1月11日,第三届楼宇科技TRUE大会在深圳国际会展中心拉开序幕。
科技改变千行万物,楼宇自然也不例外。伴随着新的科技浪潮迭起,一场围绕楼宇科技的全新变革画卷已然呈现在所有人眼前。这其中,除了令人耳目一新的黑科技以外,更有着其背后的宏大构图——围绕绿色、共生的低碳与可持续愿景,这也成为了本次大会的核心主旨。那么这次变革将会呈现何种趋势,又将行至何处?
为此,本届大会以“绿色·共生·TRUE见进化”为主题,围绕“绿色低碳与可持续发展”、“生态融合与高质量发展”、“技术创新与产业升级”三个维度,勾勒出数智建筑新形态,大会分为1场峰会主论坛,7场平行分论坛、4场专业交流会议以及1场年度重磅新品发布会,现场聚集了众多业内大咖、学者,共同探讨这场科技为楼宇掀起的全新变革。
在黑科技分论坛中,智用人工智能应用研究院院长、前微软首席技术顾问管震带来了“楼宇科技,从智能到智慧”的主题分享,他表示,智能到智慧,不仅仅是机器上,而是要符合人的体验,要符合人从用户角度设计这个产品。
以下为演讲实录,经36氪编辑:
我是来自智用人工智能应用研究院的管震,今天下午跟大家聊的问题不仅仅是能源,可能包括楼宇的智慧,以及泛建筑行业当中的生成式人工智能。
我们研究院做的事,一句话叫做科技、学术和产业中间是有条沟的,谁来负责,到底怎么转换?Open AI抛出了一个大“核弹”,并且每天仍在不断进步,可是如何应用到产业端,不知道,我们大家都不知道,但我们这个时候内心非常兴奋,兴奋点在哪?大量的事情可以做,人工智能涌现出的能力可以在各个行业生出花、结出果,光是细分的能源领域就可以有很多花样,可是这些事情怎么产业化,我们这波人一起成立了智用人工智能应用研究院,为前沿科技和传统产业搭一座桥。
今天我拿一些小例子找最基础的逻辑,相信未来的创新,其实不是看到一个点,而是更多从基础逻辑,或者从每个人的工作角度出发,做创新,所以我们挑了一些点出来,并且把这些点串成一条线分享。
生成式人工智能的启发已经人尽皆知。去年是人工智能爆发的一年,各种模型文生图、文生文,还是什么能力,都日新月异。但是到目前为止,GPT4仍是表现最好的。如果我们要做研究或者应用的话,用GPT4为案例效果最好,但是最合法的方式还是通过微软的云计算的方式获得GPT4的能力。
美的也大量的采用了这样的人工智能能力,美的智能建筑和智能家居已经十分智能,聊天的时候可以给你更多的帮助,这就是GPT4提供的能力。这一年过了之后,“流水席”就开始了,在当中抽了三样东西出来,第一个推理能力,人工智能原来没有推理能力,2022年之前我们认为人工智能傻傻的,是计算机视觉、听觉特别牛,能理解你的语言,但是他不具备推理能力,没有办法做推理链条;同时它也不具备泛化能力,也不具备多模态能力,可是去年一年这个领域快速发展,如图,下面这个车遮住的号码是几?数字是几?机器非常快速就能理解把图倒过来看的规律,核心能力是两样东西,一是GPT为代表的大语言模型能力,它可以全方位,无死角的看待同一个事实,这个事实摆在我们面前的时候,我们人都是有局限,都是有路径依赖,都是有盲区的。
第二就是推理能力,前一段时间我跟电网的能源专家聊天,说GPT能帮电网如何错峰用电,调配资源等等之类的,想法很好,因为跨行业对于人工智能没有死角,这本身中间还是有推理能力,中间缺少的数字就是87,这一张图表示出来这么两件事,并且每一个领域里面都有可能产生出来这个方案。
第二张图,最近最火的就是斯坦福的炒菜机器人,而图中是哈佛的人型机器人,原来的人型机器人或者叫做智能机器,干的事情都是非常好的,已经确定了一定要干的事情,比如送个餐,照着这个路走,就是控制与执行系统。但是今天的机器人,理论上从今天开始到未来,仅靠语言,机器人可以领会你的意图,让它产生对接下来要干事情的意图,以及群体具身智能,这些机器人或,哪怕就是一个灯,或是一个空调的控制器,是调一格还是两格,在一栋大楼里面,不同的有一定智能能力传感器,执行器的设备统一联合在一起做事情,这个就是群体智能,有可能未来五年时间里面发生。
第三件事情是设计,这个设计用了四个不同公司的文生图的方式,同一句话要设计一个标志,有个飞翔的海鸥,有这么几个提示词,到底什么设计出来对于人的审美观点最好?有可能是图,有可能是电影,有可能是更时尚的东西。很多公司要做设计,比如说大会、活动,需要设计一个LOGO,这个大会已经办三届了,有人知道TRUE大会是什么意思吗?我自己瞎编了一个答案出来,让楼宇科技变得更大一点,宇宙级别的,结果人家说不是,其实就是TRUE,就是我们看到楼宇建筑的本真。这种不同角度的理解如何泛化,如何适应不同的文化,如何适应不同的语言,如何适应不同的应用场景,这就是人工智能对于我们冲击特别大的地方。
