Κέρδη:
- Ικανότητα περιγραφής του ρόλου της τεχνητής νοημοσύνης στην προετοιμασία, ερμηνεία και αναφορά δεδομένων στο φως της ημέρας, ηλιοφάνεια και ροή εργασιών προσομοίωσης ενέργειας
- Δυνατότητα σαφούς παρακολούθησης υποθέσεων, οριακών συνθηκών και αβεβαιότητας κατά τη σύνοψη των αποτελεσμάτων προσομοίωσης με AI
- Ικανότητα κατανόησης ότι τα αποτελέσματα ενέργειας/άνεσης πρέπει να επαληθεύονται με επίσημη μέθοδο υπολογισμού και διαπιστευμένο λογισμικό και ότι η τεχνητή νοημοσύνη δεν παράγει αριθμούς
Ένα κτίριο δεν φαίνεται απλώς όμορφο. Διατηρεί το άτομο που ζει μέσα δροσερό στη ζέστη και ζεστό στο κρύο, αφήνει φως κατά τη διάρκεια της ημέρας και δεν καταναλώνει περιττή ενέργεια. Για να τα προβλέψουν αυτά, οι αρχιτέκτονες χρησιμοποιούν προσομοιώσεις: αναλύσεις υπολογιστή που υπολογίζουν αριθμητικά πώς θα συμπεριφέρεται το κτίριο με τον ήλιο, το φως και τον αέρα. Η ανάλυση φωτός της ημέρας (πόσο φυσικό φως εισέρχεται στο χώρο), η ανάλυση ηλιοφάνειας/σκίασης και η προσομοίωση ενέργειας είναι τα κύρια. Το διαπιστευμένο και επαληθευμένο ειδικό λογισμικό κάνει αυτούς τους υπολογισμούς. Η τεχνητή νοημοσύνη δεν παράγει από μόνη της αυτούς τους αριθμούς. Ο ρόλος του AI είναι να προετοιμάζει δεδομένα, να οργανώνει σενάρια, να ερμηνεύει και να αναφέρει αποτελέσματα. Σε αυτή την ενότητα θα μάθετε πώς να βάζετε την τεχνητή νοημοσύνη στη σωστή θέση στη ροή εργασίας της ενέργειας και του φωτός της ημέρας και πώς να αποφύγετε το πιο επικίνδυνο λάθος: να κάνετε την τεχνητή νοημοσύνη να παράγει αριθμούς.
Γιατί το AI δεν προσομοιώνει
Ένα γλωσσικό μοντέλο μπορεί να δώσει έναν σίγουρο αριθμό στην ερώτηση "πόσο ηλιακό φως μπαίνει σε αυτό το δωμάτιο". Αλλά αυτός ο αριθμός είναι εκτίμηση/κατασκευή, όχι πραγματικός υπολογισμός. Πολλαπλασιαστής φωτός ημέρας, ενεργειακό φορτίο, ώρες σκιάς. Αυτοί είναι φυσικοί υπολογισμοί που βασίζονται στη γεωμετρία του κτιρίου, τη γεωγραφική θέση, τις ιδιότητες των υλικών και τα κλιματικά δεδομένα. Μόνο το λογισμικό προσομοίωσης που μοντελοποιεί τη φυσική κάνει αυτά τα πράγματα σωστά.
Η πραγματική συνεισφορά της τεχνητής νοημοσύνης είναι η εξής: προετοιμασία της εισόδου της προσομοίωσης (λίστα σεναρίων, τιμολόγιο υλικών), κατανόηση της παραγωγής της (συνοψίζοντας εκατοντάδες σελίδες αποτελεσμάτων, εύρεση μοτίβων) και σύνταξη της αναφοράς της. Επομένως, η τεχνητή νοημοσύνη είναι πολύτιμη πριν και μετά τον λογαριασμό. όχι στον ίδιο τον λογαριασμό.
Προσοχή: Μην ζητάτε από το AI αριθμό όπως πολλαπλασιαστής φωτός ημέρας, κατανάλωση ενέργειας ή ώρα σκιάς. Μόνο διαπιστευμένο/επαληθευμένο λογισμικό προσομοίωσης παράγει αυτές τις τιμές. Οποιοσδήποτε αριθμός παρέχεται από την τεχνητή νοημοσύνη δεν θα πρέπει να χρησιμοποιείται εκτός εάν πρόκειται για λογαριασμό προέλευσης.
