毕达宁：未来的设计和设计的未来(下篇)

优居视界 2019-10-30 16:59:04

企业

如何适应竞争激烈的建筑业和家装市场？

如今，各行各业的客户（尤其是住宅和家装市场的客户）对项目的实际成本似乎都变得敏锐、精明了许多。当多家建筑设计公司在为他们的项目竞标之时，也代表着这些客户是最终受益者。

在未来的某个时间（大概是十年，当然也许会更早），人们对新技术的应用程度便会像孩子在操场上自由玩耍一样自如。接下来，我将为大家假设一个场景，看看新技术是如何应用到建筑项目上的以及其可能产生的巨大影响。

情景假设：假设你是一名业主，想要在现有的两层建筑的基础上开发一栋多层混合用途建筑……

· 步骤一——从网站上收集信息

第一步，你可以联系一家兼有建筑师、工程师和施工人员的设计建造公司。他们首先会参观你的建筑，并用一台实景三维扫描仪对其进行扫描，以对施工条件作出评估。扫描之后的图像和信息会上传到另一个软件上，这个软件会自动检查点云（在逆向工程中通过测量仪器得到的产品外观表面的点数据集合称之为点云），并生成建筑信息模型，即BIM。在机器学习图像识别技术的帮助下，模型内的所有部分都会被标记，数据也会填充进去。

由此可见，以往的设计方法已经出现了重大变化——因为传统建筑设计的基础是场地的实际勘察。土地测量师会进行建立水平和垂直测量数据库、制定坐标系、并测量建筑边界和地形等等工作。

通过这一步传统的勘测方法，建筑师和工程师已经将地形，包括周边植被、地标、街道、人行道、建筑物、公用设施和栅栏等信息画在图纸上了。但实际上，传统数据收集方法的优点是有限的，且难以将这些数据有效地结合到设计中，容易出现含糊不清的情况，有时甚至会出错。

传统上看，这些设计都是根据最佳的可用信息创建的，但是在构造过程中却存在一定的误差。有时，现场工作人员会被要求放慢工作速度甚至停止手中的工作，而且一些没有预想到的未知条件则需要设计一次又一次的改变。另外，图纸上的注释都是手工标记的，因此存在局限性，并不总是能够关注到建筑的各个角落。

如今，有几种方法和几种常见的软件包可以协助建筑师进行建筑现场信息勘查，当然了，这主要取决于您在该领域使用的是什么品牌的硬件。但几乎所有主要品牌都提供了将调查数据添加到AutoCAD绘图工具中的功能。

当下，最新的扫描软件包可以自动注册和模拟激光扫描仪的点云数据，功能更强大，应用范围也更为广泛，用户在扫描数据后，能够获得更详细和更清晰的信息。然后，它们可以方便地导出到当下较多人使用的CAD和BIM素材包，用于更准确地对工作作出预估或者详细说明。通过对管道、导管和其它结构部件的自动识别，该扫描软件能够基于巨大的内置元素库快速、准确地建模出目标对象。

实境撷取功能发挥着极其重要的作用：它能够将现有的条件变得可视化，创建出基于现实世界的三维设计，由此帮助建筑师和工程师实现更高效和更高质量的工程设计。由此，能够进一步实现更准确的工程分析，以及更低的设计和建设成本，建筑质量也会更高。加之相关人员不用亲身到建筑中去，安全系数也高了很多。

如果想让这些三维扫描仪产生高质量的扫描结果，则需要收集工地上的全面数据。这些扫描仪能够使承包商以更快的速度收集所需数据，而它们的大内存减少了完成工作所需要的各种设置，同时达到了高准确性和高灵活度。

· 步骤二–由计算机来处理所收集来的信息

接着，设计师团队将所得出的建筑信息模型放入生成式设计程序中，便会得到它提供的数百种设计方案，且这些方案都满足项目的各种需求。在这一步还需用到人工智能技术，以根据相似项目的历史数据记录生成准确的成本估算价以及计划进度状况。

现在我想为大家更好地解释“生成式设计”这一术语。生成式设计会用到输入的各项设计参数，例如材料、构造方法、制造成本和云计算的能力等，也会运用到输入的总设计目标。基于这些目标和参数，云计算能力可以生成多个设计选项。这些选项可能非常复杂，以至于你需要花费数天或数周的时间在现有的三维CAD软件中对其进行自行设计和开发。

生成式设计实际上是一种迭代的设计过程，总体而言就是通过计算机和最优化程序自动生成设计。它涉及到一种程序，这种程序会生成一定数量的输出条件，以满足特定的限制条件。设计师通过改变程序的变量来进行微调，以满足一系列限制区间的最大值和最小值，从而减少或增加可供选择的输出信息。

