AI背景下建筑行業(yè)的應(yīng)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(yīng)用已經(jīng)有很多相關(guān)研究，并且已經(jīng)有部分項(xiàng)目落地。北京和深圳已經(jīng)作為試點(diǎn)城市，在現(xiàn)有數(shù)字化審圖系統(tǒng)基礎(chǔ)上引入人工智能相關(guān)技術(shù)并形成可復(fù)制的經(jīng)驗(yàn)。但是受限于發(fā)展水平，AI的應(yīng)用領(lǐng)域還是相對(duì)有限。參考ChatGPT發(fā)展路徑，AI在建筑業(yè)的應(yīng)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(jì)算機(jī)理解、解釋和運(yùn)用人類語言?；仡櫚l(fā)展歷程來看，上世紀(jì)50年代，科學(xué)家已經(jīng)開始進(jìn)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(xué)習(xí)的階段；上世紀(jì)80年代開始，進(jìn)入MachineLearning的時(shí)代，與之前的區(qū)別是開始基于一定范圍的數(shù)據(jù)進(jìn)行參數(shù)分類；上世紀(jì)90年代開始，以CNN、RNN等為代表的神經(jīng)網(wǎng)絡(luò)開始獲得突破，開始模仿人腦進(jìn)行大量數(shù)據(jù)的標(biāo)記和訓(xùn)練。2017年，AshishVaswaniet.al在論文《AttentionIsAllYouNeed》中提出了一種新的簡(jiǎn)單架構(gòu)——TransformerArchitecture，這種模型基于注意力機(jī)制，不用重復(fù)和卷積，因而這些模型在質(zhì)量上更優(yōu)，同時(shí)更易于并行化，需要的訓(xùn)練時(shí)間明顯更少。

圖表：NLP發(fā)展歷程

ChatGPT能實(shí)現(xiàn)的人類意圖，來自于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及Transformer模型的多種技術(shù)模型積累。最早在2018年OpenAI推出GPT-1，其中大約有1.17億個(gè)參數(shù)，這一代模型的核心手段是預(yù)訓(xùn)練，通過不斷的手動(dòng)標(biāo)記數(shù)據(jù)，結(jié)合無監(jiān)督預(yù)訓(xùn)練和有監(jiān)督微調(diào)減輕NLP中的監(jiān)督學(xué)習(xí)，本質(zhì)上模型是相對(duì)TransformerArchitecture的顯著簡(jiǎn)化；后續(xù)的GPT-2去掉了GPT-1中的有監(jiān)督微調(diào)的階段，轉(zhuǎn)向更通用的系統(tǒng)，最終不需要為每個(gè)任務(wù)都手動(dòng)創(chuàng)建標(biāo)記去訓(xùn)練，GPT-3的參數(shù)數(shù)量等相對(duì)之前有了極大飛躍，達(dá)到1750億個(gè)參數(shù)，在許多NLP數(shù)據(jù)集上都實(shí)現(xiàn)了很強(qiáng)的性能。

在建筑領(lǐng)域，不同的需求適應(yīng)的神經(jīng)網(wǎng)絡(luò)不同，不能簡(jiǎn)單從ChatGPT去移植。在建筑領(lǐng)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(shí)間序列等，對(duì)應(yīng)則可能需要CNN、transformer、LSTM等模型去搭建神經(jīng)網(wǎng)絡(luò)，并且設(shè)計(jì)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(shè)計(jì)圖、施工圖等的時(shí)候，需要應(yīng)用到GANs去生成新圖像。所以當(dāng)前階段，我們更看好ChatGPT在設(shè)計(jì)環(huán)節(jié)以及一些固定的文本處理環(huán)節(jié)（標(biāo)準(zhǔn)化、重復(fù)性、邏輯性較高，需要計(jì)算機(jī)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(duì)于建筑行業(yè)應(yīng)用AI的啟發(fā)：是否能夠提供出高質(zhì)量數(shù)據(jù)集或是大范圍應(yīng)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(duì)數(shù)據(jù)和標(biāo)簽質(zhì)量的重視程度極高。從GPT-1到ChatGPT/GPT-4，所用的訓(xùn)練數(shù)據(jù)大體經(jīng)歷了以下變化：小數(shù)據(jù)（對(duì)于OpenAI而言較小，但實(shí)際數(shù)據(jù)量已經(jīng)很大）->大一點(diǎn)的高質(zhì)量數(shù)據(jù)->更大一點(diǎn)的更高質(zhì)量數(shù)據(jù)->高質(zhì)量人類（指能通過考試的標(biāo)注者）標(biāo)注的高質(zhì)量數(shù)據(jù)。其中模型設(shè)計(jì)并沒有很顯著的變化，高質(zhì)量的標(biāo)注數(shù)據(jù)是至關(guān)重要的。因此，引申到建筑業(yè)，是否能夠提供高質(zhì)量數(shù)據(jù)集或是大范圍應(yīng)用的重要因素，而擁有量更大的高質(zhì)量數(shù)據(jù)的企業(yè)有望成為行業(yè)內(nèi)在AI領(lǐng)域更有話語權(quán)的公司。

