AI和机器学习在建筑业的崛起

从零开始学运营,10年经验运营总监亲授,2天线下集训+1年在线学习,做个有竞争力的运营人。了解详情

人工智能(AI)和机器学习的出现,使建筑领域受益。那么建筑业应该如何积极利用AI技术推动其自身的发展呢?本文正是基于此给出了回答。

人工智能(AI)和机器学习的出现,使建筑领域受益。本文总结了这一领域的发展,并介绍了一种可以从这项技术中获得最大价值的方法,包括对AI和机器学习在建筑中的一些应用的广泛调查以及潜在的影响。这些过程正在改变各个领域,包括风险管理、进度管理、分包商管理、施工现场环境监测和安全等。

AI对我们意味着什么?

公众对AI的认识通常介于两种极端之间:一种是AI可以统治世界,另一种极端则认为其是难以实现的幻想。而现实事实是,AI远不是超级智能的一种形式,而是一个已经取得巨大应用的研究分支,是当今技术应用的一大驱动因素。

传统上,定义AI一直是一个挑战。“人工”是定义中较简单的一部分,它可以简单地表示“不是自然发生的”。另一方面,“智能”则有很多意义。一般来说,AI指的是广泛的科学领域,包括计算机科学、心理学、哲学和语言学等一系列学科。它主要关注的是让计算机完成通常需要人脑智能才能完成的任务。这一系列的文章为理解AI的定义和历史提供了更深层次的理解。

目前的众多领域内,AI有更广泛的工作范围,但在这里我想定义两个比较流行的领域:机器学习和深度学习。机器学习就是这样的一个子集,它处理允许计算机从数据中学习而不显示编程的算法。例如,如果你想写一个算法来识别电子邮件中的垃圾邮件,你将不得不把它暴露在许多被手动标记为垃圾邮件或不是垃圾邮件的电子邮件示例中。该算法“学习”以识别模式,如某些单词或单词组合,从而决定了该电子邮件是否为垃圾邮件。

在机器学习的基础上,深度学习可以被认为是一套专门的技术,直到最近才真正发展起来。它们基于神经网络——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一些突破,从而使得诸如家庭助手和无人驾驶汽车等先进应用的实现成为可能。

主要驱动因素

AI第一次会议在1956年召开,作为一个学术领域它已经存在了很长时间。但直到过去十年,它才逐渐受到更多人的关注,这可以归因于最近几年才获得突飞猛进发展的一些因素。所有的AI都需要大量的数据来支持,而过去几年所产生的数据量有了巨大的增长。

根据IBM的博客, 90%的数据是在最近两年中创建的,我想今天这一数据可以增加到95%左右。随着数据的增加,用于分析数据的计算能力每年都呈指数增长,而且计算的成本降低了。

今天,几乎所有的数据都存在于云中,并且考虑到处理这些数据的资源的可用性,我们已经看到了一些相应的应用程序的涌现,这些应用程序可以根据数据分析做出更好的决策。

AI的应用

看看AI是多么无处不在。我们每天收到几封电子邮件,大多数人花在上面的时间比我们想的要多。然而,你有没有注意到现在那些可恶的垃圾邮件已经很少了?

五年前,你可能每周至少会收到一封中奖的电子邮件。垃圾邮件检测是机器学习领域中比较古老和知名的应用之一。通过查看数以千计的电子邮件,计算机程序已经能够“了解”垃圾邮件通常看起来是什么样子。它可以理解和判断邮件的发送者并不是一个可能会给你发送电子邮件的人,或者是邮件中的内容很可能涉嫌欺诈。这只是AI用于文本处理的一个例子。

另一个发展领域是图像分析,这个问题可以归纳为两大类:识别图像代表什么以及识别图像中物体的确切位置。例如,下面的照片中有一只猫吗?能否发现猫在照片中的哪个位置?

