BiM案例人工智能在建造過程中的應用

BiM案例人工智能在建造過程中的應用前言

由于最近一直在出差，10天飛了6個城市在4個時區(qū)停留，一直處于路途中與倒時差的狀態(tài)，所以這篇文章晚到了很久，這里向大家道歉下。

今天要說的人工智能是JoshKanner的創(chuàng)業(yè)案例。說到JoshKanner估計很多人都不認識，但是一說到VelaSystems，很多BIM老人們就會有印象了。這個由JoshKanner一手打造的現(xiàn)場管理平臺VelaSystems在2012年被Autodesk收購，后來成了Autodesk360的重要組成部分——360Field。

2014年JoshKanner從Autodesk又跳出來開始了二次創(chuàng)業(yè)，這次他打造的是升級版智能版的360field——SmartVid。

目前美國已經(jīng)有不少總包公司開始使用SmartVid，所以這里介紹的案例也與SmartVid有關(guān)。一開始是想通過案例來介紹這個工具，但是為了能更好的說明背后的思路，所以我在融入案例同時直接介紹這個工具以及蘊含在背后的開發(fā)理念。

人工智能

1955年的時候，兩位科學家做了一個名為"邏輯專家"(LogicTheorist）的程序：它將每個問題都表示成一個樹形模型，然后選擇最可能得到正確結(jié)論的那一枝來求解問題。這個程序被許多人認為是第一個AI程序。1956年，“人工智能”的概念被正式提出。隨著計算機應用的普及，以學習數(shù)據(jù)推倒映射的機器學習，以及用復雜、龐大的神經(jīng)網(wǎng)絡進行機器學習的深度學習開始逐漸成為研究的主流。NVIDIA對人工智能發(fā)展階段的定義

機器學習是人工智能研究較為年輕的分支，自80年代開始變得活躍。其基本目標是學習一個從X到Y(jié)的函數(shù)（映射），來做分類或者回歸的工作。最簡單的案例就是通過一封郵件的特征來進行一系列的是與否判斷從而斷定是否為垃圾郵件。機器學習經(jīng)常和數(shù)據(jù)挖掘聯(lián)系在一起是因為現(xiàn)在好多數(shù)據(jù)挖掘的工作是通過機器學習提供的算法工具實現(xiàn)的。

決策樹是機器學習基于所獲取知識的主要表示形式之一：用決策樹來劃分物體的類屬，樹中每一內(nèi)部節(jié)點對應一個物體屬性，而每一邊對應于這些屬性的可選值，樹的葉節(jié)點則對應于物體的每個基本分類。

這也是目前建設行業(yè)用的比較多的知識表達形式（拓展閱讀：BiM雜談｜未來建造的邏輯與知識）DecisionTree

基于決策樹與所積累的知識，管理人員可以設計一個學習決策樹（learneddecisiontree），使得機器可以基于設定的邏輯與知識，對某個未發(fā)生的數(shù)據(jù)或條件進行學習并判斷、預測結(jié)果。LearnedDecisionTree

深度學習是機器學習里面目前比較火的一個方向（也是個大坑），本身是神經(jīng)網(wǎng)絡算法的衍生，用復雜、龐大的神經(jīng)網(wǎng)絡進行機器學習。機器學習對“經(jīng)驗”的依賴性很強，計算機需要不斷從解決一類問題的經(jīng)驗中獲取知識，學習策略。而深度學習的其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡，以模仿人腦的機制來解釋數(shù)據(jù)，例如圖像，聲音和文本。所以深度學習是在機器學習基礎上更為智能的概念。

基于神經(jīng)網(wǎng)絡的深度學習

SmartiVid

SmartVid是一款基于收集的各類項目數(shù)據(jù)，通過對數(shù)據(jù)的提取與歸類，再利用機器學習對數(shù)據(jù)進行分析的工具。SmartVid的目的是是通過對數(shù)據(jù)的管理從而提高項目信息的協(xié)同能力、優(yōu)化對數(shù)據(jù)的管理、以及現(xiàn)場的管理。

SmartVid的研發(fā)團隊主要是原VelaSystems的人員。2014年開始投入研發(fā)，最近1年來，SmartVid逐漸進入主流AEC的視野。SmartVid

數(shù)據(jù)的來源

從前文所述，機器學習是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機程序的性能標準。所以機器學習的數(shù)學基礎是“統(tǒng)計學”，需要大量的數(shù)據(jù)來作為支撐。

我們傳統(tǒng)的獲取信息的方式往往是通過標準化的表格或者人工的錄入來實現(xiàn)。但是任何標準化的信息獲取流程最后常常是以失敗告終，因為人性的潛意識是隨性的，對標準化以及額外的工作是抵觸的。

