تجزیه و تحلیل انرژی، نور روز و راحتی — هوش مصنوعی در معماری

سود:

توانایی توصیف نقش هوش مصنوعی در تهیه، تفسیر و گزارش دهی داده ها در نور روز، تابش نور و جریان کار شبیه سازی انرژی
توانایی ردیابی واضح مفروضات، شرایط مرزی و عدم قطعیت هنگام خلاصه کردن نتایج شبیه‌سازی با هوش مصنوعی
توانایی درک اینکه نتایج انرژی/آسایش باید با روش محاسبه رسمی و نرم افزار معتبر تأیید شود و هوش مصنوعی اعداد را تولید نمی کند

یک ساختمان فقط زیبا به نظر نمی رسد. فرد داخل خانه را در گرما خنک و در سرما گرم نگه می دارد، نور را در روز وارد می کند و انرژی غیر ضروری مصرف نمی کند. برای پیش‌بینی این موارد، معماران از شبیه‌سازی‌ها استفاده می‌کنند: تحلیل‌های کامپیوتری که به صورت عددی محاسبه می‌کنند که ساختمان چگونه با خورشید، نور و هوا رفتار خواهد کرد. تجزیه و تحلیل نور روز (میزان نور طبیعی وارد فضا می شود)، تجزیه و تحلیل تابش / سایه و شبیه سازی انرژی اصلی ترین آنها هستند. نرم افزار ویژه معتبر و تایید شده این محاسبات را انجام می دهد. هوش مصنوعی خودش این اعداد را تولید نمی کند. نقش هوش مصنوعی تهیه داده ها، سازماندهی سناریوها، تفسیر و گزارش نتایج است. در این بخش یاد خواهید گرفت که چگونه هوش مصنوعی را در جریان کار انرژی و نور روز در جای مناسب قرار دهید و چگونه از خطرناک ترین اشتباه جلوگیری کنید: ایجاد اعداد توسط هوش مصنوعی.

چرا هوش مصنوعی شبیه سازی نمی کند

یک مدل زبان می تواند به این سوال که "چقدر نور خورشید وارد این اتاق می شود" عدد مطمئنی بدهد. اما این عدد یک تخمین/ساخت و نه یک محاسبه واقعی است. ضرب کننده نور روز، بار انرژی، ساعات سایه؛ اینها محاسبات فیزیکی بر اساس هندسه ساختمان، موقعیت جغرافیایی، خواص مواد و داده های آب و هوایی هستند. فقط نرم‌افزارهای شبیه‌سازی که فیزیک را مدل‌سازی می‌کنند، این موارد را به درستی دریافت می‌کنند.

سهم واقعی هوش مصنوعی این است: تهیه ورودی شبیه سازی (فهرست سناریو، صورتحساب مواد)، درک خروجی آن (خلاصه کردن صدها صفحه از نتایج، یافتن الگوها)، و نوشتن گزارش آن. بنابراین هوش مصنوعی قبل و بعد از حساب ارزشمند است. نه در خود حساب

احتیاط: از هوش مصنوعی اعدادی مانند ضریب روز، مصرف انرژی یا ساعت سایه نخواهید. فقط نرم افزار شبیه سازی معتبر/تأیید شده این مقادیر را تولید می کند. هر شماره ای که توسط هوش مصنوعی ارائه می شود نباید استفاده شود مگر اینکه یک حساب منبع باشد.

آماده سازی ورودی: اولین مزیت هوش مصنوعی

کیفیت شبیه سازی به کیفیت ورودی بستگی دارد. هوش مصنوعی به شما کمک می‌کند مجموعه پیچیده‌ای از سناریوها را تنظیم کنید: کدام جهت نما، کدام نوع لعاب، کدام گزینه سایه‌زنی، چه ساعت‌هایی برای آزمایش استفاده می‌شود. تبدیل این موارد به یک جدول ساختاریافته و روشن کردن اینکه هر سناریو چه چیزی را اندازه گیری می کند، باعث صرفه جویی در زمان و کاهش خطاها می شود.

هوش مصنوعی همچنین می‌تواند ویژگی‌های مواد (مقدار رسانایی گرما، عبور نور و غیره) را جمع‌آوری کند و آنها را در جدول قرار دهد. اما لازم است این مقادیر را از اسناد سازنده تأیید کنید، زیرا ممکن است هوش مصنوعی اشتباه به خاطر بیاورد.

