做一个进军AI AEC行业的应用
现状建筑、工程和建筑行业
建筑、工程与施工(AEC)行业生产率最低的率。似乎被困在包装和留在传奇的转换。原子能委员会的发展已经落后于其他行业很长一段时间,有一个1.6万亿美元缩小差距的机会。我们需要问自己,关键的问题是为什么?是成本或担心模棱两可的问题在最近的使用技术?
原子能委员会可能是其中一个最重要的数据生成的产业。然而,最低级别的自动化资料处理(数据挖掘)。原子能委员会有一个实质性的组件开发的“数据”,是的,这里的数据是在巨大的数量。为什么?有用的数据来源于得到处都是,从设计方案到施工工艺、设备和许多更多。BDO全球迭代,原子能委员会的普遍问题之一是缺乏能力的(?)收集、分析和利用数据。建筑信息模型(BIM)只是一个提示更实质性的东西。不幸的是,许多组织仍在犹豫,要完全接受BIM尽管最近有重要推动进步。
什么是人工智能?
当大多数人听到人工智能(AI),突然出现在他们的脑海的第一件事就是机器人,一个想法的壮举和逻辑组成的一个复杂的系统。SIRI的自主车辆,AI逐渐获得了新的理由。人工智能是一个术语来描述当一台机器/系统模拟人类的认知功能,如解决问题、模式识别和学习没有明确设定一个任务。AI关注学习,推理和自校正。人工智能不仅自动化,相反,它分析数据并生成新的解决方案。
人工智能的基本框架是能够发现,什么使人提高他们的性能和效率。它会导致机器或系统,从经验中学习,符合新的信息来源和执行类似人类的差事。的一些技术在人工智能包括机器学习、自然语言处理、计算机视觉在许多。所有这些技术都是分支机构/ AI的子集。
人工智能技术
数据挖掘是一个过程用于从大量的原始数据中提取有用的数据。它指的方法分析和发现模式在大型数据集。这个过程包括任务,如清洁、正常化、想象和将数据划分为培训,交叉验证和测试集。
计算机视觉处理系统的能力来解释和理解数字图像和视频。该系统可以以同样的方式处理这些视觉是人类的视觉,然后提供结果。人脸识别问题、手写识别、环境检测和机器人运动分析是这一领域的一部分。
知识表示负责代表现实世界的信息让AI系统理解和利用知识解决复杂实际问题的能力。
自然语言处理(NLP)是人工智能的一个分支,使电脑能够理解,解读和控制人类语言(例如,拼写检查)。组织可以找出客户陈述是关于一个项目的区别,从社交媒体撤走在数据源的数据。这次调查可以给大量的关于客户的数据决策和选择。聊天机器人和语音识别技术开发。
机器学习(毫升)是人工智能的一个分支的基础上,系统可以从数据中学习,识别模式,并决定以最少的人工干预。学会从过去的数据输出结果/预测。水平精度取决于可用的数据集。主要方法可分为监督、非监督semi-supervised学习,根据训练集的标签。学习模型,如回归、分类、支持向量机、神经网络、聚类,生成模型通常是开发和集成在这个子集。
机得到了大脑,所以它不仅做重复性的任务,但确实有一些思想应用于它。这可以帮助我们探索挑战性的问题通过模拟这样的复杂的环境,所以我们可以专注于问题的核心。同时,机器智能地遍历各种可能同时为我们。人工智能的应用程序是无穷无尽的,它可以应用于多个行业。
AI将帮助行业情报添加到现有流程。不强制应用程序但与现有技术的集成。这将帮助我们做出明智的决定,避免可以避免的损失。AI有助于减少人类努力和错误。编程系统可以执行重复任务在新情况下每一次,在一个聪明的方式。它能够显示一个形式的智力决定没有人指导。
进行重复和枯燥的任务可以乏味。这些任务可以很容易地使用人工智能算法处理。这些系统可以在几秒钟内执行数十亿的任务。有趣的是输出可以定制根据情况。AI有广泛的好处由于其显示的信号情报通过选择基于输入和反馈。
我们在DiRoots也在我们的项目中使用的一些机器学习模型,例如,属于非监督机器学习领域,聚类方法被应用于三维点云数据结构检测。右边的两张图片显示的结果为DiRoots机器学习模型点云自动化(每种颜色显示不同的集群,下图)。
