Zyski:
- Umiejętność opisu roli sztucznej inteligencji w przygotowywaniu, interpretacji i raportowaniu danych w procesie symulacji światła dziennego, nasłonecznienia i energii
- Możliwość jasnego śledzenia założeń, warunków brzegowych i niepewności podczas podsumowywania wyników symulacji za pomocą sztucznej inteligencji
- Umiejętność zrozumienia, że wyniki dotyczące energii/komfortu muszą być weryfikowane za pomocą oficjalnej metody obliczeniowej i akredytowanego oprogramowania oraz że sztuczna inteligencja nie generuje liczb
Budynek nie tylko wygląda pięknie; Zapewnia chłód w upale i ciepło w zimnie, przepuszcza światło w ciągu dnia i nie zużywa niepotrzebnej energii. Aby je przewidzieć, architekci korzystają z symulacji: analiz komputerowych, które obliczają numerycznie, jak budynek będzie się zachowywał pod wpływem słońca, światła i powietrza. Najważniejsze to analiza światła dziennego (ilość naturalnego światła wpadającego do przestrzeni), analiza nasłonecznienia/zacienienia i symulacja energii. Akredytowane i zweryfikowane specjalne oprogramowanie wykonuje te obliczenia; Sztuczna inteligencja sama takich liczb nie generuje. Rolą sztucznej inteligencji jest przygotowywanie danych, organizowanie scenariuszy, interpretacja i raportowanie wyników. W tej części dowiesz się, jak umieścić sztuczną inteligencję we właściwym miejscu w przepływie energii i światła dziennego oraz jak uniknąć najniebezpieczniejszego błędu: zmuszania sztucznej inteligencji do tworzenia liczb.
Dlaczego sztuczna inteligencja nie symuluje
Model językowy może dać pewną liczbę na pytanie „ile światła słonecznego dostaje się do tego pomieszczenia”. Ale ta liczba jest szacunkowa/fabrykowana, a nie rzeczywistym obliczeniem. Mnożnik światła dziennego, obciążenie energią, godziny cienia; Są to obliczenia fizyczne oparte na geometrii budynku, położeniu geograficznym, właściwościach materiałów i danych klimatycznych. Tylko oprogramowanie symulacyjne modelujące fizykę potrafi to zrobić dobrze.
Prawdziwy wkład sztucznej inteligencji polega na tym, że przygotowuje dane wejściowe do symulacji (lista scenariuszy, zestawienie materiałów), nadaje sens jej wynikom (podsumowanie setek stron wyników, znajdowanie wzorców) i pisanie raportu. Zatem sztuczna inteligencja jest cenna przed i po koncie; nie na samym koncie.
Uwaga: nie pytaj AI o liczbę, taką jak mnożnik światła dziennego, zużycie energii lub godzina cienia. Tylko akredytowane/zweryfikowane oprogramowanie symulacyjne generuje te wartości. Nie należy używać żadnego numeru dostarczonego przez sztuczną inteligencję, chyba że jest to konto źródłowe.
Przygotowanie danych wejściowych: pierwsza zaleta sztucznej inteligencji
Jakość symulacji zależy od jakości danych wejściowych. Sztuczna inteligencja pomaga zaaranżować złożony zestaw scenariuszy: które kierunki elewacji, jakie rodzaje przeszkleń, jakie opcje zacienienia, jakie godziny użytkowania należy przetestować. Przekształcenie ich w ustrukturyzowaną tabelę i wyjaśnienie, co będzie mierzone w każdym scenariuszu, oszczędza czas i zmniejsza liczbę błędów.
Sztuczna inteligencja może również zestawiać właściwości materiału (wartość przewodności cieplnej, przepuszczalność światła itp.) i umieszczać je w tabeli; ale konieczne jest potwierdzenie tych wartości z dokumentacji producenta, ponieważ AI może zapamiętać błędnie.