回头看看为什么出现这个事,原来人工智能有没有?有,计算机视觉很牛逼,连考勤打卡都是计算机视觉,但是为什么老觉得它傻傻的,对话聊天觉得特别奇怪,我们现在看到的转人工不一定转人工,是转另外一个人工智能服务你,找你的经理,这个时候才是真人。
因为他没有训练脑子,GPT干成功的事情有它的偶然性,但是它干成功了。他把人类理解世界的东西拿出来理解清楚了,人是怎么理解世界的?实体,无论是一个人,还是一个物件,就叫一个一个实体,实体如何描述,再就是实体之间的关系。第三,我们预测过去这些情况预测将来,比如如果往前走一步就掉下去了,大家说不要往前走了,如果踏空就会摔跤,这个是推理的能力。这三件事情是变成人认知世界以及演绎世界以及推理世界的过程,装到1750亿个参数,后来上万亿的参数,放到这里面训练成功了,后面这一块就是它延伸的能力,我们拿它用在哪?本质上已经拥有了部分人对世界认知和推理的能力,我们大部分时候只需要对它做一点点调校,他有这个能力,他就变成一个在这个方面的专家。
比如教授们提出来的,人工智能现在已经能在一些合理、合适的框架提示词之下,完成博士生完成的,他有没有训练这个方面能力?可能有,但是他专项能力没有训练过,比如说能源、湍流,解决专项训练,可是他有他自己的认知和推理能力,他比人类更厉害的能力,人类一年所产出的150万到180万篇论文,它在一个小时内读完,他建立了实体和实体的关系,以及推理能力,人读这些论文怎么把这些关系点连起来的,在这些知识之后怎么发挥的,他顺着这个路就思考了,只需要人提示一下,你要朝这个方向走,在座的各位有很多可以利用到它的地方,只不过是在不同的领域里面。
从三条主线看AI的方向,一共三块,特别是建筑智能领域,一个是建造阶段,第二运营阶段,第三个用户体验,到底应用在什么方向上去建造、运营和用户体验,我们造出来的楼,要知道花多少钱,运营需要花多少钱,运营过程当中管理需要做什么事情,怎么让这个楼升值,更好的招商,更好的节能,以及用户为什么来你这个楼,这个楼里面舒不舒服,是不是觉得开心,是不是觉得来了楼里面觉得风水好好,这是三条主线。
我们举几个小点。人工智能特别愿意自由审查,这个审查有两个问题,我们建造和设计的时候两件事情,第一个设计的时候到底用什么材料,有库存吗?是不是用在这个地方,采购的材料到底花多少钱,第二中用法,每个阶段都有一个审查,在建造、设计,每个阶段都有一个审核,审核到底哪些地方合理,哪些地方可以优化。
第二件事,原来我们说BIM,我猜想大家都知道BIM,BIM很好,而且是数字孪生当中非常重要的建筑的基石,但是用的不好,有两个原因,第一个虽然建起来一个BIM,建筑本身,无论建设、设计还是运营阶段,都可以做的很好。但是,这些数据的采集到底是准还是不准,我说的数据采集有可能基础的数据,也有可能运营过程当中采集的数据,这边举个例子,巴黎圣母院烧了,烧完之后有个新闻,要重建,靠什么重建?一个说法就是靠游戏,一个游戏叫刺客信条,其实不是的,是靠已故的一个教授,他拿着激光扫描仪去扫完一遍之后,得到了红色的,绿色的图之后,背后本质上代表着你要知道光看这个只是一个外观,它的地有沉降,不同的建筑里面不同的块是建筑时间是不同时期的,它的沉降也是不同,它用的砖、瓦都是不一样的,木头也是不一样的,所以这个时候如果只是靠外观重建,你只能徒有其表。只有通过更精准的数据的采集,才能得到激光扫描得到的,才能得到更精准的结果。
第二个是在运营过程,是不是加了这个瓦,今天进度怎么样,都是靠建筑智能化当中非常重要的一块建筑的ERP来实现。可是这个背后,生成式的人工智能来了之后可以帮我干两件事情,第一件事情还是审核,第二个生成,我们原来考虑不到的东西,生成式人工智能非常容易从我们看不到的角度看问题,这个楼走到这个地方的时候为什么这样,可不可以换一种样子,这种分析的过程,无论在建筑还是运营阶段都是一样的,这种分析一方面可以作为知识库的来源,第二方面可以连接现在已经有的数据回答我们刚才讲的分析,今天发生了什么,为什么是这样,我们接下来应该做什么样的调整,有什么选项,以及我们做了这种选择之后,可能有什么样的结果。这个来来回 回的问题,这个本身就是运营的仿真。
