એનર્જી, ડેલાઇટ અને કમ્ફર્ટ એનાલિસિસ

નફો:

• ડેલાઇટ, ઇન્સોલેશન અને એનર્જી સિમ્યુલેશન વર્કફ્લોમાં ડેટાની તૈયારી, અર્થઘટન અને રિપોર્ટિંગમાં AI ની ભૂમિકાનું વર્ણન કરવાની ક્ષમતા
• AI સાથે સિમ્યુલેશન પરિણામોનો સારાંશ આપતી વખતે ધારણાઓ, સીમાની સ્થિતિ અને અનિશ્ચિતતાને સ્પષ્ટ રીતે ટ્રૅક કરવાની ક્ષમતા
• એ સમજવાની ક્ષમતા કે ઉર્જા/આરામના પરિણામો સત્તાવાર ગણતરી પદ્ધતિ અને માન્યતાપ્રાપ્ત સોફ્ટવેરથી ચકાસવા જોઈએ અને એઆઈ નંબરો ઉત્પન્ન કરતું નથી

ઇમારત માત્ર સુંદર દેખાતી નથી; તે અંદર રહેતી વ્યક્તિને ગરમીમાં ઠંડક અને ઠંડીમાં ગરમ ​​રાખે છે, દિવસ દરમિયાન પ્રકાશમાં રહેવા દે છે અને બિનજરૂરી ઊર્જાનો વપરાશ કરતું નથી. આની અપેક્ષા રાખવા માટે, આર્કિટેક્ટ્સ સિમ્યુલેશન્સનો ઉપયોગ કરે છે: કમ્પ્યુટર વિશ્લેષણ જે સંખ્યાત્મક રીતે ગણતરી કરે છે કે બિલ્ડિંગ સૂર્ય, પ્રકાશ અને હવા સાથે કેવી રીતે વર્તે છે. ડેલાઇટ વિશ્લેષણ (કેટલી પ્રાકૃતિક પ્રકાશ અવકાશમાં પ્રવેશે છે), ઇન્સોલેશન/શેડ વિશ્લેષણ અને ઊર્જા અનુકરણ મુખ્ય છે. અધિકૃત અને ચકાસાયેલ વિશેષ સોફ્ટવેર આ ગણતરીઓ કરે છે; આર્ટિફિશિયલ ઇન્ટેલિજન્સ આ નંબરો પોતે જ ઉત્પન્ન કરતું નથી. AI ની ભૂમિકા ડેટા તૈયાર કરવા, દૃશ્યો ગોઠવવા, અર્થઘટન અને પરિણામોની જાણ કરવાની છે. આ યુનિટમાં તમે શીખી શકશો કે એનર્જી અને ડેલાઇટ વર્કફ્લોમાં AI ને યોગ્ય સ્થાને કેવી રીતે મૂકવું અને સૌથી ખતરનાક ભૂલથી કેવી રીતે બચવું: AI ઉત્પાદન નંબરો બનાવવું.

શા માટે AI અનુકરણ કરતું નથી

ભાષા મોડેલ "આ રૂમમાં કેટલો સૂર્યપ્રકાશ આવે છે" પ્રશ્નનો વિશ્વાસપૂર્વક નંબર આપી શકે છે. પરંતુ આ સંખ્યા એક અંદાજ/બનાવટ છે, વાસ્તવિક ગણતરી નથી. ડેલાઇટ ગુણક, ઊર્જા લોડ, છાયા કલાકો; આ બિલ્ડિંગની ભૂમિતિ, ભૌગોલિક સ્થાન, સામગ્રીના ગુણધર્મો અને આબોહવા ડેટાના આધારે ભૌતિક ગણતરીઓ છે. માત્ર સિમ્યુલેશન સૉફ્ટવેર કે જે ભૌતિકશાસ્ત્રનું મોડેલ બનાવે છે તે આ વસ્તુઓને યોગ્ય બનાવે છે.

AI નું વાસ્તવિક યોગદાન આ છે: સિમ્યુલેશનનું ઇનપુટ તૈયાર કરવું (પરિદ્રશ્ય સૂચિ, સામગ્રીનું બિલ), તેના આઉટપુટનો અર્થ બનાવવો (પરિણામોના સેંકડો પૃષ્ઠોનો સારાંશ, પેટર્ન શોધવી), અને તેનો અહેવાલ લખવો. તેથી એકાઉન્ટ પહેલાં અને પછી AI મૂલ્યવાન છે; ખાતામાં જ નથી.

સાવધાન: AI ને ડેલાઇટ ગુણક, ઉર્જા વપરાશ અથવા શેડો કલાક જેવા નંબર માટે પૂછશો નહીં. માત્ર અધિકૃત/ચકાસાયેલ સિમ્યુલેશન સોફ્ટવેર આ મૂલ્યો ઉત્પન્ન કરે છે. AI દ્વારા પ્રદાન કરવામાં આવેલ કોઈપણ નંબરનો ઉપયોગ ન કરવો જોઈએ સિવાય કે તે સ્રોત ખાતું હોય.

