随着机器学习和人工智能 (AI) 蓬勃兴起，施工现场已做好准备从中获益。我是 Autodesk BIM 360 Project IQ 团队的一员，因此有幸参与了 Autodesk 进军建筑行业机器学习这一举措。
本文概述了此领域的发展，介绍了用户从此技术获得最大价值的方式，而且还广泛调查了建筑行业部分人工智能和机器学习应用及其潜在影响。这些应用在各个领域产生了深远影响，包括风险管理、进度管理、分包商管理、施工场地环境监控和安全性，不一而足。
如何理解人工智能概念？
公众对人工智能的认知通常分为两个极端，一端是让人工智能统治世界，一端是将其视为幻想而不被认真对待。事实上，真相介于两者之间，人工智能远非超级智能，而是一个研究分支，具有巨大的应用价值，而且是当今技术应用的重要驱动因素。
定义人工智能历来是一大挑战。“人工”比较好理解，它的意思就是“不是自然发生的”。而“智能”则让研究人员陷入了困境。通常，人工智能是指广泛的科学领域，涉及从计算机科学和心理学到哲学和语言学的各个学科。它主要关注让计算机执行原本通常需要人类智能的任务。 本系列文章提供深度阅读，以便您了解人工智能的定义和历程。
在更广泛的人工智能领域内，有很多方面可以研究，但在本文中我想定义两个更为常见的人工智能 - 机器学习和深度学习。机器学习子集使用一套编写算法，使计算机无需显式编程就能从数据中学习。例如，如果您想编写一个算法来识别电子邮件中的垃圾邮件，您需要通过将算法暴露给大量被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。算法将“学习”如何识别模式，例如出现特定的词语或词语组合，从而确定一封电子邮件是垃圾邮件的概率。
可以将深度学习视为机器学习范畴内最近开发的一系列专业技术。这些技术基于神经网络，这是一种模拟人脑神经元的机器学习算法。深度学习给图像和语言处理领域带来了很多突破，从而使家务助理和无人驾驶汽车等高级应用成为可能。
促成因素
人工智能作为学术领域已经存在很长时间，第一次关于该学科的会议举行于 1956 年。但在过去十年里，它受到的关注越来越多。这可以归因于几个因素，这些因素最近都得到了很大改善。所有人工智能都要求提供大量数据，以便根据数据获取洞察分析，而过去几年生成的数据量激增。根据几年前的 IBM 博客，90% 的数据是在前两年创建的。我猜想这个数字现在可以增加到大约 95%。除了数据之外，用于分析数据的计算能力每年也呈指数增加，而成本有所下降。如今，几乎所有数据都驻留在远程服务中，并且有足够的资源来处理此数据，因此我们看到，人们越来越多地专注于根据从该分析获取的洞察分析制定更好的决策。
人工智能的应用
人工智能已经变得无处不在，这有利于我们着手了解人工智能的应用范围。我们每天都会收到一些电子邮件，大部分人在这些电子邮件上花的时间都比预期多。但是，您是否注意到，烦人的垃圾邮件变得越来越少？五年前，您每周至少会收到一封电子邮件声称您中奖了。垃圾邮件检测是机器学习较早且更广为人知的应用之一。通过检查成千上万封电子邮件，计算机程序能够“学习”垃圾邮件通常是什么样的。它可以理解发件人不是可能向您发送电子邮件的人，或者从电子邮件文本判断出内容极有可能是欺诈性的。这只是文本处理的一个示例。
另一个发展领域是图像分析。此领域的问题可以缩小到两大类，即确定图像表示什么，以及确定图像中对象的确切位置。例如，假设有一张照片，照片中有猫吗？第二个挑战是您能否检测出猫在图像中的确切位置。
随着深度学习的发展，该领域取得了很多突破。从检测猫开始，新款 iPhone 又带来了基于人脸识别的锁定功能。算法能够足够快速地区分照片的更具体细节，因此可以做出实时决策。算法检测照片中是否有猫，但现在它们可以告知您是否每张照片中都有同一只猫。
如果将这些图像识别和检测算法与其他形式的人工智能结合使用，您将获得诸如无人驾驶汽车的酷炫应用。它们能够感知周围环境，并使用这种感知能力导航环境。这是一项复杂任务，要了解环境中的不同对象、对象行为或操作方式的差异以及它们在环境中暗示的规则。下图是用于导航的无人驾驶汽车的视图示例。系统能够区分人、汽车和静态对象。它必须清楚红灯和单行道标志的含义。它还可以估计对象之间的距离，并以此做出判断。 本文提供了有关如何实现及其背后技术的深度交互式阅读。
人脑在制定决策时能够处理三到四个不同的数据点。这是人工智能取得较大进展的另一个领域。人脑只能处理三到四个维度，而人工智能算法没有限制。当您观看 Netflix 推荐的节目时，他们的推荐引擎可能考虑了很多事项：您的年龄、性别、与您相似的其他人喜欢看的节目、您看过的节目类型、节目的评论、其他用户观看该节目的情况以及很多其他因素。
所有这些示例的共同要求是这些算法需要大量数据以从中学习。人工智能根据所提供的数据提出建议或解决方案，因此，它的质量将取决于提供的数据质量。为了能够真正利用这种技术提供的功能，我们必须认真思考要组织我们收集的哪些数据，并在所有产品中进行管理。人工智能圈中有一句俗语：“种瓜得瓜，种豆得豆”。
人工智能给建筑行业带来了哪些变化？
过年几年，我们对建筑行业的技术投入了大量资金。这些投资很大一部分都用于对施工工作流的不同部分进行数字化。BIM 模型改变了建筑的设计方式，项目管理和问题管理流程已经转移到远程服务，运营管理也变得更加“传感器化”和自动化。借助数据，基于人工智能的应用程序发现了建筑行业的更多实用程序。
