如今，人工智能及其子集機器學習以成爲熱點關鍵詞。關於深度造假、錯誤信息、偏見、隱私和社會道德風險的“厄運和悲觀”評論比比皆是，但科技巨頭谷歌、微軟和 IBM 的人工智能相關研發卻在飛速發展。
但科技公司並不是唯一進行投資的企業。包括西門子、霍尼韋爾和江森自控等在內的企業也正在將人工智能算法集成到其基於雲的智能建築管理系統 (BMS) 平台中，以根據歷史和實時數據做出可操作的預測性決策，從而降低運營成本並實現能源和居住體驗目標。這些算法提供了計算最佳設置以及機器學習系統識別建築物生命周期模式的詳細說明。
一些BMS平台提供商擁有內部人工智能團隊來开發算法，而另一些則與英特爾、IBM、埃森哲和Infosys等人工智能咨詢和开發服務公司合作。例如，霍尼韋爾的互聯安全平台將英特爾的視覺產品與高級分析、深度學習和面部識別功能相結合。
人工智能與智能環境
爲智能建築自動化部署人工智能需要大量數據集，例如項目的能源負載、系統性能、佔用和空間利用率、用戶滿意度以及環境統計數據，例如溫度、溼度、空氣質量、照明和噪音水平。人工智能可能會考慮外部因素，例如天氣模式、氣候趨勢、能源高峰期和安全威脅。需要驗證、過濾和分析的數據量過於復雜，任何人都無法有效地解釋和採取行動，這就是人工智能發揮作用的地方。
例如，爲了減少能源使用，人工智能將在开始調整供暖和空調之前分析佔用率、空間使用模式和峰值需求等數據。機器學習算法將篩選歷史數據，以檢測和診斷 HVAC 系統內的異常情況，並提示所有者安排維護並根據需要調整閥門、風扇、過濾器或控制器。
總部位於紐約的Prescriptive Data營銷和合作夥伴副總裁 Gary Chance表示，其基於 AI/ML 雲的平台Nantum OS已經爲用戶帶來了顯着的效益。他說：“通過在漏水發生之前發現漏水、根據人們到達辦公室的時間自動啓動系統以及使用人工智能實現需求管理自動化，我們節省了數千美元。” 該平台甚至通過在高峰時段之前自動預熱和填充蒸汽罐來減少紐約的蒸汽支出。
去年，該公司發現WELL認證 44% 的數據報告要求可以使用人工智能實現自動化。毫不奇怪，WELL、Fitwel、LEED 和其他建築認證計劃的自動報告現已成爲其服務產品之一。
基於雲的平台BrainBox AI將天氣預報集成到其能源優化算法中。“該系統將建築物內的傳感器數據和來自最近氣象站的天氣數據根據室內外實時發生的情況來訓練系統，”其首席產品官 Omar Tabba 說道。“我們的AI系統可以根據一定的預測，以95%以上的准確率來預測未來的狀態。如果數據顯示兩小時後室外溫度將達到78華氏度（25-26攝氏度），但我們希望室內環境保持在72華氏度（約22攝氏度），系統知道何時打开風扇以及在什么級別以避免額外的能量消費和支出。”
在工作環境中，人工智能除了通知員工自助餐廳繁忙時間和預測空間需求外，還可以根據實時數據調節區域。霍尼韋爾商業智能建築產品管理高級總監丹尼·斯特恩 (Dani Stern) 表示：“大多數智能建築都按照設定點運行，並根據計劃的事件和佔用情況以及溫度和溼度水平進行覆蓋。”
“在混合工作方式下，佔用率變得非常難以預測和安排。人工智能可以分析來自多個傳感器的歷史和實際佔用信息，以幫助優化空間。我們甚至與思科建立了合作夥伴關系，利用其 Wi-Fi 系統根據智能手機連接對人流進行三角測量。”
