ДалееСледующее руководство
Моделирование перестановок XLNet
Языковой ИИ
РУКОВОДСТВО ПО Отраслям
ИИ в информационном моделировании зданий (BIM) применяет машинное обучение и автоматизированные рассуждения к 3D-моделям с большим объемом данных, которыми делятся архитекторы, инженеры и подрядчики.
Это помогает командам сортировать конфликты, извлекать объемы, проверять проекты на соответствие строительным нормам и передавать информацию на строительство. Это важно, поскольку модели BIM содержат гораздо больше данных, чем люди могут быстро просмотреть вручную, а ошибка, обнаруженная в модели, стоит гораздо меньше, чем ошибка, обнаруженная на месте.
BIM — это больше, чем просто 3D-чертеж. Каждый элемент модели, например стена, труба или балка, имеет такие свойства, как материал, класс огнестойкости, производитель и код стоимости. Эти модели создаются с помощью таких инструментов разработки, как Autodesk Revit, Graphisoft Archicad и Tekla Structures. IFC (Industry Foundation Classes), открытый стандарт, поддерживаемый BuildingSMART и опубликованный как ISO 16739, позволяет моделям перемещаться между различными программами. Часто считается, что обнаружение коллизий осуществляется искусственным интеллектом, но по своей сути это геометрия. Такие инструменты, как Navisworks и Solibri, проверяют, пересекаются ли объекты или нарушают ли требуемые зазоры. Объединенная модель нескольких дисциплин может привести к тысячам коллизий, многие из которых тривиальны или повторяются. Машинное обучение помогает группировать связанные конфликты, прогнозировать, какие из них координаторы обычно считают реальными, и ранжировать их по вероятной стоимости или влиянию на график. Количественный взлет подсчитывает и измеряет все, что необходимо купить и построить. В хорошо структурированной модели BIM это в основном запрос к базе данных. ИИ более полезен, когда модель неполная или существуют только 2D-чертежи, поскольку компьютерное зрение может распознавать символы, помещения и размеры на листах чертежей. Автоматизированная проверка кода превращает нормативные акты в правила, которые может проверить компьютер. Сингапурская программа CORENET была одной из первых инициатив правительства. Самое сложное заключается в том, что коды написаны на естественном языке и полны исключений и суждений. Языковые модели тестируются, чтобы помочь преобразовать пункты кода в правила, но человеку все равно приходится их интерпретировать. Генеративный дизайн позволяет дизайнерам формулировать цели и ограничения, в то время как программное обеспечение исследует множество вариантов. Он полагается на оптимизацию и поиск в такой же степени, как и на машинное обучение. Для передачи владельцу здания такие стандарты, как COBie, организуют данные об оборудовании и техническом обслуживании, необходимые владельцам, а ИИ может проверять эти данные на наличие пробелов. Распространенным заблуждением является то, что ИИ проектирует здания самостоятельно. На практике эти инструменты хороши настолько, насколько хороши данные и соглашения по моделированию, которым следует команда.
Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.
Ожидайте стабильных результатов в утомительной работе над BIM: очистка моделей, классификация элементов, устранение конфликтов и передача данных. В нескольких юрисдикциях изучается возможность выдачи цифровых разрешений, при которых принимаются модели вместо чертежей, что сделает автоматическую проверку более практичной. Юридическая ответственность за соблюдение норм по-прежнему будет нести лицензированные специалисты и должностные лица. Языковые модели могут помочь людям запрашивать модели на простом английском языке и составлять проекты переводов правил. Реальные ограничения остаются: методы моделирования различаются в разных фирмах, многие форматы являются запатентованными, а общие данные обучения недостаточны, поскольку модели проектов конфиденциальны.
Координационная группа выявляет противоречия между структурными и механическими моделями. Обученный классификатор затем группирует тысячи необработанных конфликтов в несколько сотен реальных проблем и скрывает дубликаты, вызванные одним проходом воздуховода.
Оценщик загружает 2D-чертежи старого здания в формате PDF в инструмент компьютерного зрения. Инструмент определяет длину дверей, окон и стен, а оценщик проверяет данные перед определением цены работы.
Рецензент плана запускает инструмент проверки правил на основе модели IFC. Он отмечает коридоры уже, чем требуемая ширина выхода, и двери со слишком малым проемом, и человек подтверждает каждый вывод.
Разработчик использует инструмент генеративной планировки для тестирования сотен конфигураций квартир на объекте, сравнивая количество квартир, парковку и дневное освещение, прежде чем выбрать дизайн.
Нормативные требования могут сделать недействительными сильные прототипы.
Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.
Привлекайте экспертов в предметной области от постановки проблемы до оценки.
Разработайте журналы аудита и документацию перед запуском.
Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
Развертывание поэтапно с четкими критериями остановки и отката.
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ИИ в информационном моделировании зданий (BIM) применяет машинное обучение и автоматизированные рассуждения к 3D-моделям с большим объемом данных, которыми делятся архитекторы, инженеры и подрядчики. Это помогает командам сортировать конфликты, извлекать объемы, проверять проекты на соответствие строительным нормам и передавать информацию на строительство. Это важно, поскольку модели BIM содержат гораздо больше данных, чем люди могут быстро просмотреть вручную, а ошибка, обнаруженная в модели, стоит гораздо меньше, чем ошибка, обнаруженная на месте.
IFC — это независимый от поставщика формат обмена, который позволяет моделям BIM перемещаться между различными инструментами разработки и проверки.
Базовое обнаружение конфликтов — это геометрия, а не искусственный интеллект. Машинное обучение приходит позже, чтобы управлять большим количеством результатов.
Комбинированная модель может породить тысячи коллизий. ML, обученный на прошлых решениях координаторов, помогает командам сосредоточиться на тех, которые имеют значение.
В хорошей модели взлет — это в основном запрос. Компьютерное зрение повышает ценность, когда ему приходится считывать величины с чертежей.
Превращение прозаических правил в вычислимые правила требует интерпретации. Именно поэтому человек до сих пор просматривает переводы правил и результаты.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Моделирование перестановок XLNet
Языковой ИИ