AI在建筑設(shè)計(jì)中的應(yīng)用潛力很大，比如提高建筑的效能、縮短設(shè)計(jì)時(shí)間和成本等。AI可以應(yīng)用在建筑設(shè)計(jì)上，主要是通過設(shè)計(jì)工具和軟件來實(shí)現(xiàn)。例如，在建筑設(shè)計(jì)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(jié)構(gòu)、提高建筑的能源效率等。另外，AI也可以用于建筑材料和構(gòu)件的選取、預(yù)測(cè)建筑能耗等方面。例如，基于神經(jīng)網(wǎng)絡(luò)的模型可以預(yù)測(cè)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(fù)擔(dān)。這些應(yīng)用領(lǐng)域都需要大量的數(shù)據(jù)和復(fù)雜的模型來實(shí)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(lǐng)域的效率和可持續(xù)性。

圖：AI在建筑設(shè)計(jì)中的應(yīng)用潛力

AI在建筑能耗預(yù)測(cè)、室內(nèi)環(huán)境監(jiān)測(cè)、建筑物智能控制等領(lǐng)域已經(jīng)有學(xué)者進(jìn)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(fù)雜度非常高，而AI模型因其高度的自學(xué)習(xí)、自組織和自適應(yīng)能力以及其自身的非線性，其不需要知道具體的數(shù)學(xué)模型即可具備執(zhí)行任務(wù)的能力，從而彌補(bǔ)傳統(tǒng)工程預(yù)測(cè)建筑能耗精確度低的缺點(diǎn)。此外，AI在建筑結(jié)構(gòu)安全監(jiān)測(cè)和建筑物智能控制等領(lǐng)域也都具有廣泛的應(yīng)用。

建筑結(jié)構(gòu)檢測(cè)已經(jīng)有一些應(yīng)用案例，但是計(jì)算的復(fù)雜度較高，AI應(yīng)用有望打開新局面。安裝在各種民用基礎(chǔ)設(shè)施上的結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)（SHM）中往往含有數(shù)量可觀的傳感器，這些傳感器會(huì)獲取大量的監(jiān)測(cè)數(shù)據(jù)被用以追蹤結(jié)構(gòu)的健康狀況和檢測(cè)結(jié)構(gòu)損傷。傳統(tǒng)的數(shù)據(jù)分析方法面臨環(huán)境噪聲、測(cè)量數(shù)據(jù)量大、計(jì)算復(fù)雜度等挑戰(zhàn)，嚴(yán)重制約了SHM技術(shù)的廣泛應(yīng)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(gè)環(huán)節(jié)，在建筑設(shè)計(jì)及后續(xù)施工、管理運(yùn)維層面，AI也可以發(fā)揮其作用：

-設(shè)計(jì)及可行性分析：通過分析建筑結(jié)構(gòu)、土地利用、建筑成本等因素，提供設(shè)計(jì)和建設(shè)決策上的支持。

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

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

-施工管理：通過監(jiān)測(cè)和控制施工流程、質(zhì)量和安全，確保工程質(zhì)量和進(jìn)度，并降低不必要的成本風(fēng)險(xiǎn)。

-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(dòng)化和機(jī)器學(xué)習(xí)，提高建筑能源效率、安全等方面的績效。

-建筑設(shè)備維護(hù)與管理：通過監(jiān)測(cè)建筑設(shè)備的狀態(tài)，提供快速維修服務(wù)和預(yù)防性維護(hù)管理，降低設(shè)備故障風(fēng)險(xiǎn)和成本。

AI已經(jīng)開始在審圖環(huán)節(jié)試點(diǎn)應(yīng)用。建筑施工圖中包含數(shù)據(jù)種類多，復(fù)雜性高，并且要求精度高，目前AI在建筑施工圖中的應(yīng)用比較少見，但是可以通過AI模型輔助建筑施工圖的自動(dòng)生成、解析、檢驗(yàn)等任務(wù)。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(diǎn)城市，開始在現(xiàn)有數(shù)字化審圖系統(tǒng)基礎(chǔ)上，引入人工智能相關(guān)技術(shù)，研發(fā)人工智能審圖基礎(chǔ)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(zhì)量，為施工圖審查改革和工程建設(shè)項(xiàng)目審批制度改革工作提供可復(fù)制可推廣經(jīng)驗(yàn)。