随着深度学习的发展,这个领域有了一些突破,从照片中猫的检测到新的iPhone带有基于面部检测的锁定功能。这些算法能够分辨出图像的细节,并能快速地完成图像的实时决策。这些算法检测到照片中是否有猫,但现在他们可以告诉你每张照片中的猫是否是同一只猫。

当这些图像识别和检测算法与AI的其他形式结合在一起时,你会得到像无人驾驶汽车这么棒的应用。他们能够感知周围的环境,并利用它们来导航环境。理解环境中不同的对象,理解它们在环境中的行为和操作的差异,以及它们在环境中所包含的规则,是一项复杂的任务。

下面的图片是一个无人驾驶汽车将视图用于导航的例子。该系统能够区分人、汽车、静止物体。它必须理解红灯和单向信号的含义。它能够估量对象之间的距离,并使用这个来做出决定。

人类的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AI取得进展的另一个领域。人类的头脑只能处理三到四个维度,但AI算法却是没有限制的。

当你观看电视节目时需要依赖Netflix的推荐时,其推荐引擎可能需要考虑很多不同的因素:你的年龄,性别,这个群体的其他人喜欢看什么,你在看什么样的节目,这个节目的评论,其他用户的在该节目中的参与等等一些诸如此类的因素。

所有这些例子的共同要求是,这些算法需要大量的数据来学习。AI提供了一种推荐或解决方案,而该方案是基于它所被提供的数据的,因此数据的质量直接决定了方案的可靠与否。为了能够真正利用这个技术,我们必须把我们的思想注入其中,收集和管理加工所有产品的数据。用AI界的一句俗语说就是“垃圾进去,垃圾出来”。

AI会为建筑业带来什么影响?

近几年来,建筑行业已经涌入了大量资金。这些资金的很大一部分用于建设建筑工程中的数字化工作流程。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也转移到了云,运营管理也变得越来越“传感”化和自动化。随着数据的可用性的增强,基于AI的技术在建筑中得到了更多的应用。

生成性设计

生成性设计是一种模式发掘的过程,是可以模仿自然进化的设计方法。计算机科学家找到了可以辅助建筑设计过程的方法。它通常从明确指定设计目标开始,然后探索无数可能的解决方案,以找到最佳选项。下面举个例子。

一个多伦多的团队搬进了一个新的建筑,它是用一个新的设计方法设计的。研究人员利用生成性设计帮助他们找到满足他们所有需求的建筑的理想设计。这个过程中,我们需要了解所有对居民来说这栋建筑里重要的参数:邻接偏好、工作风格、噪音、工作效率、日光和视野等。

上图从左到右,依次是邻接偏好、工作风格、噪音、工作效率、日光和视野在这一建筑平面上的量化的模拟。

将这些参数输入到一个计算机系统,该系统了解这些设计参数以及物理位置的要求。然后,算法生成了满足建筑师需要的所有设计,以满足风格和其他的需求。

由于这个过程非常快,所以很容易使设计经验迭代,并在以往设计的基础上改良最终设计。这篇文章在更深层次上解读了该设计并解决了实际问题,生成性设计还可以通过提高调度和协调多个利益相关者的设计提高整体开发过程的效率和经济性。

风险的控制

施工现场每天都有风险的评估和控制。有成百上千的分包商同时在不同的交易中工作,有成千上万的问题被创造和管理,一切都在不断变化。BIM360 IQ项目致力于理解施工管理者、项目经理和主管的需求,从而在日常工作的基础上提出用AI解决的方法。在跟几个项目主管沟通并参观了现场,查看了工作产生的数据后,我们认为通过风险来确定优先级是提高效率的一个有效的方式。

使用AI,特别是建筑语言分析,可以自动分配待处理事项的优先级。该算法能够理解和预测复杂的问题,比如施工中某一问题如不及时处理解决是否会导致潜在的水渗透。该系统充分利用了项目中许多质量管理人员在监测项目时所得到的经验。

