AI背景下建筑行業(yè)的應用現(xiàn)狀和前景

• 柯壯賓 2023年5月10日 來源：中研網(wǎng) 1167 75
• 繁體

目前，AI在建筑業(yè)的應用已經(jīng)有很多相關研究，并且已經(jīng)有部分項目落地。北京和深圳已經(jīng)作為試點城市，在現(xiàn)有數(shù)字化審圖系統(tǒng)基礎上引入人工智能相關技術并形成可復制的經(jīng)驗。但是受限于發(fā)展水平，AI的應用領域還是相對有限。參考ChatGPT發(fā)展路徑，AI在建筑業(yè)的應用主要受1

ChatGPT是自然語言處理發(fā)展的產(chǎn)物。自然語言處理（NaturalLanguageProcessing,NLP）作為人工智能的重要研究方向，旨在幫助計算機理解、解釋和運用人類語言?；仡櫚l(fā)展歷程來看，上世紀50年代，科學家已經(jīng)開始進行基于規(guī)則的少量數(shù)據(jù)處理，總體是基于模板和規(guī)則的學習的階段；上世紀80年代開始，進入MachineLearning的時代，與之前的區(qū)別是開始基于一定范圍的數(shù)據(jù)進行參數(shù)分類；上世紀90年代開始，以CNN、RNN等為代表的神經(jīng)網(wǎng)絡開始獲得突破，開始模仿人腦進行大量數(shù)據(jù)的標記和訓練。2017年，AshishVaswaniet.al在論文《AttentionIsAllYouNeed》中提出了一種新的簡單架構——TransformerArchitecture，這種模型基于注意力機制，不用重復和卷積，因而這些模型在質量上更優(yōu)，同時更易于并行化，需要的訓練時間明顯更少。

圖表：NLP發(fā)展歷程

ChatGPT能實現(xiàn)的人類意圖，來自于機器學習、神經(jīng)網(wǎng)絡以及Transformer模型的多種技術模型積累。最早在2018年OpenAI推出GPT-1，其中大約有1.17億個參數(shù)，這一代模型的核心手段是預訓練，通過不斷的手動標記數(shù)據(jù)，結合無監(jiān)督預訓練和有監(jiān)督微調減輕NLP中的監(jiān)督學習，本質上模型是相對TransformerArchitecture的顯著簡化；后續(xù)的GPT-2去掉了GPT-1中的有監(jiān)督微調的階段，轉向更通用的系統(tǒng)，最終不需要為每個任務都手動創(chuàng)建標記去訓練，GPT-3的參數(shù)數(shù)量等相對之前有了極大飛躍，達到1750億個參數(shù)，在許多NLP數(shù)據(jù)集上都實現(xiàn)了很強的性能。

在建筑領域，不同的需求適應的神經(jīng)網(wǎng)絡不同，不能簡單從ChatGPT去移植。在建筑領域涉及到的數(shù)據(jù)種類繁多，有圖片、文本以及特殊類別的數(shù)據(jù)比如時間序列等，對應則可能需要CNN、transformer、LSTM等模型去搭建神經(jīng)網(wǎng)絡，并且設計圖中還含有高維數(shù)據(jù)，這種情況下需要使用Autoencoder去將數(shù)據(jù)降維并提取特征，而在繪制設計圖、施工圖等的時候，需要應用到GANs去生成新圖像。所以當前階段，我們更看好ChatGPT在設計環(huán)節(jié)以及一些固定的文本處理環(huán)節(jié)（標準化、重復性、邏輯性較高，需要計算機輔助的加工文本類型數(shù)據(jù)的環(huán)節(jié)）幫助建筑企業(yè)提高效率。

對于建筑行業(yè)應用AI的啟發(fā)：是否能夠提供出高質量數(shù)據(jù)集或是大范圍應用的重要因素。綜合來看，數(shù)據(jù)集在ChatGPT的發(fā)展歷程中扮演了極其重要的角色，OpenAI對數(shù)據(jù)和標簽質量的重視程度極高。從GPT-1到ChatGPT/GPT-4，所用的訓練數(shù)據(jù)大體經(jīng)歷了以下變化：小數(shù)據(jù)（對于OpenAI而言較小，但實際數(shù)據(jù)量已經(jīng)很大）->大一點的高質量數(shù)據(jù)->更大一點的更高質量數(shù)據(jù)->高質量人類（指能通過考試的標注者）標注的高質量數(shù)據(jù)。其中模型設計并沒有很顯著的變化，高質量的標注數(shù)據(jù)是至關重要的。因此，引申到建筑業(yè)，是否能夠提供高質量數(shù)據(jù)集或是大范圍應用的重要因素，而擁有量更大的高質量數(shù)據(jù)的企業(yè)有望成為行業(yè)內在AI領域更有話語權的公司。