Προετοιμασία εισαγωγής: Το πρώτο πλεονέκτημα της τεχνητής νοημοσύνης
Η ποιότητα της προσομοίωσης εξαρτάται από την ποιότητα της εισόδου. Η τεχνητή νοημοσύνη σάς βοηθά να ενορχηστρώσετε ένα περίπλοκο σύνολο σεναρίων: ποιες κατευθύνσεις πρόσοψης, ποιοι τύποι υαλοπινάκων, ποιες επιλογές σκίασης, ποιες ώρες χρήσης για δοκιμή. Η μετατροπή αυτών σε δομημένο πίνακα και η αποσαφήνιση του τι θα μετρήσει κάθε σενάριο εξοικονομεί χρόνο και μειώνει τα σφάλματα.
Η τεχνητή νοημοσύνη μπορεί επίσης να συντάξει ιδιότητες υλικού (τιμή θερμικής αγωγιμότητας, διαπερατότητα φωτός, κ.λπ.) και να τις βάλει σε έναν πίνακα. αλλά είναι απαραίτητο να επιβεβαιώσετε αυτές τις τιμές από την τεκμηρίωση του κατασκευαστή, επειδή το AI μπορεί να θυμάται εσφαλμένα.
Έξοδος ερμηνείας: Το δεύτερο πλεονέκτημα της τεχνητής νοημοσύνης
Η έξοδος της προσομοίωσης είναι συχνά τεράστια και πολύπλοκη: θερμοκρασία ώρα με την ώρα, επίπεδο φωτός δωματίου προς δωμάτιο, μηνιαία κατανομή ενέργειας. Λαμβάνοντας υπόψη αυτά τα δεδομένα, η τεχνητή νοημοσύνη παράγει μια σαφή σύνοψη: "τα τρία μέρη που γίνονται πιο ζεστά", "περιοχές κάτω από τον στόχο του φωτός της ημέρας", "σε ποιον μήνα το ψυκτικό φορτίο είναι υψηλότερο". Αυτή η σύνοψη επιταχύνει τη σχεδιαστική απόφαση του αρχιτέκτονα. Φροντίστε όμως να προσδιορίσετε ποιο λογισμικό και με ποιες υποθέσεις δίνετε τα αποτελέσματα στην τεχνητή νοημοσύνη. Το σχόλιο πρέπει να τοποθετηθεί σε αυτό το πλαίσιο.
Συμβουλή: Όταν δίνετε ένα αποτέλεσμα προσομοίωσης στην τεχνητή νοημοσύνη, πείτε "αυτά τα αποτελέσματα παράγονται από [το λογισμικό], με τις ακόλουθες υποθέσεις. Απλώς σχολιάζετε και υποδεικνύετε πώς οι υποθέσεις επηρέασαν το αποτέλεσμα." Η τεχνητή νοημοσύνη καθιστά έτσι ορατή την αβεβαιότητα αντί να την κρύβει.
Βήμα προς βήμα: Ροή εργασιών ανάλυσης με τεχνητή νοημοσύνη
- Διευκρινίστε την ερώτηση. Τι θέλετε να μάθετε: υπερθέρμανση, έλλειψη φωτός, ενέργεια;
- Επεξεργασία σεναρίων με AI. Πίνακας των παραλλαγών που θα δοκιμαστούν.
- Συγκεντρώστε και επαληθεύστε δεδομένα υλικού. Λένε AI, το επαληθεύεις από την τεκμηρίωση του κατασκευαστή.
- Εκτελέστε την προσομοίωση με κατάλληλο λογισμικό. Από εδώ προέρχεται ο αριθμός.
- Ερμηνεύστε την έξοδο με AI. Κάντε μια περίληψη αναφέροντας τις υποθέσεις.
- Πάρτε την απόφαση και αναφέρετε. Το συμπέρασμα και η αιτιολόγηση καταγράφονται με την πηγή του.
