BIM需要什么样的人工智能,Doxel及SmartVid案例解析

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

“人工智能能为BIM带来什么?”

BIM技术的泡沫时期,很多“演说家”把本应销售给资方的BIM愿景提前销售给了应用端的市场,所以市场以很高的期待迎接BIM,但换来了痛苦的体验。

BIM的痛苦教训,使得市场对“人工智能”这个概念自带了防忽悠能力。由于建设行业缺乏对人工智能基础性知识的普及,当BIM和人工智能挂上钩后,很多人自动将其与“忽悠”和“大跃进”对应。

其实当市场过度防御的时候,并不是一件好事。

Doxel 案例

首先是Doxel案例。Doxel 简单来说就是一个可以自己完成激光扫描的机器人。Doxel可以适应施工现场的各种场景随意行走,并自行对现场进行激光扫描。

Doxel优势是通过将激光扫描模型与BIM模型的匹配,从而识别现场的工作对象,通过BIM中的进度信息与实际形象进度对比,自动分析各项任务的执行情况。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

Doxel对已完成工程量与理论进度分析

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

根据每天测量数据计算工效

由于是机器人,Doxel可每天便捷的自动完成现场数据扫描,通过每天的扫描数据推算出的工作量变化,Doxel会计算出每个任务的实际工效。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

基于计算的工程量与工期推算成本

基于每天扫描的模型所得到的已完成工作量和工效,Doxel还会将数据与5D数据匹配,自动计算项目的产值、预测未来资金需求等。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

质量管控

通过激光扫描模型与BIM模型的匹配,Doxel还会发现现场的施工误差,进行质量管控。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

预警机制

机器的现场捕捉和分析出来的结果都会自动推送到管理人员的移动端中。

目前Doxel 已经在DPR这种对科技有着执着追求的企业,以及部分非常愿意为科技买单的医院项目中应用。

SmartVid案例

之前还写过一篇SmartVid案例,SmartVid的核心业务逻辑就是在不改变大家工作方式的基础上,自动从大家日常项目管理和沟通的工具中提取信息并对信息进行归类。任何在项目管理中产生的图片、监控、视频等信息,SmartVid都通过人工智能进行识别,把非结构性数据变成结构性数据,方便项目未来的信息管理。SmartVid还会顺便从日常图像、影响中识别安全问题和风险源,形成预警。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

Doxel,SmartVid解决了什么

BIM技术背后的逻辑思维是:通过标准化来实现信息化,信息化促使建筑行业走向自动化与智能化。所以BIM技术的第一个目标是将我们建造的管理过程变成结构性的数据。

Doxel 如果猛的一看,似乎是个华而不实的机器人案例。如果我们再把SmartVid案例结合在一起,看一下他们解决的问题,似乎会有清晰的思路。SmartVid的核心思路是在不改变大家工作习惯的基础上,把工作过程产生的非结构性信息转化成结构信息。其实Doxel核心思路也是这样。

一直有人质疑三维扫描在建造过程中产生的价值,因为扫描所花的人力成本时间成本很高,除了对缺少图纸的既有建筑快速建模外,激光扫描目前的各类应用点似乎很难和“高性价比”划上等号。(可能有人会提出摄影成像的建模技术,但是激光扫描所形成实体点云模型比摄影成像形成的模型有着不可替代的优势。)

所以虽然我们意识到激光扫描在质量、进度等方面的优势,但一考虑到在上面所投入的人力与时间对比所得到的效益,很多人还是会放弃。Doxel的存在就是把大家不愿意做的工作,用科技的手段,把占用人力与时间的工作让来机器自己来完成。

同时机器还会把获取的信息按照我们科技所期望的结构进行整理。比如,我们一直通过记录现场实施的实际数据来进行进度的循环管理,而这个实际数据往往是通过标准化的表单来实现。但实际情况是,所有的标准化都会因被认为是额外的工作而推行困难。所以我们提了这么多年的数据库,其实还是只存在于部分人的大脑中,许多企业喊了多少年的企业定额,而实现的寥寥无几。因为实施的最一线并不愿意为这标准化多出来的时间投入买单。

