什么是建筑中的人工智能和机器学习?我们明确的答案。

人工智能(AI)不再是未来的幻想。它正在发生，许多建筑行业的人已经从中受益。有远见的gc现在有机会走在趋势的前面，使用目前市场上的工具来提高性能，最大化利润，并提高安全性。所以,什么是建筑中的机器学习？以下是你需要知道的。

什么是建筑中的机器学习?

人工智能，也被称为机器学习，在电影和其他媒体中被描绘得如此频繁，以至于它聚集了相当多的神话。从对人工智能将接管世界的恐惧，到对人工智能是否有感知能力的好奇，人们很容易陷入想象的幻想之中。

为了理解人工智能如何影响建筑，我们必须首先很好地理解人工智能到底是什么——不是科幻小说，而是现实。总的来说，人工智能是一个广泛的话题，涉及计算机科学、心理学，甚至哲学和语言学。然而，关于它如何影响建设，当我们谈论人工智能时，我们主要指两个特定的领域:机器学习和深度学习。

人工智能、机器学习和深度学习之间差异的可视化表示

机器学习涉及的算法允许计算机在没有明确编程的情况下从数据中学习。例如，人工智能算法可以通过将其暴露在大量人工标记为垃圾邮件或非垃圾邮件的电子邮件中来“训练”识别垃圾邮件。该算法“学习”识别模式，帮助它“智能”识别垃圾邮件。

深度学习是一种基于神经网络的机器学习的特殊形式。这是最近的一项发展，它使图像和语言处理取得了突破，为高级应用打开了大门。

人工智能和机器学习在建筑中的应用

人工智能和机器学习在建筑领域的潜在应用是巨大的。对所有可能的用途做一个详尽的列表超出了任何一篇文章的范围。要了解垃圾邮件的范围有多大，可以这样想:几年前，您可能每天都会在收件箱中收到许多垃圾邮件，而今天您可能只收到很少的垃圾邮件。这是因为垃圾邮件过滤器现在使用机器学习来识别模式并将垃圾邮件拒之门外，而且他们非常擅长这一点。

虽然这不是建筑业特有的应用，但它确实影响了我们所有人，使我们更有效率，能够专注于与工作相关的沟通。而这只是一个微小的、已被证实的用途。

一个典型的构建项目在任何一天都可能有数千个开放问题、数百个rfi和大量开放的变更订单。想象一下，一个智能助手可以分析堆积如山的项目数据，并提醒你今天需要注意的前10件重要事情。机器学习就是那个智能助手，帮助团队从施工安全角度识别最关键的风险因素以及需要立即关注的质量角度。

机器学习应用，比如Smartvid.io，可以抓取一个工人从梯子上走下来的图像，并添加相关标签。

主管和项目工程师经常把他们的工作描述为救火。它的反应性很强。机器学习正在迅速成为一种辅助工具，可以主动识别风险，并在风险影响项目之前帮助他们做出决策。

第二个将对建筑产生巨大影响的应用是图像标记和分析。我们已经看到强大的人工智能在社交媒体上发挥作用，算法识别面部模式，以惊人的准确性自动标记单个人。

通过新的培训，同样的人工智能技术可用于识别和分析安全隐患，对现场照片进行分类和标记，并在工作现场没有正确使用PPE时发送通知。它甚至可以用来识别谁违反了安全标准，并标记他们和/或他们的主管来解决问题。

其他应用可能包括分类通知，识别潜在的问题，如冲突或丢失的材料，标记和组织文档，甚至驾驶无人机，运行机器，并协助设计。如你所见，可能性是广泛的。

机器学习在建筑中的当前应用

机器学习已经被用于各种各样的方式，从普通的垃圾邮件过滤到高级的安全监控。技术已经存在，创新公司正在使用这些技术来标记视觉数据，并分析其是否违反安全规定，是否存在潜在危险，并减轻各种风险。在其他应用中，目前的机器学习技术可以用于:

• 在风险影响项目利润之前预测并减轻风险
• 识别高风险问题，并自动将其分类为可操作的类别
• 根据实时数据以及过去的业绩和其他因素识别高风险分包商
• 在项目生命周期中识别并优先考虑潜在的安全问题
• 根据作业现场的可视化数据标记现有的安全隐患

阅读更多:一位老前辈如何学会拥抱建筑数据和机器学习

“我是一个喜欢用自己的双手工作的老人，”他说里奇·霍尔布鲁克，建筑运营总监雷顿建筑有限公司霍尔布鲁克珍视旧的建筑方式，但也乐于接受新的方式。他认为，今天，为了保持相关性，每个GC必须拥抱建筑数据和机器学习。阅读更多…

如何在项目中受益于机器学习

正如我们所看到的，在某些方面，你已经从机器学习中受益，以垃圾邮件过滤器和其他技术的形式，这些技术已经在你每天使用的程序和技术中运行。但为了保持领先地位并从机器学习中获得竞争优势，建筑公司必须积极主动地理解并在其工作现场实施它。

机器学习应用程序中的算法可以区分和评估图像中的对象

与任何新技术一样，重要的是将基本的良好项目管理应用于任何实现。谈到机器学习，还有一些其他的最佳实践需要记住。

• 数字化工作流程和文档。这是第一步，对于像机器学习这样的工具来说，提供价值需要数据来进行操作。如果您没有以数字形式记录质量检查和安全观察结果，那么您就错过了从这些观察结果中学习并进行有针对性的改进的机会。
• 从干净的数据开始。在你的工作现场引入机器学习时，请记住:“糟糕的输入=糟糕的输出。”确保你的施工文件、问题和可视化数据是有组织和干净的，这样你就不会把坏习惯教给你的智能技术。
• 选择正确的数据平台。有许多技术供应商提供了管理数据的解决方案，但它们之间通常不兼容。当机器学习和人工智能能够访问所有平台上的所有数据时，它们是最有效的，而这只有在平台相互集成时才有可能实现。寻找像BIM 360这样的核心平台在一个地方管理所有的施工数据，并且允许第三方集成ERP和项目管理等功能。
• 试航以获得早期见解。从小事开始，找到一些理想的项目和项目团队，定义成功的样子，并测试基于机器学习的工具。这将帮助您和团队在每天的基础上获得收益，并在更广泛地推广之前开发最佳实践。

当今许多领先的建筑公司已经在工作现场使用了许多特定于建筑的机器学习应用程序。与此同时，许多业界领先的软件公司正在开发新的有价值的应用程序，以增加现有的许多用途。如果您想了解更多关于如何在您的工作现场利用机器学习革命的信息，我们邀请您参加我们的免费网络研讨会“人工智能在建筑中的崛起”。

准备好充分利用你的机器学习应用程序了吗?

下载连接施工数据初学者指南