衍生式设计
衍生式设计是一个找形过程，它可以模拟大自然的进化方式进行设计。计算机科学家发现了多种方式来辅助建筑设计流程。首先，它通常会明确规定设计目标，然后探索解决方案的大量可能组合，以找到最佳方案。下面我们将通过示例更加详细地加以说明。
多伦多的 Autodesk 团队搬迁到了一栋使用新设计流程设计的新办公楼，这是一件大喜事。研究人员使用衍生式设计，帮助他们找到满足其所有需求的理想建筑设计。首先要了解对办公楼用户至关重要的所有参数 - 首选邻近区域、首选工作方式、活跃度、工作效率、日光和外面的风景。
然后，此输入随物理位置要求一起馈送给理解这些设计参数的计算机系统。随后，算法生成多个符合所有这些需求的设计，建筑师可以从中选择一个，以满足风格和其他需求。这个过程非常快，因此很容易实现迭代式设计体验，并根据多个对话处理和重组最终设计。除了解决棘手的实际挑战外，本文还给出了更详细的说明，衍生式设计可以生成有助于改善多个利益相关方之间安排和协调的设计，从而提高整体开发流程的效率和效益。
减轻风险
施工场地每天都会进行风险评估并采取措施减轻风险。有成百上千位分包商同时处理不同的交易；这会产生数千个需要管理的问题，一切都会不断改变。BIM 360 IQ 项目重点了解施工经理、项目经理和负责人每天要应对的挑战，以便通过人工智能管理这些问题以及改进流程的方式。通过与多位施工负责人交谈、参观他们的工作现场，然后检查他们生成的数据，我们发现按风险确定问题的优先顺序将能够以可行的方式提高效率。
使用人工智能，尤其是构造语言分析，可以向问题自动分配优先级。算法能够了解和预测复杂的事项，例如问题是否会导致潜在的渗水（如果不解决）。系统利用不同项目的质量经理在监控自己的项目时观察到的说明。
例如，如果质量经理观察到某个窗户外面的防雨板不完整，并按照常规做法在 BIM 360 Field 中进行记录，然后人工智能算法将浏览此数据，并自动将其标记为潜在的水问题。当负责人在仪表板上审查所有问题时，这可以引起负责人的注意。该系统当前正在试运行，任何使用 BIM 360 产品的用户均可使用。
该系统还会更进一步，将问题带来的所有风险汇总发送给负责的分包商。它会考虑关于分包商的多个因素，例如他们过去的问题管理行为、当前的工作量以及他们负责的问题的重要性。然后，算法可以为项目中的每个分包商分配一个“风险分数”，这是指示当前项目遇到风险程度的指标，以便施工经理能更好地确定时间优先级，从而与这些团队更紧密地合作。
安全性
施工安全性是所有施工现场的头等大事。BIM 360 IQ 重点了解有关安全问题的行为和情境，然后引起安全经理的注意。IQ 应用程序会自动扫描施工现场的所有安全问题，并向其附加一个标记，指示这是否会导致潜在的伤亡。根据 OSHA 的数据，2015 年与施工有关的所有死亡人数中 67% 是由于“四个致命”问题导致 - 高空坠落、撞击、卡住和触电。IQ 算法会对属于这四个致命问题前兆的安全性问题进行分类。
应用程序还提供了有关导致潜在事故的实际危险是什么的洞察分析，并显示 39 种不同危险的分布。
这样安全经理就可以了解他们应将计划和培训工作的重心放在哪里，并且在进行安全演练时更敏锐地发现具体问题。
现在每天都会在施工现场拍摄大量的照片和视频。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摄照片几乎已经成为标准做法。无人机变得更加普遍，它们通常用于航拍以及测量进度等更高级的活动。Go-pro 和智能头盔也变得更加普遍。考虑到照片过多，大部分技术应用程序还没有跟上，还没有一个良好的解决方案来管理照片或利用照片获取更好的洞察分析。
Smartvid.io 是一家技术初创公司，致力于开发这种解决方案。他们提供了一个与其他不同技术供应商集成的平台，以便将所有图像放在一个位置。但是，他们更进一步，使用人工智能来了解图像中的内容。正如前面的无人驾驶汽车示例所示，可以隔离并理解图像中的各个对象。Smartvid.io 将其称为“智能标记”，并且开发了对照片进行分类和搜索的更好系统。
Autodesk 未来将采取什么措施来迎接工程建设行业的人工智能？
BIM 360 IQ 是面向建筑行业的第一款人工智能产品，从那时起我们每年都在尝试挑战极限。我们构建了将重心放在施工质量和安全性方面的应用程序。下一步是对项目管理采取类似方法，并利用人工智能改进此流程。
数据平台
在整个建筑行业，有多个技术提供商提供相关解决方案来管理数据，但他们通常互不兼容。如果所有数据源能够相互关联，将可以充分释放基于人工智能的解决方案的能力。为了应对这一需求，Autodesk 也在努力构建支持第三方集成的数据平台。从而不同的建筑公司可以将所有数据放在一个平台，这个平台也能充当通用分析层。Autodesk 将其他数据源（如 ERP 数据和项目管理数据）引入此平台，并与建筑行业的其他数据公司（例如 Smartvid.io、Triax Technologies、SmartBid 等）合作。
Anand Rajagopal 是 Autodesk 的数据科学家，他是 BIM 360 产品团队的一员。他目前的工作职责是与客户密切合作，以便构建、测试和部署特定于建筑行业的机器学习模型。