筑领域完全可以从机器学习和人工智能（AI）的出现中受益。 作为 Autodesk BIM 360 Project IQ 团队的一员，我有幸参与 Autodesk 进军建筑机器学习领域。
本文总结了这一领域的发展，并介绍了人们可以准备从这项技术中实现价值最大化的一些方法，包括对人工智能和机器学习在建筑中的一些应用及其潜在影响的广泛调查。 这些流程正在各个领域发生变化，包括风险管理、进度管理、分包商管理、施工现场环境监控和安全等。
1、人工智能是什么意思？
公众对AI的看法通常介于两个极端之间：一是让它统治世界，二是被认为是幻想，在严肃的对话中没有立足之地。 事实上，事实介于两者之间，人工智能远不是一种超级智能，而是一个已经找到了巨大应用的研究分支，并且是当今技术应用的一个重要驱动因素。
传统上，定义人工智能一直是一个挑战。 "人工"是定义中更容易的部分，它可以简单地意味着"不是自然发生的"。另一方面，"智能"却让研究人员陷入了几个兔子洞。 一般来说，人工智能指的是一个广泛的科学领域，涵盖从计算机科学、心理学到哲学和语言学等一系列学科。 它主要涉及让计算机完成通常需要人类智能的任务。 本系列文章提供了更深入的阅读来理解人工智能的定义和历史。
现在，人工智能的更广泛范围内有许多工作领域，但在这里我想定义两个更受欢迎的领域 ------机器学习和深度学习。 机器学习就是这样一个子集，它涉及编写算法，使计算机无需显式编程即可从数据中学习。 例如，如果您想编写一个算法来识别电子邮件中的垃圾邮件，则必须通过将其暴露于许多手动标记为垃圾邮件或非垃圾邮件的电子邮件示例来训练该算法。 该算法"学习"识别模式，例如某些单词或单词组合的出现，从而确定电子邮件是垃圾邮件的可能性。
深度学习可以被认为是机器学习范畴内的一组专门技术，最近才真正发展起来。 它们基于神经网络，这是一种模拟人脑神经元的机器学习算法。 深度学习在图像和语言处理领域取得了多项突破，使家庭助理和自动驾驶汽车等高级应用成为可能。
2、影响因素
人工智能作为一个学术领域已经存在很长时间了，第一次关于该主题的会议于 1956 年举行。但在过去的十年里，它更加受到人们的关注。 这可以归因于几个因素，这些因素最近本身已经有了很大改善。 所有人工智能都需要提供大量数据来支持从中得出的见解，并且在过去几年中生成的数据量大幅增加。 据 IBM 博客称，几年前，90% 的数据是在最近两年创建的。 我想今天这个比例可以延伸到 95% 左右。 随着数据的增加，可用于分析这些数据的计算能力每年都呈指数级增长，而计算能力的成本却在下降。 如今，几乎所有数据都驻留在云中，并且考虑到处理这些数据的资源的可用性，我们看到大量应用程序专注于根据从该分析中获得的见解做出更好的决策。
3、人工智能的应用
开始了解人工智能应用范围的一个好方法是检查它已经变得多么普遍。 我们每天都会收到几封电子邮件，而且大多数人花在上面的时间比我们想要的要多。 但是，您是否注意到令人发指的垃圾邮件数量已变得多么少？ 五年前，您每周至少会收到一封电子邮件，声称您中了彩票。 垃圾邮件检测是机器学习最古老且更知名的应用之一。 通过查看数千封电子邮件，计算机程序已经能够"了解"垃圾邮件通常是什么样子。 它可以了解到发件人不太可能向您发送电子邮件，或者从电子邮件的文本中得知内容很可能是欺诈性的。 这只是文本处理的一个示例。
另一个发展领域是图像分析。 这个空间中的问题可以简化为两大类：识别图像所代表的内容，然后识别对象在图像中的确切位置。 例如，给定一张照片，照片中有猫吗？ 第二个挑战是你能否检测出图像中猫的具体位置？
随着深度学习的发展，这一领域已经取得了多项突破。 新款 iPhone 不再只检测猫，还配备了基于人脸检测的锁定功能。 这些算法能够区分照片的更精细的细节，并且速度足够快，可以用来做出实时决策。 这些算法原本是检测照片中是否有猫，但现在它们实际上可以告诉你每张照片中是否是同一只猫。