ઇનપુટ તૈયાર કરી રહ્યું છે: AI નો પ્રથમ ફાયદો

સિમ્યુલેશનની ગુણવત્તા ઇનપુટની ગુણવત્તા પર આધારિત છે. AI તમને દૃશ્યોના જટિલ સમૂહને ગોઠવવામાં મદદ કરે છે: કયા અગ્રભાગની દિશાઓ, કયા ગ્લેઝિંગ પ્રકારો, કયા શેડિંગ વિકલ્પો, કયા કલાકોનો ઉપયોગ પરીક્ષણ કરવા માટે. આને સંરચિત કોષ્ટકમાં ફેરવવા અને દરેક દૃશ્ય શું માપશે તેની સ્પષ્ટતા કરવાથી સમય બચે છે અને ભૂલો ઓછી થાય છે.

AI સામગ્રીના ગુણધર્મો (ગરમી વાહકતા મૂલ્ય, પ્રકાશ ટ્રાન્સમિટન્સ, વગેરે) પણ કમ્પાઇલ કરી શકે છે અને તેમને કોષ્ટકમાં મૂકી શકે છે; પરંતુ ઉત્પાદકના દસ્તાવેજોમાંથી આ મૂલ્યોની પુષ્ટિ કરવી જરૂરી છે, કારણ કે AI ખોટી રીતે યાદ રાખી શકે છે.

અર્થઘટન આઉટપુટ: AI નો બીજો લાભ

સિમ્યુલેશન આઉટપુટ ઘણીવાર વિશાળ અને જટિલ હોય છે: કલાક દર કલાકનું તાપમાન, રૂમ બાય રૂમ લાઇટ લેવલ, માસિક ઊર્જા વિતરણ. આ ડેટાને જોતાં, AI સ્પષ્ટ સારાંશ ઉત્પન્ન કરે છે: "ત્રણ સ્થાનો કે જે સૌથી વધુ ગરમ થાય છે", "દિવસના લક્ષ્યથી નીચેના વિસ્તારો", "કયા મહિનામાં ઠંડકનો ભાર સૌથી વધુ હોય છે". આ સંક્ષિપ્ત આર્કિટેક્ટના ડિઝાઇન નિર્ણયને ઝડપી બનાવે છે. પરંતુ તમે AI ને કયું સોફ્ટવેર અને કઈ ધારણાઓ સાથે પરિણામો આપી રહ્યા છો તેનો ઉલ્લેખ કરવાની ખાતરી કરો; ટિપ્પણી આ સંદર્ભમાં મૂકવી જોઈએ.

ટીપ: AI ને સિમ્યુલેશન પરિણામ આપતી વખતે, કહો કે "આ પરિણામો [સોફ્ટવેર] દ્વારા નીચેની ધારણાઓ સાથે ઉત્પન્ન કરવામાં આવ્યા હતા; તમે ફક્ત ટિપ્પણી કરો અને સૂચવો કે ધારણાઓએ પરિણામ પર કેવી અસર કરી." AI આમ અનિશ્ચિતતાને છુપાવવાને બદલે તેને દૃશ્યમાન બનાવે છે.

સ્ટેપ બાય સ્ટેપ: AI-સંચાલિત એનાલિટિક્સ વર્કફ્લો

1. પ્રશ્નની સ્પષ્ટતા કરો. તમે શું જાણવા માગો છો: ઓવરહિટીંગ, પ્રકાશનો અભાવ, ઊર્જા?
2. AI સાથે દૃશ્યો સંપાદિત કરો. ચકાસવા માટેના ચલોનું કોષ્ટક બનાવો.
3. સામગ્રી ડેટા કમ્પાઇલ અને ચકાસો. તેઓ AI કહે છે, તમે તેને ઉત્પાદકના દસ્તાવેજોમાંથી ચકાસો.
4. સક્ષમ સોફ્ટવેર સાથે સિમ્યુલેશન ચલાવો. આ તે છે જ્યાંથી નંબર આવે છે.
5. AI વડે આઉટપુટનું અર્થઘટન કરો. ધારણાઓ જણાવીને સારાંશ બનાવો.
6. નિર્ણય કરો અને રિપોર્ટ કરો. નિષ્કર્ષ અને સમર્થન તેના સ્ત્રોત સાથે રેકોર્ડ કરવામાં આવે છે.