计算设计（即computational design，就是将一些计算机技术运用到设计中去）能够通过自动创建定制的建筑计划来解决特定项目所面临的挑战，从而有望对建筑行业产生深远的影响。最新的生成式设计软件能够独立地生成定制的建筑方案，因此无需在设置初始参数和启动程序之后进行任何进一步的人机交互。

AUTODESK 多伦多总部公司

在建筑领域使用人工智能技术的一个完美范例是总部位于多伦多、全球领先的设计软件及数字内容创建公司Autodesk。在这里，通常需要手动完成的设计都能由计算机自动完成。公司内所使用的计算机能够根据来自建筑师团队所输入的特定要求和限定条件生成多至10000个备选方案，最终提供最优化的方案并作出评估。

设计师使用计算工作流技术（computational workflows）和生成学习算法（generative learning）来优化设计的目标，并创建一个让250名员工感到舒适的空间。这个过程的第一步是明确设计上的限定条件以及最终目标。当然了，有一些变量是固定的，例如平面图的尺寸、柱网格的位置和员工人数。其它方面则需要更多的规划，例如会议室和封闭空间的数量和面积等。在确定建筑空间的设计目标时，所有的元素都会被考虑进去，比如采光条件和室外景观的设计，以及不同程度的以及员工之间的相互联系。

未来，生成式设计将变得更为重要，这在很大程度上归功于新的编程环境或脚本功能，因为它们让实现理想中的设计变得相对更容易，即使对于没有编程经验的设计师来说也是如此。此外，生成式设计可以为本质上相对较复杂的问题创建解决方案，否则这些问题将会消耗不少资源。它同样也能够与现在商业领域常用的计算机辅助设计（CAD）软件包搭配使用，相辅相成。

· 步骤三–戴上智能眼镜，让自己沉浸在建筑的设计方案选项之中

设计师团队来到建筑现场参加项目的启动仪式，他们会与你一起戴上增强现实（AR）眼镜参观新设计的建筑。在完全沉浸于新建筑几个可能的设计选项后，你研究了几个心仪的设计方案，经过一些自己的思考和设计师团队专业人士的建议后，你最终选择了一个最中意的设计。

· 步骤四–建筑信息模型（ BIM）构造

每一栋建筑的最终实现都是从一个个小设想开始的，而这种设想可以通过三维模型实现。在建筑信息模型中，有很多你想得到和想不到的内容。三维模型中的所有内容都由一个个组件组成，而每个组件内都充满了大量的信息。当内容包含构成产品外部特征的技术信息和几何参数时，该内容就成为了“可构造内容”。这些组件或者“可构造内容”聚合在一起，便形成了一个三维构造模型，它可以直接转换到实际世界中的存在，并可以构建为现实建筑。

如前面所述，“可构造内容”中所包含的数据多种多样，包括诸如高度、重量、劳动力信息和材料价格、零件编号等信息。当所有的组件聚集在一起形成模型或者系统时，就意味着可以在现实世界中构建它了。

在世界各地，BIM的采用和标准存在着巨大差异，但不可否认，BIM正在改变人类施工的方式，这一事实已成为大家公认的公理。如今，一些公司正在从2D设计向3D设计迈进，而其他公司却已经从3D设计向4D、5D甚至6D BIM迈进了。

- 4D-BIM：四维建筑信息模型会为建筑平面图增加清晰度，肉眼看上去上会更加清楚。该模型下的信息包括建筑整体规划、施工模拟信息、规划优化方案、进度跟踪以及计划构建选项和实际构建选项的对比。

- 5D-BIM：与三维建筑信息模型相比，五维建筑信息模型增加了两个新信息：成本和材料。除了标准的设计参数，额外的一些细节——如几何特征、美学参考、热学和声学性能也能够包含在项目中。在设计的早期阶段，五维建筑信息模型还可以评估出某个决定对设计成本的影响。该模型下的信息包括成本估算和预算，项目规划以及中期付款凭证。

- 6D-BIM：六维建筑信息模型处理关于建筑生命周期管理的相关信息，并为大型项目提供许多附加价值。该模型关注的从长远的角度看建筑，其包含的信息包括建筑的维护以及可持续发展等等。具体来说，该模型下的信息包括已建BIM模型、智能项目文档集成、设施维护规划以及资产管理方案等。