τρεις μίνι θήκες
Περίπτωση 1 — Επιμέλεια σεναρίου. Ένας αρχιτέκτονας θέλει να δοκιμάσει το φως της ημέρας για 4 προσανατολισμούς προσόψεων, 3 τύπους υαλοπινάκων και 2 επιλογές σκίασης. Η τεχνητή νοημοσύνη μετατρέπει αυτούς τους συνδυασμούς σε έναν σαφή πίνακα 24 σεναρίων και ο αρχιτέκτονας βλέπει ποια είναι περιττή επανάληψη και την περιορίζει σε 16. Ο χρόνος προσομοίωσης και η παρατυπία μειώνονται.
Περίπτωση 2 — Ερμηνεία και μοτίβο. Εμφανίζονται 800 γραμμές ωριαίας εξόδου θερμοκρασίας. Ο αρχιτέκτονας το δίνει στην AI και ζητά μια περίληψη. Η τεχνητή νοημοσύνη σηματοδοτεί δύο γραφεία στη νοτιοδυτική γωνία που θερμαίνονται πάνω από τον στόχο το απόγευμα. Για να επαληθεύσει αυτό το εύρημα, ο αρχιτέκτονας εξετάζει το αντίστοιχο γράφημα της προσομοίωσης και προσθέτει σκίαση. Το AI δεν παρήγαγε τον αριθμό εδώ. Έκανε τον υπάρχοντα αριθμό ευανάγνωστο.
Περίπτωση 3 — Επικίνδυνη συντόμευση. Για να εξοικονομήσει χρόνο, ένας ασκούμενος ρωτά τον AI "ποιος είναι ο πολλαπλασιαστής του φωτός της ημέρας αυτού του δωματίου;" και βάζει τον αριθμό που προκύπτει στην αναφορά. Κατά τον έλεγχο, γίνεται σαφές ότι ο αριθμός αυτός δεν βασίζεται σε κανέναν υπολογισμό και είναι κατασκευασμένος. Η έκθεση αποσύρεται. Μάθημα: οι αριθμοί προέρχονται πάντα από ικανό λογισμικό.
Τέσσερα μηνύματα με δυνατότητα αντιγραφής
Μετατρέψτε τα σενάρια που θα δοκιμαστούν για τον ακόλουθο στόχο ανάλυσης σε πίνακα. Στήλες: σενάριο αριθ μπροστινή κατεύθυνση | τύπος γυαλιού | σκίαση |τι μετράει; Επισήμανση περιττών/επαναλαμβανόμενων σεναρίων. Στόχος: [...]
Συγκεντρώστε τις τιμές μετάδοσης θερμότητας και μετάδοσης φωτός για αυτόν τον κατάλογο υλικών σε έναν πίνακα. Επισημάνετε κάθε τιμή ως "ΠΡΟΣ ΕΠΙΒΕΒΑΙΩΣΗ ΑΠΟ ΤΟ ΕΓΓΡΑΦΟ ΤΟΥ ΚΑΤΑΣΚΕΥΑΣΤΗ". Μην δίνετε ακριβή τιμή. Λίστα: [...]
Τα ακόλουθα αποτελέσματα προσομοίωσης παράγονται από το [όνομα λογισμικού], με τις ακόλουθες παραδοχές: [υποθέσεις]. ΣΥΝΟΨΗ αποτελεσμάτων: 3 πιο κρίσιμα μέρη, μοτίβα και αντίκτυπος των υποθέσεων. ΜΗΝ ΔΗΜΙΟΥΡΓΗΣΕΤΕ νέους αριθμούς, απλώς ερμηνεύστε τους δεδομένους. Αποτελέσματα: [...]
Οργανώστε αυτό το προσχέδιο έκθεσης ενέργειας/φως της ημέρας στη γλώσσα ενός αρχιτέκτονα: με ενότητες για μέθοδο, υποθέσεις, ευρήματα, συστάσεις. Αφήστε ένα πεδίο [ΠΗΓΗ] για να υποδείξετε την πηγή (λογισμικό/λογαριασμό) κάθε τεύχους. Σχέδιο: [...]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Ποια θα ήταν η κατανάλωση ενέργειας αυτού του δωματίου;"
Ισχυρό: "Επικολλώ τη μηνιαία παραγωγή ενέργειας της προσομοίωσης που βασίζεται στο EnergyPlus παρακάτω. Υποθέσεις: [αρχείο κλίματος, ώρες χρήσης, καθορισμένες θερμοκρασίες]. Συνοψίστε αυτά τα αποτελέσματα: ποιος μήνας έχει το μεγαλύτερο φορτίο, ποια τοποθεσία ξεχωρίζει, ποια από τις υποθέσεις επηρεάζει περισσότερο το αποτέλεσμα. Υπολογίζοντας έναν νέο αριθμό. Απλώς ερμηνεύστε τα δεδομένα που έδωσα."