تفسیر خروجی: دومین مزیت هوش مصنوعی

خروجی شبیه سازی اغلب عظیم و پیچیده است: دمای ساعت به ساعت، سطح نور اتاق به اتاق، توزیع ماهانه انرژی. با توجه به این داده‌ها، هوش مصنوعی خلاصه‌ای واضح ارائه می‌کند: «سه مکان که گرم‌ترین مکان‌ها هستند»، «مناطق زیر هدف نور روز»، «در کدام ماه بار خنک‌کننده بالاترین است». این مختصر تصمیم طراحی معمار را تسریع می کند. اما حتماً مشخص کنید که کدام نرم افزار و با چه فرضیاتی نتایج را به هوش مصنوعی می دهید. نظر باید در این زمینه قرار گیرد.

نکته: هنگام ارائه یک نتیجه شبیه سازی به هوش مصنوعی، بگویید "این نتایج توسط [نرم افزار] تولید شده اند، با مفروضات زیر؛ شما فقط نظر بدهید و نشان دهید که مفروضات چگونه بر نتیجه تاثیر گذاشته اند." بنابراین هوش مصنوعی به جای پنهان کردن، عدم اطمینان را قابل مشاهده می کند.

گام به گام: گردش کار تجزیه و تحلیل مبتنی بر هوش مصنوعی

سوال را روشن کنید. چه چیزی می خواهید بدانید: گرمای بیش از حد، کمبود نور، انرژی؟
سناریوها را با هوش مصنوعی ویرایش کنید. انواع مورد آزمایش را جدول کنید.
کامپایل و تایید داده های مواد. آنها می گویند هوش مصنوعی، شما آن را از مستندات سازنده تأیید می کنید.
شبیه سازی را با نرم افزارهای معتبر اجرا کنید. عدد از اینجا می آید.
خروجی را با هوش مصنوعی تفسیر کنید. با بیان مفروضات، خلاصه ای بسازید.
تصمیم بگیرید و گزارش دهید. نتیجه گیری و توجیه با منبع آن ثبت می شود.

سه کیف کوچک

مورد 1 - ویرایش سناریو. یک معمار می خواهد نور روز را برای 4 جهت نما، 3 نوع شیشه و 2 گزینه سایه انداز آزمایش کند. هوش مصنوعی این ترکیب ها را به یک جدول واضح از 24 سناریو تبدیل می کند و معمار می بیند که کدام یک تکرار غیر ضروری هستند و آن را به 16 کاهش می دهد. زمان شبیه سازی و بی نظمی کاهش می یابد.

مورد 2 - تفسیر و الگو. 800 خط خروجی دمای ساعتی ظاهر می شود. معمار این را به هوش مصنوعی می دهد و خلاصه می خواهد. هوش مصنوعی دو دفتر را در گوشه جنوب غربی نشان می دهد که در بعد از ظهر بالاتر از هدف گرم می شوند. برای تأیید این یافته، معمار به نمودار مربوط به شبیه سازی نگاه می کند و سایه زنی را اضافه می کند. هوش مصنوعی این عدد را در اینجا تولید نکرده است. این عدد موجود را قابل خواندن کرد.

مورد 3 - میانبر خطرناک. برای صرفه جویی در زمان، یک کارآموز از هوش مصنوعی می پرسد "ضریب روز این اتاق چیست؟" و عدد حاصل را در گزارش قرار می دهد. با بررسی مشخص می شود که این عدد بر اساس هیچ محاسباتی نبوده و ساخته شده است. گزارش پس گرفته می شود. درس: اعداد همیشه از نرم افزارهای توانمند می آیند.

چهار فرمان قابل کپی

سناریوهای مورد آزمایش برای هدف تحلیل زیر را به جدول تبدیل کنید. ستون ها: سناریوی شماره | جهت جلو | نوع شیشه | سایه | چه چیزی را اندازه می گیرد؟ سناریوهای غیر ضروری/تکراری را علامت گذاری کنید. هدف: [...]

مقادیر انتقال حرارت و عبور نور را برای این لیست مواد در جدولی جمع آوری کنید. هر مقدار را به عنوان "تایید شده از سند سازنده" علامت گذاری کنید. ارزش دقیق نده لیست: [...]

