機器學習和人工智能（AI）的出現使建築領域處於有利地位。作為Autodesk BIM 360 Project IQ團隊的一部分，我有幸參加了Autodesk進軍機器學習以進行構建的嘗試。本文總結了該領域的發展，並介紹了一些人可以準備從中獲得最大價值的方法，包括對AI和機器學習在建築中的某些應用的廣泛調查及其潛在影響。這些過程正在各個領域進行更改，包括風險管理，進度管理，分包商管理，建築工地環境監控和安全等。

當我們談論 AI 的時候我們在談論些什麼？

公眾對人工智能的認識通常介於兩個極端之間：讓人工智能統治整個世界，使它被視為幻想而沒有經過認真的交談。實際上，真相位於中間的某個地方，人工智能遠非超級智能的形式，而是研究的一個分支，已經發現了巨大的應用，並且是當今技術應用的重要驅動因素。

傳統上，定義AI一直是一個挑戰。 “人工”是定義中較容易的部分，在這裡它可以簡單地表示“不是自然發生的”。另一方面，“情報”使研究人員陷入了困境。一般而言，人工智能是指廣泛的科學領域，涵蓋了從計算機科學和心理學到哲學和語言學的一系列主題。它主要涉及使計算機執行通常需要人類智能的任務。本系列文章提供了更深入的閱讀，以瞭解人工智能的定義和歷史。

現在在AI的更廣泛範圍內有許多工作領域，但在這裡我想定義兩個較流行的領域-機器學習和深度學習。機器學習就是其中一種子集，它處理允許計算機從數據中學習而無需進行顯式編程的編寫算法。例如，如果您想編寫一種算法來識別電子郵件中的垃圾郵件，則必須對算法進行培訓，方法是將其暴露給許多手動標記為垃圾郵件或非垃圾郵件的電子郵件示例。該算法“學習”以識別模式，例如某些單詞的出現或單詞的組合，這些模式確定了電子郵件被垃圾郵件的可能性。

在機器學習的保護下，深度學習可以看作是一組專門技術，而這些技術實際上是最近才發展起來的。它們基於神經網絡，神經網絡是一種模擬人腦神經元的機器學習算法。深度學習使圖像和語言處理領域取得了一些突破，從而使諸如家庭助理和自動駕駛汽車等高級應用成為可能。

影響因素

人工智能作為一個學術領域，已經存在了很長的時間，自1956年舉行了有關該主題的第一次會議。但是在過去的十年中，它已成為越來越多的關注焦點。這可以歸因於幾個因素，這些因素最近都得到了很大改善。所有AI都需要提供大量數據，以支持可以從中獲得的見解，並且在過去幾年中，生成的數據量已大大增加。根據IBM博客的說法，幾年前，然後在最近兩年中創建了90％的數據。我想今天可以擴大到95％左右。與數據一起，可用於分析此數據的計算能力每年都呈指數級增長，而計算能力的成本卻降低了。如今，幾乎所有數據都駐留在雲中，並且由於有足夠的資源來處理這些數據，我們看到了大量的應用程序，這些應用程序專注於根據從此分析中獲得的見解做出更好的決策。

人工智能的應用

開始理解AI應用程序範圍的一個好方法是檢查它的普及程度。我們每天都會收到幾封電子郵件，而且我們大多數人花在我們上面的時間比我們想要的更多。但是，您是否注意到離譜的垃圾郵件數量已經很少了？五年前，您每週至少會收到一封電子郵件，聲稱您已中了彩票。垃圾郵件檢測是機器學習的較早且更為知名的應用之一。通過查看成千上萬封電子郵件，計算機程序已經能夠“學習”垃圾郵件的通常外觀。它可以理解，發件人不是可能向您發送電子郵件的人，或者從該電子郵件的文本中得知該內容最有可能是欺詐性的。這只是文本處理的一個示例。

發展的另一個領域是圖像分析。這個空間中的問題可以分為兩大類：識別圖像代表什麼，然後識別對象在圖像中的確切位置。例如，給定一張照片，照片中有隻貓嗎？第二個挑戰是您是否可以檢測出圖像中貓的確切位置？