Η ισχυρή προτροπή διατηρεί την τεχνητή νοημοσύνη σε ρόλο διερμηνέα. Δεν πέφτει στην παγίδα της παραγωγής αριθμών και κάνει ορατές τις υποθέσεις.
επιχείρηση
Το κάνει το AI;
Ποιος παράγει τον αριθμό
Επεξεργασία σεναρίου
Ναι
—
Συγκέντρωση υλικών δεδομένων
Ναι (επιβεβαιώθηκε)
Πιστοποιητικό κατασκευαστή
λογαριασμό προσομοίωσης
όχι
Διαπιστευμένο λογισμικό
Τελικό σχόλιο/ περίληψη
Ναι
—
Σύνταξη αναφοράς
Ναι (συγκολλημένο)
—
Συνήθη λάθη
- Κάνοντας το AI να παράγει αριθμούς. Η τιμή της ημέρας/ενέργειας προέρχεται μόνο από λογισμικό.
- Χωρίς να δηλώνει υποθέσεις. Η ερμηνεία παραμένει χωρίς πλαίσιο και παραπλανεί.
- Δεν επιβεβαιώνει την υλική αξία. Το AI μπορεί να δώσει λανθασμένες τιμές θερμοκρασίας/φωτός.
- Μη σύγκριση της περίληψης AI με τα ακατέργαστα δεδομένα. Η σύνοψη μπορεί να τονίσει εσφαλμένα.
- Βάζοντας τον κατασκευασμένο αριθμό στην αναφορά. Δεν περιλαμβάνονται αριθμοί χωρίς πηγή στην αναφορά.
Συνοπτικά
Οι υπολογισμοί της ενέργειας και του φωτός της ημέρας βασίζονται στη φυσική και μόνο το διαπιστευμένο λογισμικό προσομοίωσης το κάνει σωστά. Το AI δεν κάνει αυτόν τον υπολογισμό. επεξεργάζεται τα δεδομένα εισόδου, συγκεντρώνει (επαληθεύει) τα υλικά δεδομένα, ερμηνεύει το αποτέλεσμα και γράφει την αναφορά. Ποτέ μην αναγκάζετε το AI να παράγει έναν αριθμό όπως πολλαπλασιαστή φωτός ημέρας ή κατανάλωση ενέργειας. Αναφέρετε την πηγή κάθε αριθμού, κάντε ορατές τις υποθέσεις και επαληθεύστε την τελική αξιολόγηση με αρμόδιο εμπειρογνώμονα.
Εργασία εφαρμογής
Σχεδιάστε ένα σενάριο ανάλυσης φωτός ημέρας ή υπερθέρμανσης για έναν χώρο. Με την τεχνητή νοημοσύνη, μετατρέψτε τις δοκιμαστικές περιπτώσεις σε πίνακα και αφήστε πεδία επιβεβαίωσης για τις αξίες υλικού. Εάν έχετε έξοδο προσομοίωσης (ή δείγμα πίνακα), συνοψίστε το στο AI, αναφέροντας τις υποθέσεις και ελέγξτε ότι το AI δεν παράγει νέους αριθμούς.
λίστα ελέγχου
- [ ] Διευκρίνισα την ερώτηση ανάλυσης.
- [ ] Επεξεργάστηκα τα σενάρια με AI.
- [ ] Επιβεβαίωσα τις αξίες υλικού από την τεκμηρίωση του κατασκευαστή.
- [ ] Πήρα τον αριθμό μόνο από διαπιστευμένο λογισμικό.
- [ ] Έβαλα το AI να το ερμηνεύσει δηλώνοντας τις υποθέσεις.
- [ ] Έλεγξα ότι το AI δεν δημιουργεί νέους αριθμούς.
- [ ] Έγραψα την πηγή κάθε τεύχους στην έκθεση.