随着建筑领域人工智能(AI)和机器学习(ML)等术语的激增,《AEC》杂志采访了初创公司Slate.ai的首席技术官兼人工智能主管Senthil Kumar,讨论该技术如何帮助解决建筑中的复杂性工业


问:Senthil,在AEC软件中遇到新面孔总是很棒的。你能告诉我们你以前的工作和你在Slate做什么吗?

答:二十多年来,我一直在全球软件公司从事高级数据技术方面的工作。在那段时间里,我帮助开创了多项技术,包括人工智能、区块链、DGE、云计算、虚拟实境、物联网、群机器人、系统自治和大数据计算。涵盖自动驾驶汽车、金融科技、智能建筑和城市、地理空间工程、保险、医疗保健和医药等行业。

我还帮助制定了新兴的人工智能行业标准,如欧盟人工智能法案,并在众多行业智库和知名学术界和初创企业的顾问委员会工作。最近,《华尔街日报》(The Wall Street Journal)引用了我在人工智能领域的开创性工作,世界经济论坛(World Economic Forum)也认可了我的工作。

我加入了Slate 12几个月前,作为首席技术官,他组建了一支由工程师和数据科学家组成的新团队,专注于提供最现代的软件和技术方法,以利用建筑生产中的数据。


问:人工智能和机器学习经常被严重误解。从你的角度来看,解释它们是什么?

答:我同意这些术语被混用了。人工智能(AI)是计算科学的一个分支,它使创造智能机器和系统。人工智能有望以更智能的方式在人类和机器之间架起一座桥梁,模仿人类认知,并通过理解人类的需求和意图,创造一个更智能的和谐生态系统。

现在,虽然人工智能是一门广泛的科学,但机器学习是人工智能的一个特定子集,它训练机器如何学习,并帮助人们构建人工智能驱动的应用程序。从某种意义上说,ML是计算机系统学习和发展其智能的方式。情报.

<!--Develop3D Ads 300x250 inarticle 7p-->
广告
广告

问:这是否意味着你可以在没有机器学习的情况下拥有人工智能?

答:是的,尽管这可能让我们感到惊讶,但我们可以在没有ML的情况下拥有AI.虽然模型训练、机器学习方法和自我学习技术近年来呈指数级增长,但人工智能的某些方面可以独立存在,而无需进行机器学习。一种早期常用的AI IM方法实现方法是使用决策树,将复杂的问题分解为二元评估,然后遍历这些树以找到答案。这不依赖于ML,并且至今仍被广泛使用。

不依赖于ML的AI的

其他示例包括使用机器解决最短路径问题、约束求解、聊天机器人以及使用随机语法解析句子树的NLP[自然语言处理]的各个方面。我们必须记住,人工智能的范围很广,而ML只是人工智能使用的众多技术之一。


问:那么,从你的经验来看,关于人工智能还有哪些常见的误解?

A:别让我开始!我想我们都听说过人工智能系统可能会取代我们的工作,让大多数人变得多余。这是一个流传至今的神话。在农业革命和工业革命期间,人们也提出了类似的论点。现实情况是,人工智能将主要改变现有的工作,并创造新的我们的。我们必须记住,一方面,许多工作可能会被人工智能自动化,主要原因是这些工作通常非常适合计算机器的工作方式。

最适合人类智力和监督系统的

角色将继续茁壮成长。工作从重复性的体力劳动转向更清洁、更有回报的职业,这是人类非常适合的,很久以前就开始了。在我们谈论人工智能之前。整体生活质量和我们的生产力只会在和谐的人机互动中变得更好,利用机器做得好的东西与人类做得好的东西合作。

另一个误解是,人工智能系统可以比人类更公正,更客观。

一段时间以来,创造不偏不倚和准确的人工智能一直是人工智能架构师梦寐以求的圣杯。即使人工智能系统还没有情感智能像人类一样,他们容易受到影响。必须指出的是,人工智能是基于人类专家的输入和推断,有时是基于容易出错的数据。

Slate.ai
Senthil Kumar

既然人类在本质上有这样或那样的偏见,那么由人类共同创造的人工智能也是如此。这些偏见可以而且确实会延续到系统中。新闻中的一个特别问题是使用社会输入数据进行自我训练的系统。他们极易受到无意或有意的恶意影响和偏见的影响。例如,早期的面部识别系统在识别种族方面存在偏见以及其他使用Twitter等社交媒体的系统受到了虚假宣传的过度影响。虽然人工智能的技术实施正在迅速推进,道德规范,特别是自主人工智能的道德规范正在改善,但在创建真正公正和客观的人工智能系统方面,我们还有很长的路要走。


问:为什么您将建筑生产视为实施您所学知识的下一个最佳场所?