· 步骤五 –更高效率化的施工

施工过程自然是从现场工作开始，但是在我们的模拟场景中，建筑的上部结构是在一个现场外部的工厂内用预制构件组装的，以便及时交付到现场作业中去。标准化的零部件，比如外墙板等，可以使用3D打印机大规模定制，以获得您选择的最满意图案；建筑机器人则在无法打印的零部件上帮上了大忙。经过优化的机械、电器和平面图（MEP）在人工智能技术的帮助下从建筑信息模型BIM中提取出来，并通过机器人放置于合适的位置。

这种“场外造建筑”的方式有可能会把劳动力从工地上解放出来，为现场工作人员留下更多的空间。只要把这一点与智能基础设施建设和物流规划等相结合，就能在这些以往拥挤混乱的工作场所创造高效率的新环境——当然这种效果自然也会对更高效的工作调度产生积极影响。当以固定的速率从建筑外部的预制工厂生产零部件并按时交付到现场作业中时，其安装过程就会变得更容易，时间也会缩短，也更加可预测——因为工地现场上的每个人都知道什么时候该做什么。因此，这种方式也让时间安排更高效。

项目继续推动，由于我们使用了项目信息管理系统PMIS，所有的团队成员对于项目的具体进展情况都知道的一清二楚。关于建筑项目的所有文件和具体细节都储存于一个地方，方便团队的每个人访问。建筑现场的物联网能够自动生成每日工作报表，显示穿着智能款衬衫的工作人员，现场的实际状况以及大家手中在做的工作。

最后，你的项目终于建成，而且是提前完成，且在预算之内完成——而这一切都要归功于先进的科学技术以及人与机器的强强联合！

由于你的BIM现在已经转变为区块链上的分布式自治组织（即DAO，指通过一系列公开公正的规则，可以在无人干预和管理的情况下自主运行的组织形式），因此已不需要BIM的数据切换。这意味着该项资产是作为一个独立实体在区块链上编程的，具有更智能的契约指令，无需人工干预即可操作。这时候，BIM能够用自己的物联网（IOT）传感器对其本身进行监控，这样的话，比如灯坏了需要维修的时候，传感器便会自动呼叫请求维修。房屋租金将使用加密货币作为支付方式，自动从租户处收取。

展望未来

在上述所提到的假设场景中，你可能会对一些细节问题感到疑惑。但是请想一想您的日常工作流程，试想下如果使用上面提到的一些技术（或者全部技术）将以怎样的方式对你和你的团队产生积极影响。

请认真考虑你会如何利用这些技术来提高效率和生产力，当然了，纵然新科技是双刃剑，现在首先考虑其积极的一面。尽管人工智能在商业领域的广泛应用仍处于起步阶段，人们对其进展速度以及实现“普及到每个普通人身上”的可能性仍存在疑问，但不可否认，这些技术正开始以多种多样的方式改善我们的生活和工作——从简化我们的购物步骤到优化我们的工作体验。

诚然，人工智能技术给人类带来了许多便捷以及越来越多的商业价值，但它也带来了许多不受欢迎、有时甚至是极为严重的后果。更令人担忧的是潜在的、我们尚未察觉或经历过的后果。

五个人工智能技术可能带来的风险

· 合理使用数据的困难

随着来自网络、社交媒体、移动设备、传感器和物联网等来源的非结构化数据量（非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的文本、图片、HTML、图像和音频/视频信息等）的逐渐增加，人类对数据的合理使用正变得愈加困难。人们很容易陷进陷阱，比如无意中使用或泄露隐藏在匿名数据中的敏感信息。

· 技术上可能会出现的问题

整体操作环境中所遇到的各种各样的问题会对人工智能系统的性能产生负面影响。

· 安全漏洞

另一个可能出现的新问题是，骗子可能会利用看似不太惹人注目的营销手段和从公司中所收集来的财务数据影响AI系统。倘若安全防范措施不足，骗子就会把这些信息整合在一起，创造出一个假身份。

· 模型本身出现问题

当人工智能模型产生本身出现问题时，就会产生有歧义的结果，并且变得不稳定。或者对那些受其结论影响的人产生负面影响。

· 人机相互影响

人与机器之间的互相影响是另一个可能出风险的关键领域。

如果重型设备、大型车辆或其它机械的操作人员没有意识到何时应该弃系统而不顾，或者由于操作人员的注意力在别处（在自动驾驶汽车等应用中，这种情况极有可能发生），所以无法快速地放弃拥有先进技术的系统，那么事故和危害就有可能发生。相反，人类的判断在放弃系统时，也有可能会出现错误。在先进技术系统的背后，在数据分析系统中，脚本错误、数据管理中的失误以及对一些模型数据中的误判很容易损害公平性、隐私性、安全性等，造成巨大的负面影响。