Interpretacja wyników: druga zaleta sztucznej inteligencji
Wyniki symulacji są często ogromne i złożone: temperatura godzina po godzinie, poziom oświetlenia w każdym pomieszczeniu, miesięczny rozkład energii. Biorąc pod uwagę te dane, sztuczna inteligencja tworzy jasne podsumowanie: „trzy miejsca, w których nagrzewa się najcieplej”, „obszary poniżej docelowej wartości światła dziennego”, „w którym miesiącu obciążenie chłodnicze jest najwyższe”. Dzięki temu rozwiązaniu architekt może podjąć decyzję projektową. Pamiętaj jednak, aby określić, jakie oprogramowanie i przy jakich założeniach przekazujesz wyniki sztucznej inteligencji; W tym kontekście należy umieścić komentarz.
Wskazówka: przekazując wynik symulacji sztucznej inteligencji, powiedz „te wyniki zostały wygenerowane przez [oprogramowanie] przy następujących założeniach; wystarczy, że skomentujesz i wskażesz, jak założenia wpłynęły na wynik”. Sztuczna inteligencja uwidacznia zatem niepewność, zamiast ją ukrywać.
Krok po kroku: przepływ pracy analitycznej oparty na sztucznej inteligencji
- Wyjaśnij pytanie. Co chcesz wiedzieć: przegrzanie, brak światła, energii?
- Edytuj scenariusze za pomocą sztucznej inteligencji. Zapisz warianty do przetestowania.
- Kompiluj i weryfikuj dane materiałowe. Mówią AI, sprawdzasz to w dokumentacji producenta.
- Uruchom symulację za pomocą kompetentnego oprogramowania. Stąd pochodzi ta liczba.
- Zinterpretuj wynik za pomocą AI. Zrób podsumowanie, podając założenia.
- Podejmij decyzję i zgłoś. Wniosek i uzasadnienie zapisuje się wraz ze źródłem.
trzy mini etui
Przypadek 1 – Edycja scenariusza. Architekt chce przetestować światło dzienne dla 4 orientacji elewacji, 3 rodzajów przeszkleń i 2 opcji zacienienia. AI zamienia te kombinacje w przejrzystą tabelę 24 scenariuszy, a architekt widzi, które z nich są niepotrzebnymi powtórzeniami i zawęża liczbę do 16. Czas symulacji i nieregularności są redukowane.
Przypadek 2 – Interpretacja i wzór. Pojawia się 800 linii godzinowego wyjścia temperatury. Architekt przekazuje to AI i prosi o podsumowanie. AI wskazuje, że po południu w dwóch biurach w południowo-zachodnim narożniku nastąpi ocieplenie powyżej wartości docelowej. Aby zweryfikować to ustalenie, architekt patrzy na odpowiedni wykres symulacji i dodaje cieniowanie. AI nie podała tutaj numeru; Dzięki temu istniejący numer stał się czytelny.
Przypadek 3 – Niebezpieczny skrót. Aby zaoszczędzić czas, stażysta pyta sztuczną inteligencję „jaki jest mnożnik światła dziennego w tym pomieszczeniu?” i umieszcza uzyskaną liczbę w raporcie. Po sprawdzeniu staje się jasne, że liczba ta nie opiera się na żadnych obliczeniach i jest zmyślona. Raport zostaje wycofany. Lekcja: liczby zawsze pochodzą z kompetentnego oprogramowania.
Cztery kopiowalne podpowiedzi
Zamień SCENARIUSZE, które mają być przetestowane dla następującego celu analizy, w tabelę. Kolumny: scenariusz nr | kierunek przedni | rodzaj szkła | cieniowanie | co to mierzy? Oznacz niepotrzebne/powtarzające się scenariusze. Cel: [...]
Zestawić wartości przepuszczalności ciepła i przepuszczalności światła dla tej listy materiałów w tabeli. Oznacz każdą wartość jako „DO POTWIERDZENIA Z DOKUMENTU PRODUCENTA”; Nie podawaj dokładnej wartości. Lista: [...]