当这些图像识别和检测算法与其他形式的人工智能相结合时，您将获得令人着迷的应用程序，例如自动驾驶汽车。 他们能够感知周围的环境并利用它来导航环境。 理解环境中的不同对象、理解它们行为或操作方式的差异以及它们在环境中隐含的规则是一项复杂的任务。 下图是自动驾驶汽车用于导航的视图示例。 该系统能够区分人、汽车、静止物体。 它必须理解红灯和单向标志的含义。 它能够估计物体之间的距离并用它来做出决定。 这篇文章提供了有关它们的制作方式及其背后的技术的更深入的交互式阅读。
人类大脑在做出决定时能够处理大约三到四个不同的数据点。 这是人工智能取得进展的另一个领域。 虽然人类大脑只能处理三到四个维度，但人工智能算法却没有限制。 当你狂看 Netflix 推荐的节目时，他们的推荐引擎可能会考虑很多不同的事情； 您的年龄、性别、该个人资料的其他人喜欢看什么、您看过什么类型的节目、该节目的评论、其他用户对该节目的参与度以及许多其他属性。
所有这些示例的共同要求是这些算法需要大量数据来学习。 人工智能根据所提供的数据提供建议或解决方案，因此其质量取决于数据的质量。 为了能够真正利用这项技术提供的功能，我们必须认真考虑组织我们收集的数据并在所有产品中管理这些数据。 人工智能界有句俗话："垃圾进，垃圾出"。
4、AI给建筑带来哪些改变？
过去几年，建筑技术得到了大量投资。 该投资的很大一部分用于施工流程不同部分的数字化。 BIM 模型改变了建筑物的设计方式，项目管理和问题管理流程已转移到云端，运营管理也变得更加"传感化"和自动化。 随着数据的可用性，基于人工智能的应用程序在建筑中找到了更多的用途。
4.1 生成式设计
生成式设计（generative design）是一种寻找形式的过程，可以模仿自然的进化设计方法。 计算机科学家已经找到了帮助建筑设计过程的方法。 它通常从明确指定设计目标开始，然后探索解决方案的无数可能排列以找到最佳选择。 通过一个例子就变得更清楚了。
多伦多的 Autodesk 团队搬进了一座采用新设计流程设计的新建筑，这也创造了一个好故事。 研究人员使用生成式设计来帮助他们找到满足其所有需求的理想建筑设计。 这个过程首先要了解对办公楼居民来说重要的所有参数------相邻偏好、工作方式偏好、嗡嗡声、生产力、日光和室外景观。
 
从左到右，每个计划都覆盖了以下参数的模拟：邻近偏好、工作方式偏好、嗡嗡声、生产力、日光和室外景观。
然后，该输入被输入计算机系统，该系统了解这些设计参数以及物理位置的要求。 然后，该算法产生了几种满足所有这些需求的设计，建筑师可以从中选择以匹配风格和其他需求。 由于这个过程非常快，因此很容易使设计体验迭代并基于多次对话来工作和修改最终设计。 正如本文更深入地解释的那样，除了解决棘手的实际挑战之外，生成设计还可以通过生成改善多个利益相关者之间的调度和协调的设计来提高整个开发过程的效率和经济性。
4.2 风险缓解
建筑工地上每天都会进行风险评估和缓解。 有数百个分包商同时从事不同的行业； 有数以千计的问题被创建和管理，并且一切都在不断变化。 BIM 360 IQ 项目的重点是了解施工经理、项目经理和主管每天处理这些问题的挑战，以及利用人工智能改进流程的方法。 在与几位建筑主管交谈、参观他们的工地，然后查看他们生成的数据后，我们发现按风险对问题进行优先级排序将提供一种提高效率的可行方法。
使用人工智能，特别是构建语言分析，可以自动分配问题的优先级。 这些算法能够理解和预测复杂的事情，例如如果不解决某个问题是否会导致潜在的水渗透。 该系统利用了许多项目质量经理在监控项目时观察到的描述。