AI在建筑設計中的應用潛力很大，比如提高建筑的效能、縮短設計時間和成本等。AI可以應用在建筑設計上，主要是通過設計工具和軟件來實現(xiàn)。例如，在建筑設計過程中，使用AI可以幫助建筑師確定最佳的建筑形態(tài)、優(yōu)化結構、提高建筑的能源效率等。另外，AI也可以用于建筑材料和構件的選取、預測建筑能耗等方面。例如，基于神經(jīng)網(wǎng)絡的模型可以預測建筑中不同系統(tǒng)的能源需求，以便壓縮能源使用，減少環(huán)境負擔。這些應用領域都需要大量的數(shù)據(jù)和復雜的模型來實現(xiàn)，AI可以有效地處理這些數(shù)據(jù)和模型，從而提高建筑領域的效率和可持續(xù)性。

圖：AI在建筑設計中的應用潛力

AI在建筑能耗預測、室內環(huán)境監(jiān)測、建筑物智能控制等領域已經(jīng)有學者進行了深度研究。由于受燃料消耗、環(huán)境影響和二氧化碳排放等多方面的影響，建筑能源系統(tǒng)的復雜度非常高，而AI模型因其高度的自學習、自組織和自適應能力以及其自身的非線性，其不需要知道具體的數(shù)學模型即可具備執(zhí)行任務的能力，從而彌補傳統(tǒng)工程預測建筑能耗精確度低的缺點。此外，AI在建筑結構安全監(jiān)測和建筑物智能控制等領域也都具有廣泛的應用。

建筑結構檢測已經(jīng)有一些應用案例，但是計算的復雜度較高，AI應用有望打開新局面。安裝在各種民用基礎設施上的結構健康監(jiān)測系統(tǒng)（SHM）中往往含有數(shù)量可觀的傳感器，這些傳感器會獲取大量的監(jiān)測數(shù)據(jù)被用以追蹤結構的健康狀況和檢測結構損傷。傳統(tǒng)的數(shù)據(jù)分析方法面臨環(huán)境噪聲、測量數(shù)據(jù)量大、計算復雜度等挑戰(zhàn)，嚴重制約了SHM技術的廣泛應用。近年來，基于AI的數(shù)據(jù)處理方法為挖掘、清洗和分析SHM系統(tǒng)生成的海量數(shù)據(jù)提供了相較傳統(tǒng)數(shù)據(jù)處理方法更加高效精確的新途徑。

除了上述提及的各個環(huán)節(jié)，在建筑設計及后續(xù)施工、管理運維層面，AI也可以發(fā)揮其作用：

-設計及可行性分析：通過分析建筑結構、土地利用、建筑成本等因素，提供設計和建設決策上的支持。

-材料采購及控制：建立供應鏈管理系統(tǒng)，優(yōu)化材料采購和運輸過程，提高供應效率和降低成本。

-建筑裝飾材料供應：提供建筑裝飾材料采購和供應的支持，根據(jù)客戶需求提供個性化的材料選擇，并確保質量與價格一致。

-施工管理：通過監(jiān)測和控制施工流程、質量和安全，確保工程質量和進度，并降低不必要的成本風險。

-建筑智能化系統(tǒng)：研究和開發(fā)智能化建筑系統(tǒng)，通過自動化和機器學習，提高建筑能源效率、安全等方面的績效。

-建筑設備維護與管理：通過監(jiān)測建筑設備的狀態(tài)，提供快速維修服務和預防性維護管理，降低設備故障風險和成本。

AI已經(jīng)開始在審圖環(huán)節(jié)試點應用。建筑施工圖中包含數(shù)據(jù)種類多，復雜性高，并且要求精度高，目前AI在建筑施工圖中的應用比較少見，但是可以通過AI模型輔助建筑施工圖的自動生成、解析、檢驗等任務。目前在施工圖審圖的環(huán)節(jié)，人工智能已經(jīng)較為成熟，北京和深圳早于2020年已經(jīng)作為試點城市，開始在現(xiàn)有數(shù)字化審圖系統(tǒng)基礎上，引入人工智能相關技術，研發(fā)人工智能審圖基礎系統(tǒng)，形成可靠的智能審圖能力，減少人工審查工作量，提升審查效率和質量，為施工圖審查改革和工程建設項目審批制度改革工作提供可復制可推廣經(jīng)驗。