隨著深度學習的發展，該領域已經有了一些突破。從檢測貓的角度出發，新iPhone具備了基於面部檢測的鎖定功能。該算法能夠區分出照片的精細細節，並且處理速度足夠快，因此可以用於做出實時決策。該算法正在檢測照片中是否有貓，但是現在它們實際上可以告訴您每張照片中是否有貓。 當這些圖像識別和檢測算法與其他形式的AI結合使用時，您將獲得引人入勝的應用程序，例如自動駕駛汽車。他們能夠感知周圍的環境，並以此來導航環境。瞭解環境中的不同對象，瞭解其行為或操作方式的差異以及它們在環境中暗示的規則是一項複雜的任務。下圖是自動駕駛汽車用於導航的視圖示例。該系統能夠區分人，汽車，靜止物體。它必須瞭解紅燈和單向標誌的含義。它能夠估計對象之間的距離，並以此做出決策。本文提供了有關它們的製造方法及其背後的技術的更深入的交互式閱讀。

做出決定時，人類的大腦能夠處理大約三到四個不同的數據點。這是人工智能取得進展的另一個領域。雖然人類的思維只能處理三到四個維度，但AI算法沒有限制。當您狂熱地觀看Netflix推薦的節目時，他們的推薦引擎可能考慮了很多不同的事物。您的年齡，性別，此個人資料的其他人喜歡看什麼，您正在看什麼樣的節目，該節目的評論，該節目的其他用戶參與度以及許多其他屬性。

所有這些示例的共同要求是這些算法需要大量數據以供學習。 AI根據提供的數據提供建議或解決方案，因此僅與該數據的質量一樣好。為了能夠真正利用這項技術提供的功能，我們必須考慮組織整理我們收集的數據並在所有產品中進行管理。人工智能界的一句俗語是：“垃圾進，垃圾出”。

人工智能給建築帶來了什麼變化？

在過去的幾年中，用於建築的技術已獲得大量投資。這項投資的很大一部分用於建設工作流程不同部分的數字化。 BIM模型改變了建築物的設計方式，項目管理和問題管理流程已轉移到雲中，運營管理也變得更加“敏感”和自動化。隨著數據的可用性，基於AI的應用程序已在建築中找到更多實用程序。

生成設計

生成設計是一種形式尋找過程，可以模仿自然界的進化設計方法。計算機科學家已經找到了輔助建築設計過程的方法。通常，首先要明確指定設計目標，然後探索解決方案的無數種可能組合，以找到最佳選擇。通過示例將變得更加清晰。

多倫多的Autodesk團隊已搬入新大樓，該大樓採用了新的設計流程進行設計，這也造就了一個好故事。研究人員使用生成式設計來幫助他們找到滿足他們所有需求的建築物的理想設計。該過程首先要了解對辦公大樓居民重要的所有參數-鄰接偏好，工作風格偏好，嗡嗡聲，生產率，日光和對外界的看法。

從左到右，每個計劃都覆蓋有以下參數的模擬：鄰接首選項，工作風格首選項，嗡嗡聲，生產率，日光和外部視圖。

然後將該輸入輸入計算機系統，該計算機系統會理解這些設計參數以及實際位置的要求。然後，該算法產生了幾種設計，這些設計適合建築師可以從中選擇的所有這些需求，以匹配樣式和其他需求。由於此過程非常快，因此很容易使設計經驗重複進行，並根據幾次對話進行工作並改革最終設計。正如本文中更深入介紹，除了解決棘手的實際挑戰，生成設計也通過產生提高多個利益相關者之間的調度和協調設計，全面提升開發過程的效率和經濟性。

風險緩解

每天在施工現場進行風險評估和緩解。有數百個分包商同時從事不同行業。有成千上萬的問題被創建和管理，並且一切都在不斷變化。該BIM 360智商的項目集中在理解的挑戰施工管理人員，項目經理和管理者，對付日常管理這些問題，這一過程可能與AI進行改進的途徑上。說話的幾個建築的管理者，訪問他們的工地，然後看著他們被產生的數據後，我們確定的由風險問題將提供提高效率的一種可行的方式優先。

使用AI，尤其是構造語言分析，可以自動為問題分配優先級。該算法能夠理解和預測複雜的事物，例如如果不解決問題是否會導致潛在的水滲透。該系統利用了項目中許多質量經理在監視項目時所觀察到的描述。

