一个
人为何情报和机器学习算法难以理解混乱的建筑工地现场,但近年来行业企业建立庞大的数据湖泊和分析系统所必需的这些机器提供有用的建议关于如何计划,计划和执行项目。18luck官网在某些情况下,这些AI顾问已经成为一个标准的一部分,一些公司的项目交付方法。但它仍然是一个挑战来说服这些人工智能建筑专业人士听顾问,还有新兴的问题将如何分配风险一旦由算法决定开始引导项目。18luck官网
的一个更直接的使用人工智能建筑已经被爱丽丝项目执行调度分析技术的机器学习算法,爱丽丝。公司已进入行业近年来(新利luckENR 5/28/18第11期),但创始人Rene Morkos说建设可能接近临界点时,人工智能应用。
图形:斯科特ENR培土新利luck
“我总是听到人(行业)是“我真的很喜欢调度,但数字运算是最无聊的部分,”“Morkos说。“为什么心智正常的人会想要花时间处理所有的限制一个项目吗?它说话无聊。”
相反,爱丽丝算法假设成千上万的可能的方式执行一个项目通过运行仿真项目的4 d时间表和荡妇,调整变量输入调整的项目”的配方。输入“用户做出调整,和爱丽丝告诉他们如何影响施工进度。但Morkos说爱丽丝不放弃决策。相反,它是关于自动化的过程生成可能的替代计划。
随着越来越多的公司把投资正确收集和组织他们的项目数据,Morkos说,像爱丽丝和其他基于ai技术顾问能借一些企业真正的竞争优势。”的基本价值主张总承包商正在改变。这个新的生态系统将综合数据系统,和这将是20到30公司这个奖带回家,”他说。“我们非常幸运生活在这个黄金时代的施工技术。”
规划阶段的结构混凝土平方米,1.5亿澳元,20-story住宅大厦5米内发展在旧金山,迈克尔•MacBean关键客户项目主任太平洋结构,认为爱丽丝算法更多的第二意见通知自己的调度本能。“我们在分段装配用于项目来验证我们的方法对项目和检查我们的生产力,”他说,并指出他得到最大的利用自己的过去的经验作为一个项目负责人。”算法是可怕的。其计算能力每一个猫的皮肤,如果你愿意,会更好,如果你也有人类专业建设要做最好的,”MacBean说。
M2塔,MacBean发现爱丽丝是一个有用的顾问,让他调整他的计划没有超负荷工作团队。“在几分钟内,你可以改变你的项目。18luck官网你要起重机在这里或那里,你要8或10个小时的天,你应该招聘50名工人或20工人吗?”
MacBean能够验证他的方法对M2塔甚至微调一些分段的结构工作。“我们能够深入了解一下我们是如何骑自行车项目模板,我能更好地理解我的起重机的需求,”他说。爱丽丝的建议说服他去crane-jumped核心的模板,而不是自升式核心,因为算法显示会有足够的吊车时间工作。“我可能明白了自己,但它需要很长时间。爱丽丝做一些非常简单的数学,但它很快。”
而太平洋结构及其母公司与爱丽丝,建立集团很高兴到目前为止MacBean说有一个更广泛的行业问题在信任算法。“出售的想法把所有这种信任在人工智能不仅仅是太平洋的结构问题,这是整个行业的障碍,”他说。“这是一个困难的事情。在全国有很多建筑商如何构建30多年的专业知识。“但MacBean补充道,虽然它可以是一个缓慢的过程将基于ai技术像爱丽丝带入施工,赢得了他的团队之间的转换。
按计划与M2塔安装现在,下一个测试MacBean爱丽丝将高楼大厦在西雅图,目前在规划阶段。工作,他计划使用爱丽丝在整个项目中,与整个团队与算法的调度建议。“这些项目是如此之大,所以复杂18luck官网,可能需要数年时间为几人考虑每一个设计方法和成本。但随着爱丽丝,在几分钟内你可以有很多的细节在一个项目中是正确的路要走。对我真的很强大。”
|
|
企业建立自己的本土AI
有时如果你有数据准备好,最好是自己构建AI顾问。DPR建设一直在多年之旅项目充分利用其庞大的存储数据,目前正在构建自己的人工智能算法最终参与到公司的决策过程。“一些我们现在正在做机器学习项目,我们不叫他们AI。18luck官网我们称它们为“人工智能辅助”或人类的帮助,”Hrishi马汉说,DPR数据分析的领袖。而不是追逐的目标一个无所不知的AI明智地指导公司的项目,王位的团队正专注于建筑制定更有针对性的算法服务顾问角色,增加人类用户的决策过程。18luck官网算法将提供见解DPR项目的基于过去的表现,即使这意味着有时挑战对如何构建用户的假设。18luck官网