A:虽然技术已经发生了变化。D景观在几个行业中,建筑生产的某些方面尚未被技术进步所触及,而这些技术进步在其他地方已经被证明是有价值的。多年前,在零售、医疗保健、保险和金融科技等行业,我们已经能够带来重大变革,以提高整体效率,实施简单和复杂的人工智能实施。

当我看到建筑生产是一个价值数万亿美元的行业时,

我加入了Slate.以多种方式影响经济。在这里,我可以利用我在这些技术方面的知识来创建一个有意义的、重大的建筑价值图变更。

如果我们考虑到这一点,建筑业的改善会对全球经济产生直接影响。建筑生产中的相互依赖性本质上是全球性的,涉及不同国家的供应、技术和参与者,使其成为真正的全球现象。无其他行业OF今天提出了各种各样尚未解决的挑战,我相信其中许多挑战可以比想象的更容易解决。

复杂性和不可预见的挑战是建筑生产的标准。这个环境的每一个方面都让我感到兴奋,它让我们能够以一种有意义的方式使用一些最新的技术和想法。仅举几个例子,包括:供应链和利用一些主要的时间表优化人工智能、计算机视觉和认知科学的进展;用于数字模拟和数字预演的虚拟实境增强现实应用;预测成本超支和预期分析的能力,以说明何时可以完成建设阶段。

建筑固有的多学科、多维和多玩家生态系统的相互依赖性使其非常有趣[对于人工智能],但也非常适合现代计算解决方案。NS

我也很高兴看到新的“更智能”材料,它们补充了建筑性能,利用了聚合物科学和计算纳米技术的进步,以及多维分析工具,可以利用它们的潜力来减少操作性能中的碳。还有哪个行业会像这个行业一样带来如此多的挑战?所有这些对我来说都是令人兴奋的,因为它们与建筑生产有关。


问:AI和C赫斯已经成为解释人工智能可以实现什么的同义词。那么,建筑是不是比国际象棋更复杂?

A:啊,是的……我可能会说,建筑元素是一个比棋局更复杂的挑战。在国际象棋比赛中,棋手预测对手的走法。不只是下一步,而是在对手可能采取的行动之前的几步。这通常被视为人工智能解决挑战的高峰。这就是为什么当[国际象棋公司深蓝在国际象棋比赛中打败了一个人类,周围的人都兴高采烈。

但是,如果我们想一想,国际象棋有一个单一的对手,棋盘是确定的,规则是确定的。尽管移动的数量可能很大,但对手可以使用游戏棋子移动的数量仍然有限。另一方面,建筑具有内在的复杂性。你可以把它想象成一个有无限多个对抗性动作的游戏,多个对手玩家联合起来对抗。玩家.

有些举措甚至可能没有完全明确的定义,例如不可预见的政治事件、供应限制、意外的政府法规、工艺限制。所有这些都会影响精心设计的施工进度。这会使它比国际象棋复杂得多。


问:那么,建筑生产中的问题有多复杂?复杂性与其他行业相比如何,如健康,国际泳联NCE和生物技术?

答:嗯,建筑生产是一项艰巨的挑战。从概念到完成,为了人类居住者的舒适和安全以及运营效率,提高建筑生产是最先进和复杂的传统行业之一,需要通过技术来改进。

虽然医疗保健、制造业和金融业取得了巨大的进步,但这些行业与建筑业之间的区别在于创新的步伐收养和收养。建筑固有的多学科、多维和多玩家生态系统的相互依赖性使其非常有趣,但也非常适合现代计算解决方案。对我来说,看到有多少建筑决策是在没有其他行业中常见的情景背景的情况下,通过充分理解的维度分析技术做出的,这令人难以置信。

“Slate正在使用AI来辅助AEC中的决策

为了改善建筑生产中的决策价值链,多维分析是一种非常有效的策略。这种类型的分析推理涉及不同维度的数据分割和情境化。

就BU而言在录音制作中,许多挑战可以在不同维度的横截面背景模式中进行分析。跨空间和时间的真实世界事件可以关联到上下文维度——因果分析、特征与事件的共现模式和重要性。

它可以像计算执行某些施工任务的最佳时间一样简单,或者应该如何制定具体的工作包,以及某些事件应该以什么顺序进行精心策划的?在与建筑相关的事件发生之前预见和预测事件的能力都可以从多维分析中受益,以改善与建筑生产相关的决策价值链。

最近有人问

我,去火星是否比建筑更具挑战性。对我来说,我可能会争辩说,在这个星球上建设生产和可持续发展,当我们到达火星时,在火星上建设生产和可持续发展是更有趣的目标。


问:在哪里我们在建筑中的人工智能进化中吗?

答:我们正在见证我们这个时代创造历史。建筑业的大多数领导者已经认识到,第四次工业革命对传统行业先进技术的发明和赞助所造成的影响,建筑领域可能最终准备好采用。

许多人工智能学科都在取得

进展,包括卷积神经科学、实时机器视觉、人类自然语言处理(NLP)的N级认知,基于意图的计算,以及我最喜欢关注的领域,“思维速度”分析,正如你所想的那样,机器也会迎合你的意图。

虽然人工智能正在成为其他市场的主流,但它在建筑领域的应用一直滞后。这不是因为缺乏技术或数字数据,而是对人工智能的怀疑,对人类经验的偏见被用作大多数决策的背景。

在Slate,最大的态度我们在建筑业中看到的变化是,当组织感到完全被软件和数据淹没,而无法从数据所能提供的智能中受益时。现有的软件已经将建筑遗留工作流程的自动化发挥到了极致。仅仅知道有多少RFI未处理,或者有多少变更单被卡住,并不能提高底线。

目前最好的软件解决方案正在帮助公司尝试并遵守几十年来没有发生重大变化的时间表和预算框架。为了从我们在建筑生产中积累的数字化知识中获益,我们需要新的人工智能解决方案,在关键决策之前、期间和之后与人类合作,能够并将改善结果,而不仅仅是保持当前的行业表现。我们相信,我们在Slate的工作将为行业带来巨大的价值。

slate.ai将出席AEC杂志于2022年

6月21日在伦敦举办的NXT BLD活动<!--relpost-thumb-wrapper--><!--close relpost-thumb-wrapper-->

广告