BIM 360 IQ提供了一系列優先事項，以引起主管的注意。

例如，如果一個質量經理遵守有關窗外閃爍的不完整，並將其記錄BIM 360場的問題，因為通常的做法，那麼AI算法運行通過這個數據，並自動將其標記為潛在的水問題。然後，當他們查看儀表板上的所有問題時，便可以引起總監的注意。該系統目前可在試用版上使用，任何使用BIM 360產品的人都可以使用。

該系統還邁出了一步，將問題的所有風險彙總到負責該問題的分包商中。它考慮了有關分包商的各種因素，例如，他們過去在問題管理方面的行為，當前的工作量，他們負責的問題的重要性。該算法然後能夠分配一個“風險評分”項目中的每一個分包商，度量，以表明他們目前暴露該項目的風險程度，使施工管理人員能夠更好地優先自己的時間來工作，更緊密這些團隊。

安全

施工安全是所有工作現場的頭等大事。 BIM 360 IQ專注於瞭解安全問題的行為和環境，然後將其引起安全管理人員的注意。 IQ應用程序會自動掃描作業現場上的所有安全問題，並在標籤上附加一個標籤，指示是否可能導致潛在的死亡。美國職業安全與健康管理局（OSHA）顯示，2015年所有與建築相關的死亡人數中，有約67％是由於與“致命四人”有關的問題-跌倒，撞倒，夾住和觸電死亡。 IQ算法將安全問題歸類為致命的四個問題。

IQ應用程序顯示了項目分包商的列表，並按“致命四類”分類細分了他們的安全問題。

該應用程序還可以深入瞭解導致潛在事故的實際危害是什麼，並顯示了39種不同危害的分佈情況。

IQ應用程序可以在安全問題中檢測到的部分危險。

這使安全經理可以瞭解他們應該在哪裡進行計劃和培訓，並在進行安全行走時更加註意特定的問題。

如今，每天在工作場所拍攝大量照片和視頻。每個建築工人都有一部帶攝像頭的電話，幾乎每當一個問題拍攝照片時，這都是標準做法。無人機已經變得越來越普遍，它們通常用於空中射擊以及更高級的活動，例如測量進度。專業人士和智能頭盔也變得越來越普遍。鑑於照片太多，大多數技術應用尚未趕上，並且還沒有一個好的解決方案來管理照片或利用它們來獲得更好的洞察力。

Smartvid.io是專門針對此解決方案的技術初創公司。他們提供了一個平臺，可與其他不同的技術供應商集成，以將您的所有圖像放置在一個地方。但是，他們走了一步，他們使用AI來了解圖像中的內容。就像我們在自動駕駛汽車示例中看到的那樣，可以隔離和理解圖像中的各個對象。

Smartvid.io稱它們為“智能標籤”，它們使您可以使用更好的系統對照片進行分類和搜索。

在這張建築工人下梯子的圖像中，Smartvid.io可以自動將左側顯示的標籤添加到圖像中。

由於Smartvid.io瞭解構造中的高級概念，因此它提供了更智能的搜索。上圖顯示了查詢“天花板上方”項目中的所有圖像。

未來，Autodesk對於AEC中的AI會做什麼？

自從我們每年都在努力提高質量以來，BIM 360 IQ產品質量是第一款用於建築的AI產品。我們構建的應用程序著眼於建築質量和安全方面的挑戰。我們的下一個工作是採用類似的方法進行項目管理，並利用AI來增強流程。

數據平臺

在整個建築行業中，有多家技術供應商提供解決方案來管理其數據，但它們通常彼此不兼容。當所有數據源都可以相互連接時，可以最佳地釋放基於AI的解決方案的功能。為了滿足這一需求，Autodesk還致力於建立一個允許第三方集成的數據平臺。這將使不同的建築公司能夠將其所有數據帶到一個平臺，該平臺還具有通用分析層的功能。 Autodesk將其他數據源（例如ERP數據和項目管理數據）引入該平臺，並與其他建築數據公司（例如Smartvid.io，Triax Technologies，SmartBid等）合作。

本文編譯自 | medium.com 作者｜Anand Rajagopal，職位 ｜ Autodesk的數據科學家ay.technologies 譯者 | Yafei

轉載請聯繫後臺獲得申請，否則將按照對應平臺的規則投訴處理。