例如，如果质量经理观察到窗外防水板不完整的问题，并将其记录在 BIM 360 Field（通常的做法），那么 AI 算法会运行这些数据，并自动将其标记为潜在的水问题。 当管理员检查仪表板上的所有问题时，可以提请管理员注意。 该系统目前正在进行试点，任何使用 BIM 360 产品的人都可以使用。
该系统还更进一步，将问题产生的所有风险封装到负责该问题的分包商中。 它考虑了分包商的各种因素，例如他们过去的问题管理行为、当前的工作量、他们所负责的问题的重要性。 然后，该算法能够为项目中的每个分包商分配一个"风险评分"，这是一个指标，表明他们当前面临的项目风险程度，以便施工经理可以更好地优先考虑与他们密切合作的时间这些团队。
4.3 安全
施工安全是所有工地的首要任务。 BIM 360 IQ 专注于了解安全问题的行为和背景，然后引起安全经理的注意。 IQ 应用程序会自动扫描工作现场的所有安全问题，并在其上附加一个标签，表明是否可能导致潜在的死亡。 OSHA 显示，2015 年所有与建筑相关的死亡事故中，约 67% 是由于与"四大致命"相关的问题造成的------坠落、撞击、夹在中间和触电。 IQ 算法对属于四种致命问题前兆的安全问题进行了分类。
IQ 应用程序显示了项目分包商的列表，以及按"四个致命"类别细分的安全问题。
该应用程序还可以深入了解导致潜在事故的实际危险是什么，并显示 39 种不同危险的分布情况。
IQ 应用程序可以在安全问题中检测到的危险子集。
这使得安全管理人员能够了解他们应该将规划和培训工作的具体重点放在哪里，并在进行安全行走时更加仔细地观察特定问题。
如今，每天都会在工地上拍摄大量照片和视频。 每个建筑工人都有一部带摄像头的手机，为他们制造的每个问题拍照几乎是标准做法。 无人机已经变得越来越普遍，它们经常用于空中拍摄以及测量进度等更高级的活动。 Go-pro 和智能头盔也变得越来越普遍。 鉴于照片数量过多，大多数技术应用尚未跟上，并且没有一个好的解决方案来管理照片或利用它们来获得更好的洞察力。
Smartvid.io 是一家专门解决此解决方案的技术初创公司。 他们提供了一个与其他不同技术供应商集成的平台，将您的所有图像集中到一个地方。 然而，他们更进一步，他们使用人工智能来理解图像中的内容。 正如我们之前在自动驾驶汽车的示例中看到的那样，可以隔离和理解图像中的各种对象。 Smartvid.io 将它们称为"智能标签"，它们允许更好的系统来分类和搜索照片。
在这张建筑工人走下梯子的图像中，Smartvid.io 可以自动将左侧显示的标签添加到图像中。 
由于 Smartvid.io 了解构建中的更高级别概念，因此它提供了更智能的搜索。 上图显示了项目中针对查询"高于天花板"的所有图像。
5、Autodesk 未来将为 AEC 中的 AI 做什么？
BIM 360 IQ 质量产品是第一个用于建筑的人工智能产品，从那时起，我们每年都在努力挑战极限。 我们构建的应用程序专注于解决施工质量和安全方面的挑战。 我们的下一步工作是采用类似的方法进行项目管理，并利用人工智能来增强流程。
6、数据平台
在整个建筑行业，有多家技术供应商提供管理数据的解决方案，但它们通常彼此不兼容。 当所有数据源都可以相互连接时，基于人工智能的解决方案的力量才能得到最好的释放。 为了满足这一需求，Autodesk 还致力于构建一个允许第三方集成的数据平台。 这将使不同的建筑公司能够将所有数据转移到一个平台上，该平台也具有通用分析层的功能。 Autodesk 正在将 ERP 数据和项目管理数据等其他数据源引入该平台，并与 Smartvid.io、Triax Technologies、SmartBid 等其他建筑数据公司合作。
新 BIM 360 数据平台的概念架构
原文链接：The Rise of AI and Machine Learning in Construction
BimAnt翻译整理，转载请标明出处
AI