所以Doxel看似是个炫酷的机器人,但实际逻辑是自动将现场捕捉的数据转化成管理所需要的结构性数据,再通过结构性的数据进行分析与预测。

SmartVid背后的逻辑也是如此。传统的工作模式下,我们的项目也是不停的有信息在发生,只不过不是按照BIM所理想的结构性数据在产生,而是以一个无序的数据存在。传统的流程中,我们期望大家通过标准化的数据入口让管理人员来记录每天发生的信息和质量安全问题,从而再进行分析形成可供未来项目使用的数据库。但是标准化带来了工作量的增加,所以虽然有了诸如信息协同或质量安全管理的工具,大家还是喜欢按照原有的方式进行沟通与管理——比如说国内的微信、比如国外的邮件。

所以SmartVid就是不改变你的工作方式,大家还是按照原来的方式沟通,SmartVid在传统的沟通媒介中获取项目每天产生的信息,用计算机对信息进行识别,并归类成我们所期望的结构性数据。

Automation

如果关注美国的建筑科技市场,你会发现“Automation”(自动化)成为最近各类“演说家”口中的热门词汇和主题。最有代表性的就是Autodesk。

从2016年开始,Autodesk University的大会主题就离不开自动化了。2016年AU Keynote Speaking 主题就是Carl Bass带来Machine Learning(机器学习)。2017年 Andrew Anagnost 直接做了关于“Automation”的AU开场。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

Autodesk反复提及的Automation

Machine Learning与Automation所代表的就是Artificial Intelligent(人工智能,AI).在这两年的Autodesk University中,Autodesk对Automation以及人工智能表达着这样的观点:人工智能不是一个专门的产品,而是使我们传统工具变得更强大的一个解决方法。

Anagnost说:未来我们肯定会有传统工作被科技所瓦解;未来,人类觉得乏味的工作可能都会被机器做了。比如我们期待实现信息化的手段——标准化。

X-Factor

上一篇文章《新生的力量》提到,未来我们行业很可能会通过其他科技实现了真正意义的“BIM”。这个X-Factor可能就是Machine Learning。

BIM技术是建筑行业信息化历史进程中一个阶段性的名词。长久以来,我们通过标准化实现信息化,标准化带来的繁琐与额外的工作,使得应用的最底层是抵触的。我们的期望创造了技术,我们的人性阻碍了技术。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

Machine Learning的出现,让人不愿意做的工作未来会由机器去做。未来BIM可能还是保持着它现有的理论体系,还是沿用着同样的实现方法,而制约BIM技术发展的因素可能会不再存在。因为制约技术发展的其实是人,而机器则是用来替代人。

被误解了的人工智能

BIM技术的泡沫时代,很多“演说家”把BIM预期所达到但是还没有达到的愿景提前销售给了市场,所以市场以很高的期待迎接BIM,但换来了痛苦的体验。

BIM的痛苦教训,使得市场对“人工智能”这个概念自带了防忽悠免能力。与BIM相反的是,由于建设行业缺乏人工智能的基础性知识普及,很多人反而把人工智能最终所期望的深度学习状态误认为了现在技术对市场的传递。所以很多人自动把人工智能在建设领域与“忽悠”和“大跃进”挂钩,市场自身附带忽悠免疫力。

实际上,人工智能是个非常大的范畴,在广义的人工智能领域,其实已经存在成熟的技术可供各个行业直接使用,比如人脸识别、语音识别、垃圾邮件过滤等等。如果按照广义的人工智能定义,我们进度软件根据我们编排的计划识别关键路径其实也是一种人工智能,因为计算机根据我们设定的任务逻辑与数据在自动判断与分析。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