盡管如此，將投資回報率分配給空間優化可能很困難，而且如果沒有保證價值，人工智能在某些用例中的採用可能會受到影響。全球工程公司WSP智能解決方案副總裁 Lucy Casacia 解釋道：“人工智能开始根據空氣、照明和空間質量等指標以及返回辦公室的人數來確定員工滿意度。但我們將在娛樂、酒店和公共場所的用戶體驗前沿看到更多的人工智能投資。”
人工智能在安全系統中的發展勢頭越來越強勁。該技術基於主動入侵、武器和槍擊檢測、監控錄像分析以及事件報告來啓動鎖定、緊急警報和急救人員通知。Casacia還看到“系統使用熱圖來監控模式和運動，以檢測零售環境中的盜竊行爲，例如有人比平常移動得更快。” 在交通領域，人工智能和機器學習可以“通過面部識別測量情緒和幸福感來確定旅行者是否迷失方向。”
例如，英國的Old Oak Common是一個超級樞紐換乘站，是英國倫敦新 HS2 高速鐵路线的一部分，最近在規劃階段利用人工智能來優化車站標牌。項目團隊邀請了數十名公衆和設計師在虛擬站中導航，並使用瑞典公司Tobii的眼球追蹤機器學習、人工智能和高級信號處理技術來分析旅行者的情緒、興趣和幹擾。在這裏，人工智能有潛力通過報告公开的情緒（例如恐慌或惱怒）來提高安全性。
AI的採用阻礙
盡管人工智能的接受度越來越高，但由於對數據隱私、偏見和道德的疑慮，許多消費者仍然保持警惕。這些擔憂甚至導致了基於人工智能的智慧城市項目的失敗，例如 Sidewalk Toronto（也稱爲 Quayside），Alphabet 子公司 Sidewalk Labs 於 2020 年取消了該項目。不過，今年早些時候，Waterfront Toronto宣布了 Quayside的新重建工作，這一舉措引人注目。不過，已經將其重點轉向智慧城市功能，數據收集轉向經濟適用房、可持續性、多樣性、公平性和包容性。
“人工智能技術正在快速發展，負面新聞讓很多人感到緊張，” Casacia說。“正如我們在多倫多看到的那樣，這些擔憂在住宅設施中更爲重要。” 她認爲，在商業建築和公共場所，隱私不應該成爲一個問題，因爲這些地方經常部署身份證等個人數據。“只要我們確保數據治理和標准到位，並且利益相關者和居住者了解正在分析的數據，人工智能將繼續在智能建築中發展和成長。”
Tabba補充道，網絡安全是限制建築運營中採用速度的另一個問題。“必須嚴格控制數據訪問、充足的冗余、災難恢復以及持續的第三方測試以識別漏洞——所有這些都是現代人工智能網絡安全策略的最佳實踐。” 例如，BrainBox AI 根據 SOC 2 等信息安全標准對傳輸中和靜態的數據進行加密。位於愛爾蘭、澳大利亞和蒙特利爾的工作人員覆蓋不同時區，24/7 監控客戶建築，並可以隨時關閉 AI由於計劃維護、威脅或其他事件而花費的時間。
許多在智能建築領域利用人工智能的技術專家認爲，信任是提高採用率的關鍵。“我們看到早期採用者开始踏上旅程，”斯特恩說，“但仍然存在恐懼和懷疑，尤其是圍繞基於雲的數據和自動化。隨着信任的增長，技術將會發展。同時，我們可以使用人工智能提出建議並讓客戶採取行動。他們還可以採用私有雲方法或現場托管系統——無論他們喜歡什么。”
運營中的人工智能和工作替代
盡管人工智能將覆蓋一些工作方面，但參數定義和算法編程始終需要人工輸入，WSP 的 Casacia表示：“該技術需要通過人工檢查和問責制進行治理和管理。飛機可以自動駕駛，但我們仍然有人類飛行員掌舵。”
換句話說，建築運營商不應該自滿。
