BiM案例人工智能在建造过程中的应用.docx

BiM案例人工智能在建造过程中的应用 前言 ? 由于最近一直在出差，10天飞了6个城市在4个时区停留，一直处于路途中与倒时差的状态，所以这篇文章晚到了很久，这里向大家道歉下。 ? 今天要说的人工智能是Josh Kanner的创业案例。说到Josh Kanner估计很多人都不认识，但是一说到Vela Systems，很多BIM老人们就会有印象了。这个由Josh Kanner一手打造的现场管理平台Vela Systems在2012年被Autodesk收购，后来成了Autodesk 360的重要组成部分——360 Field。 ? 2014年Josh Kanner从Autodesk又跳出来开始了二次创业，这次他打造的是升级版智能版的360 field——SmartVid。 ? 目前美国已经有不少总包公司开始使用SmartVid，所以这里介绍的案例也与SmartVid有关。一开始是想通过案例来介绍这个工具，但是为了能更好的说明背后的思路，所以我在融入案例同时直接介绍这个工具以及蕴含在背后的开发理念。 ? 人工智能 ? 1955年的时候，两位科学家做了一个名为"逻辑专家"(Logic Theorist）的程序：它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解问题。这个程序被许多人认为是第一个AI程序。1956年，“人工智能”的概念被正式提出。随着计算机应用的普及，以学习数据推倒映射的机器学习，以及用复杂、庞大的神经网络进行机器学习的深度学习开始逐渐成为研究的主流。 NVIDIA对人工智能发展阶段的定义 ? 机器学习是人工智能研究较为年轻的分支，自80年代开始变得活跃。其基本目标是学习一个从X到Y的函数（映射），来做分类或者回归的工作。最简单的案例就是通过一封邮件的特征来进行一系列的是与否判断从而断定是否为垃圾邮件。机器学习经常和数据挖掘联系在一起是因为现在好多数据挖掘的工作是通过机器学习提供的算法工具实现的。 ? 决策树是机器学习基于所获取知识的主要表示形式之一：用决策树来划分物体的类属，树中每一内部节点对应一个物体属性，而每一边对应于这些属性的可选值，树的叶节点则对应于物体的每个基本分类。 ? 这也是目前建设行业用的比较多的知识表达形式（拓展阅读： HYPERLINK "/s?__biz=MzA3NDAyNzA3Mg==&mid=2655053383&idx=1&sn=12247ea07e1fc7006fc8a71251a7aa3d&scene=21" \l "wechat_redirect" \t "/_blank" BiM杂谈｜未来建造的逻辑与知识） Decision Tree ? 基于决策树与所积累的知识，管理人员可以设计一个学习决策树（learned decision tree），使得机器可以基于设定的逻辑与知识，对某个未发生的数据或条件进行学习并判断、预测结果。 Learned Decision Tree ? 深度学习是机器学习里面目前比较火的一个方向（也是个大坑），本身是神经网络算法的衍生，用复杂、庞大的神经网络进行机器学习。机器学习对“经验”的依赖性很强，计算机需要不断从解决一类问题的经验中获取知识，学习策略。而深度学习的其动机在于建立、模拟人脑进行分析学习的神经网络，以模仿人脑的机制来解释数据，例如图像，声音和文本。所以深度学习是在机器学习基础上更为智能的概念。 ? 基于神经网络的深度学习 ? SmartiVid ? SmartVid是一款基于收集的各类项目数据，通过对数据的提取与归类，再利用机器学习对数据进行分析的工具。SmartVid的目的是是通过对数据的管理从而提高项目信息的协同能力、优化对数据的管理、以及现场的管理。 ? SmartVid的研发团队主要是原Vela Systems的人员。2014年开始投入研发，最近1年来，SmartVid逐渐进入主流AEC的视野。 SmartVid ? 数据的来源 ? 从前文所述，机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。所以机器学习的数学基础是“统计学”，需要大量的数据来作为支撑。 ? 我们传统的获取信息的方式往往是通过标准化的表格或者人工的录入来实现。但是任何标准化的信息获取流程最后常常是以失败告终，因为人性的潜意识是随性的，对标准化以及额外的工作是抵触的。 ? 于是Josh Kanner从People-Process-Technology这个思路出发，避开通过增加信息录入的流程来获取项目数据，而是将SmartVid直接连入我们日常的沟通和协同平台，以获取点点滴滴的数据。 数据的来源 沟通是项目管理的基础，为了项目实施我们会进行各种方式的沟通：比如发送文字信息，发送现场照片、视频，比如我们用语音对话，比如现场的监控，再比如我们在项