除此以外，設(shè)計(jì)圖生成已經(jīng)有學(xué)者在室內(nèi)設(shè)計(jì)有所應(yīng)用。目前，WeiHuang已經(jīng)提出了一種基于神經(jīng)網(wǎng)絡(luò)的建筑布局生成方法，使用GAN來尋找人工標(biāo)記過的公寓平面圖與真實(shí)圖紙之間的關(guān)系，從標(biāo)簽到平面的映射展示了神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)生成能力，而從平面到標(biāo)簽的映射展示了設(shè)計(jì)識(shí)別能力。雖然說目標(biāo)結(jié)果有所差異，但是人類設(shè)計(jì)師在設(shè)計(jì)時(shí)，根據(jù)不同的目的，相應(yīng)結(jié)構(gòu)布局也會(huì)有所差異，在可接受范圍之內(nèi)。

人工智能在設(shè)計(jì)圖紙打標(biāo)簽、建筑物分類標(biāo)注已經(jīng)有所初步應(yīng)用。神經(jīng)網(wǎng)絡(luò)可以將建筑施工圖進(jìn)行分類和標(biāo)注，自動(dòng)分類和標(biāo)注施工圖中的建筑設(shè)計(jì)元素，在Dr.JenniferNG的實(shí)驗(yàn)中已經(jīng)達(dá)到超過99%的置信水平；除此以外，還可以訓(xùn)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(shí)別任務(wù)的絕大多數(shù)訓(xùn)練數(shù)據(jù)都是由人類注釋的，大型訓(xùn)練數(shù)據(jù)集的可用性是AI的最大限制之一。

AI在建筑領(lǐng)域的發(fā)展情況仍需持續(xù)跟蹤。建筑設(shè)計(jì)及施工圖可能采用多種神經(jīng)網(wǎng)絡(luò)架構(gòu)，具體取決于應(yīng)用場(chǎng)景、數(shù)據(jù)類型和算法選擇，并且需要相應(yīng)的數(shù)據(jù)集去訓(xùn)練。建筑設(shè)計(jì)及施工圖中，涵蓋圖像數(shù)據(jù)（設(shè)計(jì)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(duì)于設(shè)計(jì)施工圖稿的標(biāo)注等）以及時(shí)間序列數(shù)據(jù)（施工圖中的流程、進(jìn)度等），具體對(duì)于神經(jīng)網(wǎng)絡(luò)模型的需求如下：

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

2.循環(huán)神經(jīng)網(wǎng)絡(luò)（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(shí)間序列數(shù)據(jù)，如施工進(jìn)度、時(shí)間安排等。

3.長短時(shí)記憶網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）：一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)，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(jié)構(gòu)、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(duì)抗網(wǎng)絡(luò)（GenerativeAdversarialNetworks，GANs）：可以生成與建筑施工圖類似的新圖像，可用于指導(dǎo)設(shè)計(jì)和規(guī)劃。

當(dāng)前階段，AI在建筑設(shè)計(jì)領(lǐng)域的應(yīng)用短期內(nèi)還是以提高人效為主，實(shí)現(xiàn)替代還需要技術(shù)進(jìn)一步迭代。如上，建筑設(shè)計(jì)、施工圖中完全應(yīng)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(xùn)練繁多子模型。所以，在初期，AI很難實(shí)現(xiàn)對(duì)人工的替代，更多的價(jià)值在于對(duì)人工的輔助，比如實(shí)現(xiàn)審圖、打標(biāo)記、初步識(shí)別轉(zhuǎn)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(biāo)簽去生成高質(zhì)量數(shù)據(jù)，并且基礎(chǔ)模型或者算力有所突破，AI或可以在建筑領(lǐng)域有更大作為。

往終局去看，在設(shè)計(jì)領(lǐng)域，已經(jīng)有大量的設(shè)計(jì)施工經(jīng)驗(yàn)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(duì)更具備競(jìng)爭(zhēng)優(yōu)勢(shì)，在人工智能賽道有望實(shí)現(xiàn)率先突破。根據(jù)建筑行業(yè)發(fā)展規(guī)律及情況，設(shè)計(jì)領(lǐng)域的擴(kuò)張主要依賴人員規(guī)模，人效的提升目前處在瓶頸期，AI進(jìn)入設(shè)計(jì)領(lǐng)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(jìng)爭(zhēng)優(yōu)勢(shì)更強(qiáng)。

• 相關(guān)深度報(bào)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(bào)告

  中研普華的整份研究報(bào)告向您詳盡描述您所處的行業(yè)形勢(shì)，為您提供詳盡的內(nèi)容。中研普華在其多年的行業(yè)研究經(jīng)驗(yàn)基礎(chǔ)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(nèi)處于領(lǐng)先地位，...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