人工智能范围

人工智能的最终目标是深度学习:人们不需要设定逻辑,计算机也能自己学习寻找到逻辑。这个终极目标的突破其实还是要靠其他行业,我们建设行业更多的还是直接应用已经突破的技术。但我们建设行业也有自身所需要突破的,那就是Machine Learning。

按照Autodesk的分类,Machine Learning可以分为Supervised Learning(有监督学习)和Unsupervised Learning(无监督学习)。无监督学习更接近于AI的理想状态,而我们行业长期所处的其实是Supervised Learning:通过我们人为设定的逻辑与积累的结构性数据来让计算机为我们做一些事情。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

Supervised Learning & Unsupervised Learning

决策树

美国的项目管理体系中有一个著名的决策树理论:项目管理的每个业务中,我们每走一步都会面临不同的选择,决策者根据所掌握的信息和内外部条件选择所走的下一步路。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

项目管理中的决策树理论

同样,在人工智能中也有经典的决策树方法:根据设定好的决策逻辑依据数据所在的属性区间做出选择。基于决策树与所积累的数据,项目管理人员可以设计一个Learned Decision Tree(学习决策树),使得机器可以基于设定的逻辑与数据,对某个未发生事项进行学习并判断。

这个对应的就是Autodesk 所说的Supervised Learning。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

Machine Learning中的决策树

数据的维度

有了设定的逻辑,机器就会根据每个逻辑点的数据来进行判断与决策。但是我们人类在做某项决策的时候考虑的因素会很多,这些因素都可以看做是对象数据的参数,或者说是影响因子。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

数据的参数、影响因子

假设我们把数据的一个影响因子看做是一个维度,如果一个数据受3个因子影响,那个这个数据就是一个三维的数据。如果我们把这个三维的数据用坐标表示,你会发现,数据的维度非常庞大,Supervised Learning看似简单,但是需要的数据支撑很多。 

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

数据的维度

这就是为什么我们需要结构性数据的原因。这也是为什么当年Autodesk提出BIM只是销售三维参数化建模软件,但是Jerry Laiserin把BIM与Chuck Eastman的Building Description System关联在一起后,就发挥了巨大的能量。因为参数化软件就是让我们工作的对象有了参数与结构性数据,而我们建设行业太需要这样的数据了。

多维度结构性数据集让我们有了向自动化、智能化前进的可能性。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

多维度结构性数据集(线性模型)

数据的争夺

2016年Autodesk University开场主题讲Machine Learning的时候,Autodesk提出了Shared Data的概念。有趣的是,在同一年,Autodesk推出了极具历史意义的Forge平台。

人工智能就其本质而言,是对人的思维的信息过程的模拟。我们在使用软件时的每一步操作,其实就是我们逻辑思维的表达。软件记录的我们每一步操作其实就是在记录我们的决策路径,形成决策树。

决策树发挥价值的基础就是基于每个决策点对象的数据。Autodesk认为发挥出数据的价值是建设行业未来发展的关键。建设行业的复杂性决定了其数据的复杂性,每个数据都是多维度的,所以我们需要一个结构性的数据来更好的发挥数据的价值、学习数据、挖掘数据。

由于影响因子的众多,我们建设行业的数据往往是以一个难以描绘的维度存在着,在多维度的空间,任何一个龙头企业单独所积累的数据都会显得很渺小。所以龙头软件商们最先开始行动。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

数据的争夺

关于数据交互,我曾经说过对于龙头企业,最好的协同就是不协同,但是不协同不代表不抱团:Assemble Systems、SmartVid、onTarget、3DR,很多新生代的明星产品都是Forge大家族的成员。

Shared Data,大家在共通的数据环境中从不同的业务点突破。Forge以后的发展可能会超出大家想象。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