第三个优化,这是多纬度优化,建筑是一个相对来说毛利不高的地方,当时我在微软的时候有个建筑公司,他用了它来做设计,施工图,施工计划都已经做完之后来评估一下我们现在在这块地上用这种方式做这个事情是不是合理,有多大的潜在的风险,如果决策错一点有可能这个项目就赔了,所以帮我们做了决策专家,帮助过程优化,劳动力优化,分配不同的场景,这个是优化。
当然优化这件事情要分两个阶段讲,第一是有没有基础,有没有基准面,有了基准面之后才知道什么叫优化,所以用它摸底,让它做优化过程的设计,以及最后反过来到底如何优化自己的点。
当然现在还有很多的问题存在,比如他能不能看出来设计图的问题?能,但是好多问题他看不出来,因为现在数据很少,高质量的都藏在自己手里,这是一笔宝贵的财富,你通过自己的私有的帐号更快去满足市场的需求,这个是未来发展。从大模型到垂直垂类应用发展是非常重要的一件事。还有很多问题,比如说特征系数,原来没有人做标签,这是基础数据的缺失。如果我们倒过来看,大模型五年之后有可能干那么多事情,往回看,其实现在还缺一些东西,缺数据,缺要素数据,这些数据怎么来?就应该有人满足这个需求,所以中国今年开始提的数据乘以数据要素,提的非常及时,需要我们有人投身进去做的一件事情。
当然还有很多大问题。第二个大的部分是运营,原来的图很多公司都会做,园区里面做智慧运营,管控中心,下面有视觉、标准相关的,这个图很好画,右边的热力图大家都知道,然后怎么优化,一开始提到的群体智能,广东到了夏天的时候,东边的玻璃幕墙热,又特别晒,到了下午的时候,西边特别晒,特别热,这个温度怎么控制?原来靠人控制,如果我们这个大楼有大脑,它可以做群体的智能,就可以做用户体验的提升以及节能的调整,这个不在乎是否用的是规则方式还是巡检的问题。原来的问题在于,下面的东西都采集得到,但是上面一些面向不同的业务场景数据的分析和利用没有办法做,这可能因为各种各样的原因,自己只管这一摊事,没有办法站在更高的纬度做这个事,可是现在可以做了。
原来我们会把这些数据分散隔离,这只是举一个例子。到了年底,新闻说要小心防火防盗,怎么防?就是靠保安还是靠自己,每个小区都有摄像头,可是为什么防火防盗,就是因为没有把这些东西串起来,没有把数据、视频、图加载到一起,让它做判断,让这个小区变得更安全,这个小区就变成了安全卫士,各种传感器,脑子里面装载智能,人工智能非常擅长把各种不同的能力综合一块提出面向园区安全的模型、面向能源的模型,也可以不断的迭代。
第三从智能到智慧,每个人都排上班高峰期的电梯,电梯是不是足够智能,分两个领域,所谓的从智能到智慧,第一个就是管理,或者运营的智慧,第二个从用户角度上讲,是不是更舒服,更开心,大家排队很不爽,经常骂电梯,明明可以到这个地方,为什么不到这个地方,都是靠人控制,11点45分的时候老板那个楼就是专梯。对于用户,对于能源,大家理论上看看下面排队排多长,排特别长了,是不是就是又单双层的,单层的排那么长,是不是能调整一下,让双层和单层再多一个单层,让高峰期的压力变小一点,这个对它很简单。
另外,现在地下停车场越来越聪明,到底怎么设计我们不管它,但有一个背景,比如后面是学校,右边是一条主路,这个地方今天设计了一个停车场,这个地方会有什么问题?但凡从用户体验角度出发都会发现问题,而且我们把这个图给人工智能,他很容易提出问题,杆子过长,如果要送小孩上学,只能从中间挤过去,很明显,高峰期的时候造成大家抱怨,把杆子稍微短一点就完了,这都不是智能干的事,智能到智慧,不仅仅是机器上,而是要符合人的体验,要符合人从用户角度设计这个产品。
还有一些活动空间用什么模式做?比如太亮很可能经常要关一下灯,再举个例子,一个会议室里面,合理利用会议室是它的卖点,如何寻找会议室,如何高效预定,如何做日程关联,这个确实是痛点,但是实际使用当中最大的痛点是什么呢?是能不能不要开始会议了,投影怎么投不上去了。
假设在Open AI出来之前,我们都叫第一、第二、第三科学发现范式,可是它出来之后我们发现第四、第五发现范式的可能性,人工智能可以从数据里面自己发现规律。
因此,虽然今天有些是技术进步能改变,还有些不能,但我们还是希望是技术和人的能够共同进步,我们希望通过服务,为前沿科技和产业搭一座桥,谢谢大家!