AI可以学会下棋适应通过循序渐进的学习算法。聪明的,你会说吗?另一个例子是AlphaGo,基于机器学习系统击败世界上人类去最好的球员。人工智能的应用是如此众多,本文不包含的能力。
与应用程序像SIRI为苹果产品,谷歌的帮助,和演讲文本,人工智能已经顺利我们的日常活动。领导组织实施人工智能系统代表人类与他们的客户通过使用“化身”。
人工智能的缺陷和挑战
一样我们有谈到AI的好处,有必要注意的陷阱。一些企业失败,因为他们开始使用人工智能只是为了炒作。盲目地从图书馆实现算法之前,必须有一个问题的公式和精确的定义的参数和正确理解算法旨在实现调试时为了解决错误。一些厂商声称他们了解人工智能,但实际上他们吗?有很多争议,人们和组织没有权利知道人工智能的实现。人工智能是一个有前途的领域,但它需要时间来设置。人工智能的浩瀚,尽管一个优势也可能是一个陷阱,当你是新的。一般的挑战是:
- AI的重大挑战之一数据可用性。可用数据越精致,更精确的预测和输出的人工智能系统。大多数时候是可用的,但低质量的数据集。映射出至关重要的一种方式组织成一个结构化的方式,以提高结果的有效性。它基本上使用你给它什么,垃圾垃圾。
- 人工智能实现加上它通常是昂贵的有限数量的该领域的专业人士。这些系统需要不断更新,并进行适当的维护。很多机构缺乏实现人工智能和内部能力主要是做外包的实施和支持,这是通常的高成本以及质量上的问题。
- 人工智能主要是引用的主要担心失业。普华永道预计,30%的工作将在2030年自动和大约44%的工人与低级教育)(主要是工人,因为他们大部分的任务可以很容易地处理较低的或错误的机会。
技术挑战逃避处理数据并决定正确的特性考虑,然后确定避免过度拟合和underfitting问题。
- 算法的有效实施需要一定程度的熟练和理解数学领域,如多变量微积分、统计和线性代数。从零开始构建知识是一个任务,阻碍了许多多次进入字段和不适当的所有由于其复杂性。
- 可怜的选择库(单个算法的性能不同于库库)。
- 许多研究论文发表分享小说技术应对挑战,但这些都是很少访问常见质量由于其严格的性质。
人工智能可以改变和改善AEC行业如何?
没有消息,AI的注意力已经被吸引,迅速增加。根据Globenewswire,全球AI-in-construction市场于2017年价值3.12亿美元,预计到2024年将达到31.61亿美元,增长38.14%的复合年增长率在2018年和2024年之间。普华永道在2018年进行的一项研究推断法,基于ai自动化将增加美国的国内生产总值到2030年的15万亿美元。
在开发一个结构时,所代表的建筑和设计作业必须保持这些团体冒险安排或冲突。使用生成的设计帮助生成多个设计方案模型,帮助识别和缓解冲突使用机器学习模型。建筑工地同样利用人工智能的任务模式。模式检测软件可以发送正常模式的搜索任务。AI可以推断从这一点可能发生如果许可证延期或一集发生迅速和经过无数的情况。这个决定活动可以帮助保证计划设置管理突然的情况下。
科学家们GorczycaKingspan研发结构工程师,讨论了人工神经网络在静态结构分析中的应用。他工作压力的预测使用元模型来预测与人工智能的后遗症不显眼的结构;然而,在一个类似的类结构。人工智能,他能够预测个体成员的压力的变化从实际值10 - 20%。这也表明,人工智能是高度依赖于可用的数据。
虽然AI将自动化的优势促使效率,减少人的失误和逐步理顺程序,人类意识的负面影响不应该被忽略。
什么是已知的AI的应用在我们的日常活动?
除了常见的例子像智能虚拟助理SIRI,谷歌助理,或Cortana,聊天机器人在不同的网页在互联网上,移动应用程序,推荐系统,手写识别和许多更多。
从本系列文章中期待什么?
人工智能是一个广泛的主题,本文的内容将无法涵盖其全部。即将到来的文章将阐述各种机器学习模型通过建立所有必需的先决条件,给数学的直觉工作的算法。