跨界的天才们

本身就在飞机制造业的Dassault Aviation把自己对制造业的期望与自己的思维逻辑写成了CAD历史上永载史册的Catia;当年已经是施工企业D&Z副总裁的Joel Koppelman把自己对施工管理的寄托写成了Primavera Systems(现在的P6);Procore挖来了一堆行业顶尖的项目经理和BIM Director打造了现今美国市场份额第一的项目管理平台。

人工智能的本质是把人类的思维转化成机器的逻辑。这些跨界的天才们其实就是把自己的思维写了出来——都是写给自己的产品。当本身没有丰富的业务思维时,很难写出那样的逻辑思考。

很多人吐槽龙头软件企业除了初创的产品外,其他的产品都是依靠收购。其实这些企业也很明白自己身上流淌的基因,流淌着某个业务血液的团队去做其他业务的产品很难成功。所以这些龙头企业们热衷于培养这些跨界的天才们,最后再收购这些经过市场验证存活下来的产品,降低自己的研发风险,完善自己的生态。

所以面对着人工智能这个新的手段,未来我们面对的可能还是同样的龙头企业,但是创造未来的可能是在座的各位。

造词大赛

不管是美国的“Automation”,还是国内的“XX-BIM”“智慧XX”“数字XX”等等。在最近的这场造词盛宴中,大家所寄托的期望都是建筑信息化驱动的自动化从而实现智动化。

大家或许在寻找“BIM”之后另一个更能让人振奋人心的词汇,来表达对科技前进的诉(ying)求(xiao)。但是其实本质的诉求是一样的。

在半个世纪建筑行业信息化的历史发展长河中,从Chuck Eastman 的 Description Systems,到芬兰的Integrated Computer-Aid Building Design,从英国的Digital Built Britain,到国内的各种炫酷名词,其实没有一个词汇会像“BIM”这样深入人心并具备这么长久的生命力。

人工智能是一种手段,加快BIM向理想状态实现的手段。

结尾

微软亚洲研究院院长洪小文曾经写过一篇很火的微信文章,趴了一下AI的发展史。AI这个名词比BIM有着更久的历史,在近60年的发展历程中,AI无数次被人质疑,无数次陷入寒冬,但是随着一次次振奋人心的技术突破,让AI在死亡的边缘回生。而最近几年的Deep Blue、Alpha Go等技术的突破,让行业真正的充满了信心,AI也走向了伟大的复兴之路。

BIM需要什么样的人工智能,Doxel及SmartVid案例解析-BIMBANK

AI发展长河

从AI反观BIM,BIM这个名词真正的提出其实是2002年,所以对比AI,BIM的历史其实很短。在过去的十年里,我们在理论体系层层突破,但是在应用层面陷入了困境,BIM进入了一个低谷期,或者说是沉淀期与爬坡期。

与AI历史长河无数次的低谷期相比,BIM技术目前的爬坡期只是未来众多困境中微小的一个。可能一个技术突破的里程碑事件就能让这个行业重新加快步伐往理想化状态前进。这个突破点可能就是用Machine Learning解决我们自己——人,在BIM技术发展中的阻碍。

盈星莹辰


扫描二维码关注BIMBANK官方微信,及时获取最专业的BIM资讯:

发表评论

1 条评论
  • 沙发 滕工 

    BIM有待发展,继续加油

相关文章
BIM模型只是一个三维图?一个完整的BIM模型包括哪些?
BIM模型只是一个三维图?一个完整的BIM…
BIM技术在安全控制中的10大应用,赶快收藏吧!
BIM技术在安全控制中的10大应用,赶快收…
每日一技 | 1725 Revit中如何一次性全部导出族(文/雷松)
每日一技 | 1725 Revit中如何一次性全部…
BIM土建碰撞知识点总结
BIM土建碰撞知识点总结
BIM在地下车库综合管线优化设计的应用
BIM在地下车库综合管线优化设计的应用
实例解析BIM技术在深基坑工程中的应用
实例解析BIM技术在深基坑工程中的应用