人工智能和机器学习在建筑业的兴起

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。作为欧特克BIM 360 Project IQ团队的一员，我有幸参与了欧特克对建筑机器学习的涉足。

本文总结了这一领域的发展，并涵盖了人们可以准备从这项技术中最大化价值的一些方法，包括对人工智能和机器学习在建筑中的一些应用的广泛调查，以及潜在的影响。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。

我们所说的人工智能是什么意思？

公众对人工智能的看法通常介于两个极端之间，即让它统治世界，以及它被斥为幻想，在严肃的对话中没有地位。实际上，真相就在中间的某个地方，人工智能远非一种超级智能的形式，而是一个研究分支，它已经找到了巨大的应用，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”是定义中较容易的部分，它可以简单地表示“非自然发生”。另一方面，“智能”将研究人员带入了几个兔子洞。一般来说，人工智能是指一个广泛的科学领域，涵盖从计算机科学和心理学到哲学和语言学的一系列学科。它主要关注让计算机完成通常需要人类智能的任务。本系列文章为理解人工智能的定义和历史提供了更深入的阅读。

现在在更广泛的人工智能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，它处理编写算法，允许计算机从数据中学习而无需显式编程。例如，如果您想编写一种算法来识别电子邮件中的垃圾邮件，则必须通过将其暴露给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，这些模式决定了电子邮件成为垃圾邮件的可能性。

深度学习可以被认为是机器学习保护伞下的一组专业技术，这些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。深度学习允许在图像和语言处理领域取得多项突破，从而有可能实现家庭助理和自动驾驶汽车等高级应用。

 

成因

人工智能作为一个学术领域已经存在了很长时间，1956年举行了第一次关于该主题的会议。但在过去十年中，它一直备受关注。这可以归因于最近本身改善了很多的几个因素。所有的人工智能都需要大量的数据来为从中得出的洞察力提供支持，并且在过去几年中生成的数据量大幅增加。根据IBM的博客，几年前，90%的数据是在过去两年中创建的。我想今天可以扩展到95%左右。与数据一起，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降低了。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，我们已经看到了大量应用程序，这些应用程序专注于根据从此分析中获得的见解做出更好的决策。

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，我们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变得如此之少？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中较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“学习”垃圾邮件通常的样子。它可以理解发件人不是可能向您发送电子邮件的人，或者从电子邮件的文本中可以理解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，识别图像代表什么，然后确定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？第二个挑战是你是否能检测到猫在图像中的确切位置？

随着深度学习的发展，这一领域已经有了几次突破。从猫的检测开始，新款iPhone具有基于面部检测的锁定功能。这些算法能够区分照片的更精细的细节，并且速度足够快，可用于做出实时决策。这些算法正在检测照片中是否有一只猫，但现在他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，你会得到像自动驾驶汽车这样的迷人应用。他们能够感知周围的环境，并用它来导航环境。理解环境中的不同对象，了解它们的行为或操作方式的差异以及它们在环境中所暗示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使用它来做出决定。本文提供了有关它们如何制造及其背后的技术的更深入和交互式阅读。

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。这是人工智能取得进展的另一个领域。虽然人类的思维只能处理三到四个维度，但人工智能算法没有限制。当您狂欢观看 Netflix 推荐的节目时，他们的推荐引擎可能会考虑很多不同的东西;您的年龄，性别，此个人资料中的其他人喜欢看什么，您一直在看什么样的节目，该节目的评论，其他用户对此节目的参与度以及许多其他此类属性。

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。人工智能根据它提供的数据提供建议或解决方案，因此与该数据的质量一样好。为了能够真正利用这项技术提供的功能，我们必须考虑组织我们收集的数据并在所有产品中对其进行管理。人工智能圈子里俗语是“垃圾进，垃圾出”。

人工智能给建筑业带来了哪些变化？

在过去的几年里，建筑技术得到了大量的投资。这笔投资的很大一部分用于施工工作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经转移到云端，运营管理也变得更加“传感器化”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发现了更多的实用性。

创成式设计

创成式设计是一个找形过程，可以模仿大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种可能的排列以找到最佳选择。有了一个例子就更清楚了。

