AI背景下建筑行業的應用現狀和前景

• 柯壯賓 2023年5月10日 來源：中研網 1167 75
• 繁體

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

ChatGPT是自然語言處理發展的產物。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。回顧發展歷程來看，上世紀50年代，科學家已經開始進行基于規則的少量數據處理，總體是基于模板和規則的學習的階段；上世紀80年代開始，進入MachineLearning的時代，與之前的區別是開始基于一定范圍的數據進行參數分類；上世紀90年代開始，以CNN、RNN等為代表的神經網絡開始獲得突破，開始模仿人腦進行大量數據的標記和訓練。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，同時更易于并行化，需要的訓練時間明顯更少。

圖表：NLP發展歷程

ChatGPT能實現的人類意圖，來自于機器學習、神經網絡以及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，這一代模型的核心手段是預訓練，通過不斷的手動標記數據，結合無監督預訓練和有監督微調減輕NLP中的監督學習，本質上模型是相對TransformerArchitecture的顯著簡化；后續的GPT-2去掉了GPT-1中的有監督微調的階段，轉向更通用的系統，最終不需要為每個任務都手動創建標記去訓練，GPT-3的參數數量等相對之前有了極大飛躍，達到1750億個參數，在許多NLP數據集上都實現了很強的性能。

在建筑領域，不同的需求適應的神經網絡不同，不能簡單從ChatGPT去移植。在建筑領域涉及到的數據種類繁多，有圖片、文本以及特殊類別的數據比如時間序列等，對應則可能需要CNN、transformer、LSTM等模型去搭建神經網絡，并且設計圖中還含有高維數據，這種情況下需要使用Autoencoder去將數據降維并提取特征，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在設計環節以及一些固定的文本處理環節（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據的環節）幫助建筑企業提高效率。

對于建筑行業應用AI的啟發：是否能夠提供出高質量數據集或是大范圍應用的重要因素。綜合來看，數據集在ChatGPT的發展歷程中扮演了極其重要的角色，OpenAI對數據和標簽質量的重視程度極高。從GPT-1到ChatGPT/GPT-4，所用的訓練數據大體經歷了以下變化：小數據（對于OpenAI而言較小，但實際數據量已經很大）->大一點的高質量數據->更大一點的更高質量數據->高質量人類（指能通過考試的標注者）標注的高質量數據。其中模型設計并沒有很顯著的變化，高質量的標注數據是至關重要的。因此，引申到建筑業，是否能夠提供高質量數據集或是大范圍應用的重要因素，而擁有量更大的高質量數據的企業有望成為行業內在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。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、優化結構、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，基于神經網絡的模型可以預測建筑中不同系統的能源需求，以便壓縮能源使用，減少環境負擔。這些應用領域都需要大量的數據和復雜的模型來實現，AI可以有效地處理這些數據和模型，從而提高建筑領域的效率和可持續性。

圖：AI在建筑設計中的應用潛力

AI在建筑能耗預測、室內環境監測、建筑物智能控制等領域已經有學者進行了深度研究。由于受燃料消耗、環境影響和二氧化碳排放等多方面的影響，建筑能源系統的復雜度非常高，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學模型即可具備執行任務的能力，從而彌補傳統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測系統（SHM）中往往含有數量可觀的傳感器，這些傳感器會獲取大量的監測數據被用以追蹤結構的健康狀況和檢測結構損傷。傳統的數據分析方法面臨環境噪聲、測量數據量大、計算復雜度等挑戰，嚴重制約了SHM技術的廣泛應用。近年來，基于AI的數據處理方法為挖掘、清洗和分析SHM系統生成的海量數據提供了相較傳統數據處理方法更加高效精確的新途徑。

除了上述提及的各個環節，在建筑設計及后續施工、管理運維層面，AI也可以發揮其作用：

-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，優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：研究和開發智能化建筑系統，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：通過監測建筑設備的狀態，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已經開始在審圖環節試點應用。建筑施工圖中包含數據種類多，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節，人工智能已經較為成熟，北京和深圳早于2020年已經作為試點城市，開始在現有數字化審圖系統基礎上，引入人工智能相關技術，研發人工智能審圖基礎系統，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驗。

除此以外，設計圖生成已經有學者在室內設計有所應用。目前，WeiHuang已經提出了一種基于神經網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網絡的設計生成能力，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有所初步應用。神經網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直觀地理解建筑環境中的建筑元素。然而，目前視覺識別任務的絕大多數訓練數據都是由人類注釋的，大型訓練數據集的可用性是AI的最大限制之一。

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

1.卷積神經網絡（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.循環神經網絡（RecurrentNeuralNetwork，RNN）：常用于序列數據處理，可適用于處理建筑施工圖中的時間序列數據，如施工進度、時間安排等。

3.長短時記憶網絡（LongShort-TermMemory，LSTM）：一種特殊的循環神經網絡，適用于處理長期依賴性的數據，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）：可以用于數據降維和特征提取，適用于建筑施工圖中的高維數據處理。

5.生成對抗網絡（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所需要的數據集種類繁多，并且沒有一種模型能夠很好的解決所有種類的數據，需要訓練繁多子模型。所以，在初期，AI很難實現對人工的替代，更多的價值在于對人工的輔助，比如實現審圖、打標記、初步識別轉化等功能。若參考ChatGPT的發展，后續隨著人工給數據不斷添加標簽去生成高質量數據，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，已經有大量的設計施工經驗及數據，已經深耕人工智能賽道，并且在數據集方面已經做出長足積累的企業相對更具備競爭優勢，在人工智能賽道有望實現率先突破。根據建筑行業發展規律及情況，設計領域的擴張主要依賴人員規模，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在人效的瓶頸，大幅提高效率，使企業競爭優勢更強。

• 相關深度報告REPORTS

  

  2023-2028年AI安全行業深度分析及投資戰略研究咨詢報告

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

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