例如,如果质检人员观察到一个窗口外的遮雨板出现破损并记录BIM360中,那么就像平时一样,AI算法会通过这些数据运行,并自动将其标记为潜在的漏水问题。这样,当主管检查仪表盘时就可以注意到这些问题。该系统目前处于试点阶段,并对使用BIM360产品的所有人可用。

该系统还更进一步地将所有的风险从项目中分担到负责它的分包商。它会考虑分包商的各种因素条件,例如他们过去的管理行为、当前的工作量以及他们当下负责的项目的重要性。然后,该算法能够为项目中的每一个分包商分配一个“风险评分”,这是一个指标,用来指示他们目前正在进行的项目可能的风险,以便施工经理能够更好地优先安排时间从而与这些团队更紧密合作。

安全

现场施工安全是首要任务。BIM360的重点是了解项目周围的行为和环境从而确定可能的安全问题,提醒安全管理人员引起注意。BIM360应用程序自动扫描所有的现场安全问题上并附加一个标记指示它是否可能导致潜在的致命危险。

OSHA(职业安全与健康标准)显示2015年约67%的施工有关的死亡事故是以下几种:高空坠落、被物体砸中、夹伤和触电。BIM360 IQ算法将这几项致命的威胁归纳到潜在的安全问题中。

该应用程序还提供了对可能导致事故的潜在危害的排查,同时显示了39种不同危险的分布情况。

这使得安全管理人员能够了解他们应该把规划和培训的重点放在哪里,并在他们工作时更加关注这些具体的问题。

现在有大量的施工现场的照片和视频。每一个建筑工人都有一个带摄像头的手机,并且通常大家在施工中遇到问题都会用相机实时记录下来。无人机已经变得越来越普遍,它们经常被用于空中拍摄,有时也用于更先进的活动如估测施工进度等。Go-pro和智能头盔也越来越普遍。但目前的事实是,有海量的照片和视频信息,而大多数技术应用程序没有跟上,因此没有一个很好的解决方案来管理整合这些信息或利用它们更好地服务建设项目。

smartvid.io是一个刚好解决了这一问题的创业公司。他们提供了一个平台,集成了不同的技术供应商,使所有图像到一个地方。而后,他们使用AI来解析图像中的内容。正如我们前面看到的例子,在无人驾驶汽车中,它用于将图像中的各个对象隔离出来并加以分析。Smartvid.io将它们称作“智能标签”——一个更好地分类和搜索照片的系统。

在这幅建筑工人爬梯子的图片中,Smartvid.io可以自动识别图中的对象并为每个对象添加标签。

在未来可以利用AI在建筑、工程和施工行业做些什么?

BIM 360 IQ质量检测产品是Autodesk公司建立的第一个建筑行业的AI产品,自诞生之初技术就一直试图推进它的技术极限。Autodesk已经建立了应用于建筑质量和安全方面的应用程序,下一步的工作是对项目管理采取类似的方法,并利用AI提高项目管理质量和效率。

数据平台

在整个建筑行业,有几个技术供应商提供了数据管理的方案,但它们往往彼此不兼容。当所有数据源可以相互连接时,基于AI的解决方案是最佳的。为了满足这一需求,Autodesk也在努力建立一个允许第三方集成的数据平台。

这将使不同的建筑公司将其所有数据带到一个具有通用的分析功能的平台上。Autodesk将与一些施工公司,如Smartvid.io, Triax Technologies, SmartBid等其他公司合作,将数据源如ERP(企业资源计划)数据和项目管理数据集成到这个平台。

新的BIM 360数据平台概念界面

原文作者:Anand Rajagopal

原文地址:https://medium.com/autodesk-university/the-rise-of-ai-and-machine-learning-in-construction-219f95342f5c

本文由 @Bunny 翻译发布于人人都是产品经理。未经许可,禁止转载。

题图来自Pixabay,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
4人打赏
评论
欢迎留言讨论~!
圈子
关注微信公众号
大家都在问