ત્રણ નાના કેસો

કેસ 1 - દૃશ્ય સંપાદન. આર્કિટેક્ટ 4 રવેશ ઓરિએન્ટેશન, 3 ગ્લેઝિંગ પ્રકારો અને 2 શેડિંગ વિકલ્પો માટે ડેલાઇટનું પરીક્ષણ કરવા માંગે છે. AI આ સંયોજનોને 24 દૃશ્યોના સ્પષ્ટ કોષ્ટકમાં ફેરવે છે, અને આર્કિટેક્ટ જુએ છે કે કયામાં બિનજરૂરી પુનરાવર્તન છે અને તેને 16 સુધી સંકુચિત કરે છે. સિમ્યુલેશન સમય અને અનિયમિતતા ઓછી થાય છે.

કેસ 2 - અર્થઘટન અને પેટર્ન. કલાકદીઠ તાપમાન આઉટપુટની 800 રેખાઓ દેખાય છે. આર્કિટેક્ટ આ AI ને આપે છે અને સારાંશ માટે પૂછે છે. AI એ દક્ષિણ-પશ્ચિમ ખૂણામાં બે ઑફિસને ચિહ્નિત કરે છે જે બપોરના સમયે લક્ષ્ય કરતાં વધુ ગરમ થાય છે. આ શોધને ચકાસવા માટે, આર્કિટેક્ટ સિમ્યુલેશનના અનુરૂપ ગ્રાફને જુએ છે અને શેડિંગ ઉમેરે છે. AI એ અહીં સંખ્યા પેદા કરી નથી; તે હાલના નંબરને વાંચવા યોગ્ય બનાવ્યો.

કેસ 3 - ખતરનાક શોર્ટકટ. સમય બચાવવા માટે, એક ઇન્ટર્ન એઆઈને પૂછે છે "આ રૂમનો ડેલાઇટ ગુણક શું છે?" અને પરિણામી સંખ્યાને રિપોર્ટમાં મૂકે છે. તપાસવા પર, તે સ્પષ્ટ થાય છે કે આ સંખ્યા કોઈપણ ગણતરી પર આધારિત નથી અને બનેલી છે. રિપોર્ટ પાછો ખેંચી લેવામાં આવે છે. પાઠ: નંબરો હંમેશા સક્ષમ સોફ્ટવેરમાંથી આવે છે.

ચાર નકલ કરી શકાય તેવા સંકેતો

નીચેના વિશ્લેષણ લક્ષ્ય માટે પરીક્ષણ કરવા માટેના દૃશ્યોને કોષ્ટકમાં ફેરવો. કૉલમ: દૃશ્ય નંબર | આગળની દિશા | કાચનો પ્રકાર | શેડિંગ |તે શું માપે છે? બિનજરૂરી/પુનરાવર્તિત દૃશ્યોને ફ્લેગ કરો. ઉદ્દેશ્ય: [...]

કોષ્ટકમાં આ સામગ્રીની સૂચિ માટે હીટ ટ્રાન્સમિટન્સ અને લાઇટ ટ્રાન્સમિટન્સ મૂલ્યોનું સંકલન કરો. દરેક મૂલ્યને "ઉત્પાદકના દસ્તાવેજમાંથી પુષ્ટિ કરવા માટે" તરીકે ચિહ્નિત કરો; ચોક્કસ મૂલ્ય આપશો નહીં. સૂચિ: [...]

નીચેના અનુકરણ પરિણામો [સોફ્ટવેર નામ] દ્વારા નીચેની ધારણાઓ સાથે બનાવવામાં આવ્યા હતા: [ધારણાઓ]. સારાંશ પરિણામો: 3 સૌથી મહત્વપૂર્ણ સ્થાનો, પેટર્ન અને ધારણાઓની અસર. નવા નંબરો જનરેટ કરશો નહીં, ફક્ત આપેલ નંબરોનું અર્થઘટન કરો. પરિણામો: [...]

આ ઉર્જા/ડેલાઇટ રિપોર્ટ ડ્રાફ્ટને આર્કિટેક્ટની ભાષામાં ગોઠવો: પદ્ધતિ, ધારણાઓ, તારણો, ભલામણો માટેના વિભાગો સાથે. દરેક મુદ્દાના સ્ત્રોત (સોફ્ટવેર/એકાઉન્ટ) દર્શાવવા માટે [SOURCE] ફીલ્ડ છોડો. ડ્રાફ્ટ: [...]

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા: "આ રૂમની ઉર્જાનો વપરાશ કેટલો હશે?"

સશક્ત: "હું મારા એનર્જીપ્લસ-આધારિત સિમ્યુલેશનનું માસિક ઉર્જા આઉટપુટ નીચે પેસ્ટ કરી રહ્યો છું. ધારણાઓ: [આબોહવા ફાઇલ, વપરાશના કલાકો, સેટ તાપમાન]. આ પરિણામોનો સારાંશ આપો: કયા મહિનામાં સૌથી વધુ ભાર છે, કયું સ્થાન અલગ છે, કઈ ધારણાઓ પરિણામને સૌથી વધુ અસર કરે છે. એક નવી સંખ્યાની ગણતરી કરી રહ્યા છીએ; મેં ફક્ત એક નવો નંબર આપ્યો છે."

