人工智能在建筑技术领域有潜力但尚未成为现实

Shadow Ventures 首席技术官 Matthew Ohlman

众所周知，建筑业的技术采用落后于其他行业。尽管 2018 年美国建筑支出总额超过 1.3 万亿美元，但该行业始终未能采用新技术。为什么？利润微薄，工人比以往任何时候都更忙，而且老龄化、技术不利的劳动力处于控制之中。

该行业必须适应。建筑在工作现场存在巨大的劳动力和生产力问题。千禧一代和 Z 世代对体力劳动不感兴趣，而是被专业工作或劳动力较少的行业所吸引。缺乏技术采用也使该行业对年轻一代没有吸引力。与此同时，建筑业的生产力（以每个工人的产出衡量）保持平稳，而制造业等其他行业的生产力在过去几年中显着提高。

这些问题听起来像是人工智能的完美用例。作为建筑科技初创公司的种子期投资者，我和我的同事们对解决行业中这些（以及更多）问题的技术创新有了独特的了解。许多初创公司确实声称使用人工智能——如此之多，以至于每个初创公司的宣传单现在都必须提到人工智能、机器学习或其他相关的流行词，这似乎是一条不成文的规则。

“这些初创公司面临的一个重大问题是缺乏数据。几乎所有的人工智能解决方案都需要大量的参考数据进行训练”

但人工智能并不新鲜，几十年来一直在进行深入研究。 1950 年，艾伦·图灵 (Alan Turing) 写了一篇现在著名的论文，描述了后来被命名为图灵测试的东西——今天仍然是判断机器是否可以表现出类人思维的标准。然而，自图灵发表论文以来的 69 年里，没有一台计算机能够通过图灵测试。那么为什么人工智能现在成为建筑技术的最新流行语？计算能力呈指数级增长，加上能够经济高效地存储每天创建的估计 2.5 万亿字节数据的能力，使计算达到了可以有效开发算法以提供准确结果的地步。

然而，不幸的现实是，虽然我们已经能够利用增强的计算和存储能力来制造无可否认的革命性技术，但计算领域在人工智能的最初愿景方面取得的进展相对较小。

尽管如此，仍有一些创新的初创公司正在使用当今的人工智能来帮助建筑行业满足对更高产出和降低成本的需求，并解决其他困难挑战。这些初创公司面临的一个重大问题是缺乏数据。几乎所有的人工智能解决方案都需要大量的参考数据进行训练。如果没有训练数据，这些解决方案在学术上很有趣，但缺乏在没有大量人工监督的情况下在实际项目中有用的准确性。由于建筑业已被证明在技术采用方面落后，因此所需的历史数据通常不存在。更大、更精通技术的公司可能拥有一些数据集，但不愿与外部各方共享。尽管随着新技术采用的增加，数据可用性将增加，但总体数据缺乏将继续成为当今和不久的将来建筑技术初创公司的重大障碍。

最近风险投资对这一领域的关注应该会增加真正开发防御性技术解决方案的公司数量。增加投资可以在很大程度上吸引更多的创新人才进入市场，并允许初创公司更快地扩大规模，从而为大型建筑项目提供价值。尽管如此，我们还有很长的路要走，尽管大肆宣传，但我们今天仅仅触及了建筑技术中的人工智能的表面。