نتایج شبیه سازی زیر توسط [نام نرم افزار]، با مفروضات زیر تولید شد: [فرض]. نتایج خلاصه: 3 مکان مهم، الگوها و تأثیر مفروضات. اعداد جدید تولید نکنید، فقط اعداد داده شده را تفسیر کنید. نتایج: [...]

این پیش نویس گزارش انرژی/نور روز را به زبان معمار سازماندهی کنید: با بخش هایی برای روش، فرضیات، یافته ها، توصیه ها. برای نشان دادن منبع (نرم افزار/حساب) هر شماره یک قسمت [SOURCE] بگذارید. پیش نویس: [...]

اعلان ضعیف / اعلان قوی

ضعیف: "مصرف انرژی این اتاق چقدر خواهد بود؟"

قوی: "من خروجی انرژی ماهانه شبیه‌سازی مبتنی بر EnergyPlus خود را در زیر می‌چسبانم. مفروضات: [فایل آب و هوا، ساعات استفاده، دمای تنظیم‌شده]. این نتایج را خلاصه کنید: کدام ماه بیشترین بار را دارد، کدام مکان برجسته است، کدام یک از مفروضات بیشتر بر نتیجه تاثیر می‌گذارد. محاسبه یک عدد جدید؛ فقط داده‌ها را تفسیر کنید."

اعلان قدرتمند هوش مصنوعی را در نقش مترجم نگه می دارد. در دام تولید اعداد نمی افتد و مفروضات را نمایان می کند.

کسب و کار

آیا هوش مصنوعی این کار را انجام می دهد؟

چه کسی عدد را تولید می کند

ویرایش اسکریپت

بله

گردآوری داده های مواد

بله (تأیید شد)

گواهی سازنده

حساب شبیه سازی

نه

نرم افزار معتبر

نظر پایانی/خلاصه

بله

گزارش نویسی

بله (جوش داده شده)

اشتباهات رایج

ساختن هوش مصنوعی اعداد تولید می کند. ارزش نور روز/انرژی فقط از نرم افزار می آید.
عدم بیان فرضیات تفسیر بدون زمینه و گمراه کننده باقی می ماند.
ارزش مادی را تایید نمی کند. هوش مصنوعی ممکن است مقادیر دما/نور نادرستی بدهد.
عدم مقایسه خلاصه هوش مصنوعی با داده های خام. خلاصه ممکن است به اشتباه برجسته شود.
قرار دادن شماره ساخته شده روی گزارش هیچ شماره بدون منبع در گزارش گنجانده نشده است.

به طور خلاصه

محاسبات انرژی و نور روز بر اساس فیزیک است و تنها نرم افزار شبیه سازی معتبر آن را درست می کند. هوش مصنوعی این محاسبه را انجام نمی دهد. ورودی را ویرایش می کند، داده های مادی را جمع آوری (تأیید می کند)، نتیجه را تفسیر می کند و گزارش می نویسد. هرگز هوش مصنوعی را مجبور نکنید عددی مانند ضربدر نور روز یا مصرف انرژی تولید کند. منبع هر عدد را ذکر کنید، مفروضات را قابل مشاهده کنید و ارزیابی نهایی را با کارشناس ذیصلاح تایید کنید.

وظیفه کاربردی

یک سناریوی تحلیل نور روز یا گرمای بیش از حد برای یک فضا طراحی کنید. با هوش مصنوعی، موارد تست را به یک جدول تبدیل کنید و فیلدهای تأیید را برای مقادیر مواد باقی بگذارید. اگر یک خروجی شبیه سازی (یا یک جدول نمونه) دارید، آن را با هوش مصنوعی خلاصه کنید، مفروضات را بیان کنید و بررسی کنید که هوش مصنوعی اعداد جدیدی تولید نمی کند.

چک لیست

[ ] سوال تحلیل را روشن کردم.
[ ] من سناریوها را با هوش مصنوعی ویرایش کردم.
[ ] من مقادیر مواد را از اسناد سازنده تأیید کردم.
[ ] من شماره را فقط از نرم افزار معتبر دریافت کردم.
[ ] من از هوش مصنوعی خواستم که آن را با بیان مفروضات تفسیر کند.
[ ] من بررسی کردم که هوش مصنوعی اعداد جدیدی تولید نمی کند.
[ ] من منبع هر شماره را در گزارش نوشتم.