利益:
- BIM (ビルディング インフォメーション モデリング) データと AI を連携させ、自動化に適したタスクを識別する能力
- Dynamo/コードおよび自然言語を使用して、モデルのクエリ、パラメータの入力、競合レポートのドラフトを実装する機能
- モデル データの機密性と、AI によって生成されたコード/スクリプトをモデル上で実行する前に検証する必要性を理解する能力。
現代の建築はもはや直線ではなく、BIM で機能します。 BIM (ビルディング インフォメーション モデリング) は、建物を単なる線ではなく、内部に情報を伝えるスマート オブジェクトとしてモデル化する方法です。各壁は厚さ、材質、耐火性などのデータを運ぶ「壁」オブジェクトです。 Revit や ArchiCAD などのソフトウェアがこのモデルを作成します。 IFC (Industry Foundation Classes) は共通のファイル形式であり、さまざまなソフトウェアがこのモデルを共有できます。 BIM モデルは巨大なデータ プールであり、人工知能はこのデータと対話し、クエリを実行し、反復的なタスクを自動化する点で非常に強力です。この単元では、AI を BIM ワークフローに安全に組み込み、自然言語でモデルをクエリし、パラメーターを入力し、AI で生成されたコードを検証する方法を学びます。
BIMにおけるAIの本当の役割
BIM における AI は、次の 3 つの主要な業務で威力を発揮します。
- クエリとレポート: 「1 時間の耐火性を必要とするモデルの壁をリストし、この値を空にしてください」などの質問をコードまたは自然言語で翻訳します。
- パラメータの入力と編集: ルールに従って、数百のオブジェクトの欠落データをバッチで入力します。
- コード/スクリプトの生成: Revit 用の Dynamo (ビジュアル プログラミング ツール) または Python スクリプト、干渉制御ロジック、スケジュール レイアウトを生成します。
ここでの AI はアクセラレータおよびコード アシスタントであり、モデルを所有するものではありません。モデルを破壊する操作 (一括削除、上書き) は、常に人間の制御を介して行う必要があります。
注意: AI によって生成された Dynamo または Python スクリプトは、モデルに元に戻せない変更 (一括削除、パラメーターの上書き) を加える可能性があります。このコードを最初にメイン モデルで実行しないでください。少数を選択してバックアップ コピーでテストします。
自然言語を使用したモデルクエリ
BIM データはテーブルに隠されているため、これらのテーブルを移動するのに時間がかかります。 AI は、自然言語での質問を直接回答可能なコードに変換するか、エクスポートしたグラフを分析します。たとえば、ドア集計表をテキストとして提供し、「どのドアの耐火パラメータが空ですか?」と尋ねることができます。これは、見落とされている欠陥を発見するのに非常に効果的です。
しかし、ここには落とし穴があります。AI によって提案されるパラメーター名は、モデル内でまったく同じではない可能性があります。 Revit では、パラメータ名はトルコ語、英語、またはカスタム名にすることができます。 AI は「FireRating」を想定していますが、モデルには「Fire_Resistance」がある可能性があります。そのため、コードを実行する前にパラメーター名をモデルと一致させることが重要です。
ステップバイステップ: AI を使用して BIM タスクを安全に実行する
- タスクを定義します。必要なことを明確に書きます: クエリ、記入、レポート?