除此以外，設計圖生成已經(jīng)有學者在室內設計有所應用。目前，WeiHuang已經(jīng)提出了一種基于神經(jīng)網(wǎng)絡的建筑布局生成方法，使用GAN來尋找人工標記過的公寓平面圖與真實圖紙之間的關系，從標簽到平面的映射展示了神經(jīng)網(wǎng)絡的設計生成能力，而從平面到標簽的映射展示了設計識別能力。雖然說目標結果有所差異，但是人類設計師在設計時，根據(jù)不同的目的，相應結構布局也會有所差異，在可接受范圍之內。

人工智能在設計圖紙打標簽、建筑物分類標注已經(jīng)有所初步應用。神經(jīng)網(wǎng)絡可以將建筑施工圖進行分類和標注，自動分類和標注施工圖中的建筑設計元素，在Dr.JenniferNG的實驗中已經(jīng)達到超過99%的置信水平；除此以外，還可以訓練AI直觀地理解建筑環(huán)境中的建筑元素。然而，目前視覺識別任務的絕大多數(shù)訓練數(shù)據(jù)都是由人類注釋的，大型訓練數(shù)據(jù)集的可用性是AI的最大限制之一。

AI在建筑領域的發(fā)展情況仍需持續(xù)跟蹤。建筑設計及施工圖可能采用多種神經(jīng)網(wǎng)絡架構，具體取決于應用場景、數(shù)據(jù)類型和算法選擇，并且需要相應的數(shù)據(jù)集去訓練。建筑設計及施工圖中，涵蓋圖像數(shù)據(jù)（設計圖稿等、在立體模型中還有高緯度數(shù)據(jù)）、文本數(shù)據(jù)（對于設計施工圖稿的標注等）以及時間序列數(shù)據(jù)（施工圖中的流程、進度等），具體對于神經(jīng)網(wǎng)絡模型的需求如下：

1.卷積神經(jīng)網(wǎng)絡（ConvolutionalNeuralNetwork，CNN）：常用于圖像處理和識別任務，可以對建筑施工圖進行高效的特征提取和分類。

2.循環(huán)神經(jīng)網(wǎng)絡（RecurrentNeuralNetwork，RNN）：常用于序列數(shù)據(jù)處理，可適用于處理建筑施工圖中的時間序列數(shù)據(jù)，如施工進度、時間安排等。

3.長短時記憶網(wǎng)絡（LongShort-TermMemory，LSTM）：一種特殊的循環(huán)神經(jīng)網(wǎng)絡，適用于處理長期依賴性的數(shù)據(jù)，如建筑施工圖中的建筑結構、材料及施工條件變化等。

4.自編碼器（Autoencoder，AE）：可以用于數(shù)據(jù)降維和特征提取，適用于建筑施工圖中的高維數(shù)據(jù)處理。

5.生成對抗網(wǎng)絡（GenerativeAdversarialNetworks，GANs）：可以生成與建筑施工圖類似的新圖像，可用于指導設計和規(guī)劃。

當前階段，AI在建筑設計領域的應用短期內還是以提高人效為主，實現(xiàn)替代還需要技術進一步迭代。如上，建筑設計、施工圖中完全應用AI所需要的數(shù)據(jù)集種類繁多，并且沒有一種模型能夠很好的解決所有種類的數(shù)據(jù)，需要訓練繁多子模型。所以，在初期，AI很難實現(xiàn)對人工的替代，更多的價值在于對人工的輔助，比如實現(xiàn)審圖、打標記、初步識別轉化等功能。若參考ChatGPT的發(fā)展，后續(xù)隨著人工給數(shù)據(jù)不斷添加標簽去生成高質量數(shù)據(jù)，并且基礎模型或者算力有所突破，AI或可以在建筑領域有更大作為。

往終局去看，在設計領域，已經(jīng)有大量的設計施工經(jīng)驗及數(shù)據(jù)，已經(jīng)深耕人工智能賽道，并且在數(shù)據(jù)集方面已經(jīng)做出長足積累的企業(yè)相對更具備競爭優(yōu)勢，在人工智能賽道有望實現(xiàn)率先突破。根據(jù)建筑行業(yè)發(fā)展規(guī)律及情況，設計領域的擴張主要依賴人員規(guī)模，人效的提升目前處在瓶頸期，AI進入設計領域有望助力突破現(xiàn)在人效的瓶頸，大幅提高效率，使企業(yè)競爭優(yōu)勢更強。

• 相關深度報告REPORTS

  

  2023-2028年AI安全行業(yè)深度分析及投資戰(zhàn)略研究咨詢報告

  中研普華的整份研究報告向您詳盡描述您所處的行業(yè)形勢，為您提供詳盡的內容。中研普華在其多年的行業(yè)研究經(jīng)驗基礎上建立起了完善的產(chǎn)業(yè)研究體系，一整套的產(chǎn)業(yè)研究方法一直在業(yè)內處于領先地位，...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