શક્તિશાળી પ્રોમ્પ્ટ એઆઈને દુભાષિયાની ભૂમિકામાં રાખે છે; તે સંખ્યાઓ ઉત્પન્ન કરવાની જાળમાં પડતો નથી અને ધારણાઓને દૃશ્યમાન બનાવે છે.

વેપાર

શું AI તે કરે છે?

નંબર કોણ બનાવે છે

સ્ક્રિપ્ટ સંપાદન

હા

-

સામગ્રી માહિતી સંકલન

હા (પુષ્ટિ)

ઉત્પાદકનું પ્રમાણપત્ર

સિમ્યુલેશન એકાઉન્ટ

ના

અધિકૃત સોફ્ટવેર

સમાપન ટિપ્પણી/સારાંશ

હા

-

અહેવાલ લેખન

હા (વેલ્ડેડ)

-

સામાન્ય ભૂલો

• AI ઉત્પાદન નંબરો બનાવવા. ડેલાઇટ/એનર્જી વેલ્યુ ફક્ત સોફ્ટવેરથી જ આવે છે.
• ધારણાઓ જણાવતા નથી. અર્થઘટન સંદર્ભ વગર રહે છે અને ગેરમાર્ગે દોરે છે.
• સામગ્રી મૂલ્યની પુષ્ટિ કરતું નથી. AI અયોગ્ય તાપમાન/પ્રકાશ મૂલ્યો આપી શકે છે.
• કાચા ડેટા સાથે AI સારાંશની તુલના ન કરવી. સારાંશ ખોટી રીતે પ્રકાશિત થઈ શકે છે.
• રિપોર્ટ પર બનાવેલ નંબર મૂકવો. રિપોર્ટમાં કોઈ અનસોર્સ્ડ નંબર સામેલ નથી.

સારાંશમાં

ઉર્જા અને દિવસના પ્રકાશની ગણતરીઓ ભૌતિકશાસ્ત્ર પર આધારિત છે અને માત્ર અધિકૃત સિમ્યુલેશન સોફ્ટવેર તેને યોગ્ય બનાવે છે. AI આ ગણતરી કરતું નથી; ઇનપુટને સંપાદિત કરે છે, સામગ્રી ડેટાનું સંકલન (ચકાસણી કરે છે), પરિણામનું અર્થઘટન કરે છે અને અહેવાલ લખે છે. AI ને ક્યારેય ડેલાઇટ ગુણક અથવા ઉર્જા વપરાશ જેવા નંબર જનરેટ ન કરો. દરેક નંબરનો સ્ત્રોત ટાંકો, ધારણાઓને દૃશ્યમાન બનાવો અને સક્ષમ નિષ્ણાત સાથે અંતિમ આકારણીની ચકાસણી કરો.

એપ્લિકેશન કાર્ય

જગ્યા માટે ડેલાઇટ અથવા ઓવરહિટીંગ વિશ્લેષણ દૃશ્ય ડિઝાઇન કરો. AI સાથે, ટેસ્ટ કેસોને કોષ્ટકમાં ફેરવો અને ભૌતિક મૂલ્યો માટે પુષ્ટિકરણ ક્ષેત્રો છોડી દો. જો તમારી પાસે સિમ્યુલેશન આઉટપુટ (અથવા સેમ્પલ ટેબલ) હોય, તો તેને AI માં સારાંશ આપો, ધારણાઓ જણાવો અને તપાસો કે AI કોઈ નવી સંખ્યાઓ ઉત્પન્ન કરતું નથી.

ચેકલિસ્ટ

• [ ] મેં વિશ્લેષણ પ્રશ્નની સ્પષ્ટતા કરી.
• [ ] મેં AI સાથે દૃશ્યો સંપાદિત કર્યા.
• [ ] મેં ઉત્પાદકના દસ્તાવેજીકરણમાંથી સામગ્રી મૂલ્યોની પુષ્ટિ કરી છે.
• [ ] મને ફક્ત માન્યતા પ્રાપ્ત સોફ્ટવેરમાંથી જ નંબર મળ્યો છે.
• [ ] મેં ધારણાઓ જણાવીને AI દ્વારા તેનું અર્થઘટન કર્યું હતું.
• [ ] મેં તપાસ્યું કે AI નવા નંબરો જનરેટ કરી રહ્યું નથી.
• [ ] મેં રિપોર્ટમાં દરેક મુદ્દાનો સ્ત્રોત લખ્યો છે.