- モデルにコンテキストを与えます。 AIにパラメータ名、カテゴリ名、単位を導入します。
- リクエストコード/ロジック。 AIからスクリプトやステップリストを生成します。
- コードを読んでください。自分が何をしているのかを一行ずつ理解してください。一括削除/書き込みがないか確認してください。
- 予備としてテストしてください。小さな選択範囲を含むモデルのコピーに対して実行します。
- 結果を確認します。モデルが実際に期待どおりに変更されたかどうかを確認します。
- メインモデルに適用して保存します。検証後、痕跡は残りません。
ヒント: AI にコードをリクエストするときは、「最初に変更する要素を書き留めます。ただし、要素は変更せず、報告するだけです。」という「ドライラン」ステップを含めるようにします。こうすることで、コードが実際に変更を加える前に意図を確認できます。
ミニケース3個
ケース 1 — パラメータのスキャンが不完全。ある事務所は、1,850 個のオブジェクトのモデルで耐火パラメータを確認したいと考えています。 AI が Dynamo ロジックを提案します。建築家は最初に予行演習を実行し、212 の壁でパラメータが空であることを確認します。手動ではなく、ルールに従って（壁の種類に従って）隙間を埋めます。ただし、火災の専門家は最終的な火災値を確認します。
ケース 2 — パラメータ名が一致しません。アーキテクトは、AI によって与えられたスクリプトを直接実行します。スクリプトは「コメント」フィールドをターゲットとしていますが、モデルではデータは「コメント」カスタム パラメーターにあります。スクリプトは空を返し、アーキテクトは 20 分を失います。教訓: 最初にパラメータ名を一致させる必要がありました。
ケース 3 — 危険なバッチ処理。 AI が生成したスクリプトは、フィルターに適合しない要素を削除して「クリーンアップ」します。アーキテクトがメイン モデルのコードを読み込まずに実行していたら、数百のオブジェクトが削除されていたでしょう。コードを読み取り、バックアップでテストするため、災害を防ぎます。まさにこれが、検証が命を救う理由です。
コピー可能な 4 つのプロンプト
Revit モデル用の Dynamo ロジックを作成します。 [パラメータ] 値が NULL である [カテゴリ] 要素をリストします。最初にドライ ランを実行します。報告するだけで、何も変更しません。私のパラメータ名は正確には「[実際のパラメータ名]」です。ユニット： [...]。
以下のゲート チャート (エクスポート) を分析します。耐火性パラメータが空、矛盾している、または標準外である行をマークします。編集せず、理由をマークして書き込むだけです。チャート: [...]
セキュリティに関してアーキテクトの観点からこの Python/Dynamo スクリプトを調べてください。一括削除、上書き、または元に戻せない操作はないか?危険なラインをマークし、予行演習を追加する方法を説明します。コード: [...]
モデル内のパラメーター名を AI が想定する名前と一致させます。実際の名前を挙げます。スクリプト内の各パラメータを正しい名前に変更し、変更内容をリストします。本名： [...]
弱いプロンプト / 強いプロンプト
弱: 「Revit で壁の耐火値を満たします。」
Strong: 「Revit モデル用の Dynamo ロジックを作成します。目標: 空の 'Fire_Resistance' カスタム パラメータを持つ壁を 'Basic Wall' カテゴリにリストします。最初はレポートのみ (予行演習) で、変更は加えません。壁のタイプと火災専門家の承認に従って値を入力します。パラメータ名はトルコ語です。英語名を想定しないでください。」
強力なプロンプトによりパラメータ名が明確になり、予行演習が促され、安全性が重要な値は専門家に委ねられます。
クエスト
AI自動化への適合性
状態
欠落パラメータのスキャン
高い
空運転
チャート/レポートのレイアウト
高い
フォーマット制御
ルールベースの一括入力
中程度
パラメータの一致 + テスト
クラッシュコメント
中程度
エンジニアの承認
火力/空母の評価の決定
低い
有能な専門家の承認
よくある間違い
- メイン モデルでコードを読み込まずに実行します。取り返しのつかない損失が発生するリスク。
- パラメータ名が一致しません。スクリプトはサイレントに間違った領域をターゲットにします。
- 空運転は省略してください。コードの意図を理解せずにコードを実装する。
- AIにファイア/キャリー値を決定させます。これらには専門家の承認が必要です。
- バックアップなしで試してみます。テストは常に二重に行う必要があります。
要約すると
BIM は巨大なデータ プールであり、AI はこのデータを使用してコードをクエリ、入力、生成する強力なアシスタントです。ただし、モデルに不可逆的な変更を加える可能性のあるコードはすべて人間の制御を通過する必要があります。パラメーター名を一致させ、ドライランを実行し、バックアップ コピーでテストし、モデルで結果を確認します。火災や運送業者などの安全上重要な値を AI に決定させることは決してありません。有能な専門家の承認を得てください。
アプリケーションタスク
BIM モデル (またはサンプル スケジュール) でパラメータ スキャン タスクを定義します。 AI に正しいパラメーター名を指定して予行演習ロジックを生成させ、コードのセキュリティをレビューして、バックアップ コピーでテストします。どのコントロールが AI に属し、どのコントロールがエキスパートに属するかを表に書き出します。
チェックリスト
- [ ] タスク (クエリ/入力/レポート) を明確に定義しました。
- [ ] 実際のパラメータ名とカテゴリ名を AI に与えました。
- [ ] AI コードを 1 行ずつ読みました。
- [ ] 空走でその意図が見えた。
- [ ] バックアップ コピーで小さな選択をしてテストしました。
- [ ] モデルで結果を検証しました。
- [ ] ファイア/キャリアの値は専門家に任せました。