马汉说这自动建议将很快用于投标准备和项目计划。“我们的目标是帮助我们的业务开发、运营和调度人员根据历史数据做出更明智的决定所以一切都是更加科学的,而不是别人的坏感觉的事。”
算法最终训练DPR的历史数据可以提供洞察潜在项目结合过去的表现,甚至拨打投标价格更具竞争力。18luck官网马汉说的这些只是一些好处DPR努力改善其数据收集和分析方法。“如果有些数据来自野外,它是基于人的知识填满,”他解释说。“你想出了这个数字,但你如何支持号码吗?这种转变是消除人为因素决定和搬到一个更科学的方法。”
“这种转变是消除人为因素决定和搬到一个更科学的方法。”
——数据分析领袖,DPR Hrishi马哈
但是马汉说,这些改进都唾手可得相比他的团队努力。而全面建设人工智能仍然遥远,即便是有限的DPR如何构建基于AI顾问可能会改变。“几年前,一个人工智能辅助工具将会产生巨大的差异。它将改善我们如何工作,消除人为因素的决策。它会更快地让我们的人民,”他补充说,他预计这些人工智能助手超越自动化招标评估流程,最终提供可操作的、详细的建议在项目交付,根据实时数据收集。
为了获得更多可用的网站数据,DPR也一直尝试从Kwant.ai可穿戴劳动力监控标签。“有时它不是一个缺乏人工智能问题,但是建筑业的劳动生产率问题,”查理·邓恩说DPR的计划、调度和生产计划团队。“我的经验来自Kwant labor-tracking数据在网站上获得信任的有一段:我们的运维人员相信他们看到了什么吗?”他说信任是关键的数据,并补充道:“然后,一旦进入预测人工智能领域,我们可以说,“嘿,你说这是计划,这事说你没有会议计划。”
Kwant.aicollects location data from workers wearing its wireless tags, and the technology firm focuses mainly on providing up-to-date head counts and logging safety incidents. But Kwant.ai is working to apply machine-learning and AI to its data sets, says Niran Shrestha, the firm’s CEO and co-founder. “We never try to sell this by saying it will solve all your problems, but if you input all the data it will provide insights for you to take action,” says Shrestha. With an eye on productivity, Kwant.ai can provide workforce recommendations based on past performance. “Can it tell you how many people you need on a crew tomorrow? Well, for example, say you planned on 20 people on an electrical crew. Kwant says you probably need 30, so maybe you decide on 30 just to be safe. Right now it’s only a reference point, but the data we are collecting will improve that over time,” says Shrestha. He adds that Kwant.ai has found the most traction on industrial projects which already have processes in place for standardizing repeatable types of work.