于是JoshKanner從People-Process-Technology這個思路出發(fā)，避開通過增加信息錄入的流程來獲取項目數(shù)據(jù)，而是將SmartVid直接連入我們?nèi)粘５臏贤ê蛥f(xié)同平臺，以獲取點點滴滴的數(shù)據(jù)。數(shù)據(jù)的來源溝通是項目管理的基礎，為了項目實施我們會進行各種方式的溝通：比如發(fā)送文字信息，發(fā)送現(xiàn)場照片、視頻，比如我們用語音對話，比如現(xiàn)場的監(jiān)控，再比如我們在項目協(xié)同平臺上進行的種種文件共享。

SmartVid便是通過接入這些我們?nèi)粘９芾淼臏贤ɑ騾f(xié)同平臺，來收集我們在解決項目問題時所發(fā)生的瑣碎信息。所有信息的獲取不需要任何表單或者人為的錄入。SmartVid的信息獲取

信息的處理

在獲得了各類零碎的項目數(shù)據(jù)后，SmartVid通過設定的邏輯在所有的信息中提取關(guān)鍵詞，同時對信息進行識別確定信息所從屬的對象。信息篩選完后，將提取的數(shù)據(jù)進行重新組合，使得對象具備屬性，屬性里是對象數(shù)據(jù)。

舉個簡單的例子，比如我們在日常工作中可能會發(fā)現(xiàn)某些安全或質(zhì)量隱患需要及時上報。這個時候項目管理人員可能會拍一張照片或者視頻，然后附著一段語音來描述問題：“3層西側(cè)走廊的送風管道安裝位置有問題”。

這只是我們?nèi)粘９ぷ髦袩o數(shù)次會遇到的問題。隨著時間的推移，這些數(shù)據(jù)也會逐漸流逝。但在SmartVid中，這些數(shù)據(jù)會被記錄并重新進行結(jié)構(gòu)組合保存下來：通過圖像識別技術(shù)SmartVid會認識到圖片中有諸如“風管、水管”之類的對象，通過語音識別，電腦給這些對象添加了“位置”“系統(tǒng)”“質(zhì)量”這樣的屬性，同時電腦通過語音“學習”到圖片中的風管是送風，位置在3層西側(cè)走廊，出現(xiàn)了安裝偏移的問題。于是“送風”、“3層西側(cè)走廊”、“安裝偏移”變成了這個對象在“位置”“系統(tǒng)”“質(zhì)量”三個屬性里的參數(shù)。信息的提取與歸類

SmartVid將獲取的信息做成了矩陣式的結(jié)構(gòu)。通過不斷的信息獲取以及邏輯網(wǎng)絡的設置，于是電腦不斷的“學習”，在某個階段，電腦可能通過海量的信息處理知道了這個風管在“位置”、“系統(tǒng)”、“加工單位”、“安裝人員”

“設計單位”等種種屬性的參數(shù)，而這些屬性也成為了其他對象的屬性。

于是通過前期的邏輯關(guān)系設置，電腦根據(jù)海量的信息整理出了針對項目的強大的信息邏輯矩陣。

信息的使用

矩陣式的數(shù)據(jù)結(jié)構(gòu)為SmartVid在信息的雙向提取創(chuàng)造了很大的便利：通過對信息的收集與處理形成一個智能的“信息樓宇”。比如在某天，某個房間的管道出現(xiàn)問題，管理者可以通過矩陣式的數(shù)據(jù)迅速找到當時發(fā)生在這個部位與這個管道發(fā)生的所有數(shù)據(jù)。比如，管理人員想看某處隱蔽工程的內(nèi)部情況，SmartVid會迅速在海量信息中尋找出這處隱蔽工程當時的圖像或者文字。信息的重新組合與再提取再比如，項目的某個對象出現(xiàn)了質(zhì)量隱患，在發(fā)現(xiàn)質(zhì)量問題后，管理者可以把項目所有同類對象具有相似屬性的數(shù)據(jù)進行調(diào)出。

目前SmartVid還在繼續(xù)對收集的項目數(shù)據(jù)進行進一步挖掘。隨著以后數(shù)據(jù)的來源及樣本的越來越豐富，JoshKanner表示未來肯定會發(fā)掘出更多的數(shù)據(jù)價值。

智能識別

圖像識別是SmartVid另一項重要的技術(shù)，也是目前人工智能中相對成熟的技術(shù)。如前文所說的，SmartVid每天會對項目海量的圖片及視頻進行處理，通過圖像識別技術(shù)，SmartVid可以對圖像中的對象進行辨認，以確定圖像中出現(xiàn)的對象以及其身份。

圖像中的對象識別

隨著技術(shù)的發(fā)展，或者未來在錄入項目管理人員的ID后，我們的工具能識別出照片里的每個人，以進行更好的信息分類，方便我們的精細化管理以及數(shù)據(jù)的可追溯性。機器學習用于安全管理

值得一提的是，JoshKanner還設定了各種安全隱患的識別邏輯，通過每天項目管理人員在工作中傳遞的圖片與視頻，SmartVid會自動識別照片中出現(xiàn)的安全隱