盡管霍尼韋爾繼續在其基於雲的 Forge 平台上开發人工智能並參與與其他技術提供商的公开討論，斯特恩相信人們仍將是不可或缺的。“這裏有很大的創新空間，我們正在與數字孿生和智能建築技術公司合作，以確保我們的系統开放且可訪問，以實現集成，”他說。“盡管如此，沒有比人類更好的傳感器了。這就是爲什么我們還在構建系統，允許居住者通過評級系統提供有關清潔度、舒適度和其他因素的反饋，這些系統成爲人工智能分析數據集的一部分。”
隨着依賴數據的建築性能報告要求的出現，Chance看到了人工智能和人類在更加節能和高效的環境中蓬勃發展的機會。“像紐約第 97 號地方法這樣的法規，大多數超過 25,000平方英尺的建築[必須]滿足新的能源效率和碳排放[規定]，將把建築數據和租戶數據都放在路线圖上，”他說。“房地產在技術採用方面通常落後兩年，因此未來幾年我們可能會看到人工智能在建築運營中的應用有所增加。但歸根結底，我們仍然需要人類。”
無論准備好與否，人工智能來了
所有人工智能和機器學習算法都需要大量數據集來學習和發現模式或問題；算法越深入，需要的數據就越多。“擁有充足的高質量數據是目前最大的障礙，” Casacia說。“首先要確定利益相關者的要求以及滿足這些要求所需的數據類型，然後確定哪些數據需要保護、要存儲多少數據以及需要保護多長時間。然後是通過正確的輸入和輸出來確保數據質量。”
初始數據映射與來自不同源的數據字段相匹配，必須確定驗證規則和數據流以進行連續映射。BrainBox AI 的網站稱，其人工智能引擎可能需要兩到四個月的時間來學習和繪制建築數據，具體取決於設施的規模。
“對於沒有歷史數據和來自不同系統（一些基於老式 OT 的系統和其他基於 IT 的系統）的數千個輸入的現有建築來說，繪制建築數據是一項挑战，”霍尼韋爾的 Stern 說道。“爲了利用這項技術，我們必須將所有數據整合到一個流中。”
智能建築業主和運營商可以與解決方案提供商合作，評估現有系統，並根據實現成果所需的數據和行動確保設備和裝置就位。“然後，我們會審查現有系統，以推薦獲取、分析數據並根據數據採取行動所需的硬件、軟件、傳感器、執行器和其他設備的工作範圍，” Chance說。他表示，雖然基於雲的 BMS 平台集成了人工智能算法，但 Prescriptive Data 的 Nantum OS 等解決方案充當優化層，可以通過雲或現場邊緣網關與現有系統集成，這些網關可以讀取和寫入各種協議，例如 BACnet、將數據轉換爲正確的格式。
BrainBox AI 也是一個基於人工智能的優化層。Tabba 說：“我們可以通過軟件驅動程序或部署網關，直接連接到現有的基於雲的 BMS 平台或本地系統，使我們能夠將數據導入基於雲的軟件中。” 但由於許多現有建築物無法連接到其系統，BrainBox AI 必須進行創新。“我們與客戶合作，用支持 Wi-Fi 的恆溫器替換現有恆溫器……或者我們可能需要添加送風溫度和二氧化碳傳感器，並確保能夠讀寫控制風扇、風門、節能器和其他設備的輸出”。
與任何新興技術一樣，智能建築業主和運營商應謹慎行事，以實現價值並實現其目標。“有時，智能建築業主希望使自己脫穎而出，並推出不符合預期的技術，” Casacia 表示。“人工智能和機器學習需要成爲智能建築運營策略的一部分，但我們必須小心並了解什么可以提供價值。有時候保持簡單就是美好的。”
資料來源：smartbuildingstech
標題：AI與建築運營：構建人員、數據和信任的基礎
地址：https://www.utechfun.com/post/240064.html