随着这些机器学习算法开始使可行的建议,提高责任和风险的问题。Shrestha Kwant说。人工智能是密切关注这个问题,引用一些项目业主已经如何利用其分析数据做出艰难的电话。“我们ceo和VPs看仪表盘,做决定,”他说。“在某种程度上,我们将接管的风险。“但是现在,Kwant。ai关注担保的数据的准确性,使其用户的决策责任。
“我们认为它像自动驾驶汽车:仍然需要人类的手在方向盘上,“Shrestha说。“我们可以有一个算法,预测项目安全事故和进度风险,但用户仍直接参与。18luck官网我们并不是说为他们让开,让我们为他们做的一切。”
法律责任的AI顾问
“人工智能的一个基本问题是当它的学习达到一定程度的成熟之外,如果出现问题我们能够把这人类的错,”约瑟夫·A·克利夫斯Jr .)说,塔夫脱Stettinius &霍利斯特LLP的合伙人和专家建设诉讼。“99.9%的处理故障的基础上,建设风险问题。”
虽然大公司内部开发他们的机器学习和人工智能算法可以管理相关联的风险更大范围的服务提供给客户,克利夫斯说,如果一个更小的公司就会陷入困境可以从第三方供应商使用复杂的算法做出重要的决定。”在这种情况下,这些球员并不是谈判通常会利用一个公平的系统风险的分配,”他说。
这些小公司克利夫斯说可能需要精明多少信任他们在任何第三方供应商的人工智能系统。“有潜在的小用户事件,导致一个生存危机的责任。他们有资金购买软件,不懂的责任。”克利夫斯说他可以看到标准的用户许可协议普遍硅谷科技创业公司跑违法建设的严酷现实在未来,如果关键的决定基于人工智能和机器学习导致不良项目的结果。18luck官网
但是建设法律不一定是太脆处理人工智能的挑战,和合同语言总是可以改变,以适应新技术,指出Tracy乐德‧伊科斯和尼克松皮博迪LLP律师事务所联系起来。“我们可能会看到业主和总承包商获得更多的创意在如何分配责任的这些项目,”她说。18luck官网
“供应商将不得不重新考虑他们许可和协议的类型和他们的用户。”伊瓦拉-奥尔多,伙伴,尼克松皮博迪LLP)
乐德‧伊科斯和她的同事们一直在研究人工智能的影响和其他新技术建设,和她新利luck说,有些政党之间的合约安排可能会改变,因为这些技术承担更多的风险。“预先计划的总承包商可能会说,‘我有这种技术,将节省十亿美元,刮下时间表,但它带有风险,”“乐德‧伊科斯说。“业主认为,无论如何,它在我的GC。但如果GCs不能风险转移到科技公司提供软件,他们将需要决定如果他们想自己承担一切,或者安排一些共享成本。”
乐德‧伊科斯的同事,尼克松皮博迪伙伴伊瓦拉奥尔多,认为它可能会下降到所有者想要更好的风险评估这些新兴AI顾问。“我认为一旦你看到人工智能或semi-AI进入建筑工地,在某种情况下承包商或所有者将不得不说,“如果我使用你的服务,我们需要重新考虑这项技术的许可条款更像一个分包商合同,因为你基本上是现在施工队伍的一部分。”
尽管不具约束力的开关AI建议让AI或其他算法真正做决定尚未发生,伊瓦拉表示,公司应该准备什么,情况可能意味着责任。“一旦软件不仅仅是一个工具,并成为一个实际的人工智能决策,这是不同的。在这一点上,这些技术供应商将不得不重新考虑他们许可和协议的类型和他们的用户。”
伊瓦拉补充道,虽然他和乐德‧伊科斯紧跟这一问题,他们还没有看到任何诉讼风险和责任建设人工智能相关顾问。伊瓦拉指出它也可以在一个测试用例发生之前得到解决。“市场将有一个说,“他说。“不仅仅是一个技术公司,如果他们想要让自己从竞争对手中脱颖而出,他们可能会把一些皮肤在游戏中,作为分包商说他们会签署正确地向你保证,他们的AI会推进你的项目。”
目前正是大好时机
但法律建设人工智能仍然担忧理论,现在DPR的王位是坚定地认为其他公司应该冒险在形状和获取数据机器学习和人工智能。“不要等待完美你的数据,因为它是永远不会,”他说。甚至与“60%到70%的我们可以信任我们的数据是准确的,从这个过程中,和其他显示潜在的准确的数据可以做什么。“摩诃引用了云分析工具在AWS和Azure坚实的地方开始探索这些见解和建立一个数据科学的进一步投资。
一旦一个公司投资在他们的数据组织和在云中,马汉说重要的是要把在数据建模和分析相关经验的人真正让它发光。
但他也强调,公司不应该落入的陷阱在科学或机器学习数据但是单独将其他公司的参与塑造任何人工智能的算法见解助理。“一定要涉及到业务和项目执行方尽早,因为他们要把表盘的,”他建议。“涉及他们早期将意味着更好的结果为您的机器学习项目”。18luck官网