多伦多的欧特克团队搬进了一座新建筑，该建筑采用新的设计流程设计，这也是一个很好的故事。研究人员使用衍生式设计来帮助他们找到满足他们所有需求的理想建筑设计。这个过程从了解对办公楼居民很重要的所有参数开始——邻接偏好、工作方式偏好、嗡嗡声、生产力、日光和外部景观。

然后将该输入输入到计算机系统中，该系统了解这些设计参数以及物理位置的要求。然后，该算法生成了几种适合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，并根据几次对话来工作和改革最终设计。正如本文更深入地解释的那样，除了解决棘手的实际挑战外，创成式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。

风险缓解

风险评估和缓解每天都在建筑工地上进行。有数百个分包商同时从事不同的行业;有成千上万的问题被创建和管理，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为管理这些问题而面临的挑战，以及使用AI可以改进流程的方法。在与几位施工主管交谈，访问他们的工地，然后查看他们生成的数据后，我们发现按风险确定问题的优先级将提供一种提高效率的可行方法。

 

使用AI，特别是构造语言分析，可以自动为问题分配优先级。这些算法能够理解和预测复杂的事情，例如如果不解决问题是否会导致潜在的水渗透。该系统利用了项目中许多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闪烁不完整的问题，并将其记录在BIM 360 Field中，这是通常的做法，那么AI算法会运行此数据并自动将其标记为潜在的水问题。然后，当他们查看仪表板上的所有问题时，可以提请主管注意这一点。该系统目前处于试点阶段，任何使用 BIM 360 产品的人都可以使用。

该系统还更进一步，将问题的所有风险封装到负责它的分包商中。它考虑了有关分包商的各种因素，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，用于指示他们当前暴露项目的风险量，以便施工经理可以更好地安排他们的时间与这些团队更紧密地合作。

安全

施工安全是所有工地的第一要务。BIM 360 IQ专注于了解安全问题的行为和背景，然后将其提请安全管理人员注意。IQ 应用程序会自动扫描工地上的所有安全问题，并在其上贴上标签，指示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有67%是由于与“致命四人”相关的问题 - 跌倒，被击中，夹在中间和触电。IQ算法对安全问题进行分类，这些问题是致命的四个问题的前兆。

该应用程序还提供了导致潜在事故的实际危害的见解，并显示了 39 种不同危害的分布。

这使安全管理人员能够了解他们应该将计划和培训工作重点放在何处，并在进行安全行走时更加注意具体问题。

今天，每天都有大量的照片和视频在工地上拍摄。每个建筑工人都有一部带摄像头的手机，为他们创建的每个问题拍照几乎是标准做法。无人机变得越来越普遍，它们通常用于空中拍摄，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。鉴于照片过多，大多数技术应用程序尚未赶上，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 是一家技术初创公司，正是针对此解决方案。它们提供了一个与其他不同技术供应商集成的平台，将您的所有图像带到一个地方。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。正如我们在前面的自动驾驶汽车示例中看到的那样，可以隔离和理解图像中的各种对象。Smartvid.io 称它们为“智能标签”，它们允许更好的系统对照片进行分类和搜索。

 

欧特克未来将在AEC中为AI做些什么？

BIM 360 IQ 质量产品是第一款用于建筑的 AI 产品，从那时起，我们每年都在努力进一步突破极限。我们构建的应用程序专注于施工质量和安全方面的挑战。我们的下一步努力是采用类似的项目管理方法，并利用人工智能来增强流程。

数据平台

在整个建筑行业中，有几家技术供应商提供解决方案来管理其数据，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 AI 的解决方案的力量可以最好地释放出来。为了满足这一需求，欧特克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带到一个平台，该平台还具有通用分析层的功能。Autodesk正在将其他数据源（如ERP数据和项目管理数据）引入该平台，并与 Smartvid.io，Triax Technologies，SmartBid等其他建筑数据公司合作。

Anand Rajagopal是Autodesk的数据科学家，他是BIM 360产品团队的一员。在目前的职位上，他与客户密切合作，构建、测试和部署特定于构造的机器学习模型。