至顶网软件与服务频道消息:建筑业可以说是历史最悠久的行业之一,毕竟早在几千年前,人们就已经开始建造各类住房处所。而随着时间的推移,建筑行业在设计、规划与结构方面也迎来了长足发展。最近几十年以来,从业者还开始大量引入各类高新科技,希望在提高工作效率的同时,将建筑项目与结构安全性推向新的高度。
在这股浪潮当中,建筑企业当然不会忽视AI这波强大的新兴力量。从优化工作规划,到改善现场安全,再到对建筑设施进行安全监控,AI带来的效率与创新优势已经证明了自己的价值。
施工经理们一直在探索,AI与认知技术的实践价值,希望借此实现诸多看似简单但又必不可少的作业自动化流程。他们意识到,AI能够高效完成任务规划,防止工期延迟、施工冲突以及现场常见的各类问题。在AI的支持下,人员、项目以及物料的调遣排布,都将变得更加井然有序。
对于小型项目来说,人类员工还能够手动管理复杂的施工进度与流程。但面对规模可观、为期数年的超大型项目,各方往往需要就多种复杂任务及具体环节做出协调,包括设计与蓝图、施工许可以及计划外的延迟与变更等等。这些延迟与变更极易失控,如果没有强大的技术手段作为辅助,人类根本无法有效加以管理。
机器学习技术特别擅长查找数据中的模式与异常值。凭借强大的模式识别与历史数据分析能力,再配合上与调度系统及其他相关信息的连接,AI技术用实力证明了自己的管理水平。在机器学习的帮助下,企业能够抢在现场人员之前发现各类潜在问题。而在调度层面,高级AI则有助于防止现场及施工流程中各供应商、物料商以及其他参与方因协调不畅而带来的严重拖延。
不少建筑工地也在使用AI技术进行情景假设与应急预演。我们可以配合当前工期计划表部署一套模式检测软件,借此识别项目中的各项常规趋势。AI能够借此推断出潜在的工期延误或意外事故,并据此制定出多种应急预案。凭借这种预测能力,我们得以为各类可能出现的极端情况做好准备。
建筑工地还在大量使用无人驾驶汽车,全方位提升建筑工期之内的执行效率。自主设备、无人机与建筑机器人的使用比例逐步提升。其中无人机负责勘测并拍摄建筑工地的高空图像,帮助项目管理者在各个阶段内对工地进行全面督导;机器人则可完成多种任务,例如砌砖、浇筑混凝土以及安装石膏板墙等。机器人与自主工具的介入,极大提升了现场施工人员的工作能力,在节约人工成本的同时保障项目及时有序地保持推进。
现代机器与设备中部署的传感器越来越多,旨在实现更加复杂的机器间协同与更强大的整体功能。这些传感器能够监控与结构相关的各类条件指标,包括温度、发动机工况以及材料应用等等。将这些传感器与工具与AI技术相结合,即可实现对施工现场的智能化监控。这些工具能够实时分析数据,并以极高可信度预测将要发生的问题、延误或故障。这种预测性维护,有望缩短成本高昂的意外延误与停机时间。
施工现场的危险性因素同样所在多有。从易损的结构到往来穿梭的设备,工人在施工过程中随时面临种种潜在危害。AI技术有助于改善工作现场的整体安全性,目前摄像头、物联网设备以及传感器已经成为诸多项目中的标配,负责监控建筑作业中的方方面面。AI支持型系统能够在不干扰正常施工的前提下实现24/7全天候监控。借助人脸识别与对象识别技术,AI系统得以检测出种种不安全行为,并向施工团队警告潜在的风险。这不仅让责任划分更加明确,同时也将提升施工效率。
将AI与监控系统相结合的作法,还有助于保护建筑工地的财产安全。如今,施工现场的设备与机器造价高昂,因此极可能发生严重盗窃事件。为此,AI自动监控摄像头可在现场随时跟踪一切可疑活动。相关软件不仅能够执行传统分析(例如移动对象警报),还可以针对特定的运作或者图像做出响应。如果在施工现场出现了盗窃行为,AI方案将能够通过实时画面定位到对应的设备、工具或者物资,并立即发出警报。
如今的AI技术已经成为无数可能性的新载体,建筑行业自然也希望借此塑造自己的全新面貌。当然,如今的AI还略显稚嫩,相信在未来几年当中,AI技术将进一步发展,推动整个建筑行业实现成本/时间节约并迎来整体性的效率提升。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。