建筑中的人工智能：负责任地构建我们的数字未来

承诺：释放前所未有的好处 在应对风险之前，我们必须首先了解机会的规模。如果应用得当，人工智能可以在整个项目生命周期中充当改进的强大催化剂。

设计和规划优化：人工智能驱动的生成性设计工具现在可以在人类探索少数设计组合所需的时间内分析数千种设计组合。通过输入核心约束，如结构要求、能源性能目标和材料成本，人工智能可以为更轻、更便宜、更可持续的建筑和基础设施生成优化设计。这将设计师从起草者转变为战略策展人，从高性能选择中选择最佳选择。 增强的项目管理和控制：传统的建筑项目充斥着数据，但往往缺乏洞察力。人工智能改变了这一点。机器学习算法可以分析历史项目数据，以惊人的准确性预测成本超支和进度延误，使项目经理能够主动干预。通过将无人机和传感器的实时现场数据与项目进度联系起来，人工智能可以提供实时进度监控，自动验证已完成的工作，并在偏差成为关键问题之前将其标记出来。 现场安全和质量的革命：工作场所本质上是危险的环境。人工智能为风险缓解提供了一个新的前沿。计算机视觉系统可以分析现场摄像头的实时视频，以实时识别安全隐患，例如工人没有适当的个人防护装备或车辆离人员太近，并立即发出警报。同样，人工智能驱动的机器人可以用于危险任务，如拆除、在狭窄空间焊接或提升重型材料，将人类从危险的地方带走。这些系统功能强大，但必须谨慎管理，以尊重隐私并与工人建立信任。 终身资产性能：资产的价值远远超出其建造阶段。人工智能驱动的数字孪生提供了建筑资产的活生生的学习复制品。通过整合来自物联网传感器的实时数据，这些孪生可以预测维护需求，模拟改造的影响，并优化能源消耗，大幅降低运营成本并延长资产的使用寿命。这是释放信息“金线”真正价值的关键。随着监管机构收紧碳报告和终身绩效预期，人工智能不仅对效率至关重要，对合规性也至关重要。

导航危险：未经检查的人工智能的危险 为了利用这些好处，我们必须睁大眼睛面对相关的危险。CIOB创新小组的立场很明确：技术热情必须通过专业怀疑和道德严谨性来调和，在以下方面：

数据偏差和算法不公平 人工智能的好坏取决于它所训练的数据。我们行业的历史数据远非完美；它包含估计、调度和风险评估方面的遗留偏见。如果人工智能在这些有缺陷的数据上进行训练，它不仅会复制，还会大规模放大这些偏见，可能导致不公平的资源分配或持续不准确的项目预测。

“黑匣子”问题和问责制 许多先进的人工智能模型就像“黑匣子”一样运作，即使是它们的创造者也无法完全解释特定输出背后的原因。这对职业问责制构成了深刻挑战。如果人工智能优化的结构设计失败，谁应该承担责任？接受建议的工程师？编写算法的软件开发人员？提供训练数据的公司？没有透明度，我们就有可能面临职业赔偿危机和失去公众信任。这一挑战延伸到采购和合同，在这些领域，人工智能生成的设计的责任和所有权问题正在出现，同时还有不同的国际监管制度，如欧盟人工智能法案。

劳动力中断和技能差距 虽然人工智能无疑会创造新的角色，但它也将自动化许多现有任务。如果我们不投资于提高技能和重新培训我们的劳动力，就有很大的劳动力流失风险。

挑战不仅在于训练人们使用新软件，还在于培养一套新的独特人类技能——批判性思维、复杂问题解决和道德判断——以补充人工智能的能力。