Następujące wyniki symulacji zostały uzyskane przez [nazwa oprogramowania] przy następujących założeniach: [założenia]. PODSUMOWANIE wyników: 3 najbardziej krytyczne miejsca, wzorce i wpływ założeń. NIE GENERUJ nowych liczb, tylko zinterpretuj podane. Wyniki: [...]
Uporządkuj projekt raportu dotyczącego energii/światła dziennego w języku architekta: z sekcjami dotyczącymi metod, założeń, wniosków i zaleceń. Pozostaw pole [SOURCE], aby wskazać źródło (oprogramowanie/konto) każdego problemu. Wersja robocza: [...]
Słaba zachęta/silna zachęta
Słabe: „Jakie byłoby zużycie energii w tym pomieszczeniu?”
Strong: „Poniżej wklejam miesięczny wynik energetyczny mojej symulacji opartej na EnergyPlus. Założenia: [plik klimatyczny, godziny użytkowania, ustawione temperatury]. Podsumuj te wyniki: który miesiąc ma największe obciążenie, która lokalizacja się wyróżnia, które z założeń ma największy wpływ na wynik. Obliczanie nowej liczby; po prostu zinterpretuj dane, które podałem.
Potężne podpowiedzi utrzymują sztuczną inteligencję w roli tłumacza; Nie wpada w pułapkę wytwarzania liczb i uwidacznia założenia.
biznes
Czy sztuczna inteligencja to robi?
Kto produkuje numer
Edycja skryptu
Tak
—
Kompilacja danych materiałowych
Tak (potwierdzone)
Certyfikat producenta
konto symulacyjne
nie
Akredytowane oprogramowanie
Końcowy komentarz/podsumowanie
Tak
—
Pisanie raportu
Tak (spawane)
—
Typowe błędy
- Sprawienie, że sztuczna inteligencja będzie produkować liczby. Wartość światła dziennego/energii pochodzi wyłącznie z oprogramowania.
- Nie podając założeń. Interpretacja pozostaje pozbawiona kontekstu i wprowadza w błąd.
- Nie potwierdzam wartości materialnej. Sztuczna inteligencja może podawać nieprawidłowe wartości temperatury/światła.
- Nie porównując podsumowania AI z surowymi danymi. Podsumowanie może być nieprawidłowo wyróżnione.
- Umieszczenie wymyślonego numeru na raporcie. W raporcie nie uwzględniono żadnych niepotwierdzonych liczb.
Podsumowując
Obliczenia energii i światła dziennego opierają się na fizyce i tylko akredytowane oprogramowanie symulacyjne jest w stanie to zrobić prawidłowo. AI nie wykonuje tych obliczeń; edytuje dane wejściowe, zestawia (weryfikuje) dane materiałowe, interpretuje wynik i pisze raport. Nigdy nie zmuszaj sztucznej inteligencji do generowania liczb takich jak mnożnik światła dziennego lub zużycie energii. Podaj źródło każdej liczby, uwidocznij założenia i zweryfikuj ostateczną ocenę z kompetentnym ekspertem.
Zadanie aplikacji
Zaprojektuj scenariusz analizy światła dziennego lub przegrzania przestrzeni. Dzięki sztucznej inteligencji zamień przypadki testowe w tabelę i pozostaw pola potwierdzenia dla wartości materialnych. Jeśli masz wynik symulacji (lub przykładową tabelę), podsumuj go AI, podając założenia i sprawdź, czy AI nie generuje żadnych nowych liczb.
lista kontrolna
- [ ] Wyjaśniłem pytanie analityczne.
- [ ] Edytowałem scenariusze za pomocą AI.
- [ ] Wartości materiałowe potwierdziłem z dokumentacji producenta.
- [ ] Numer dostałem wyłącznie od akredytowanego oprogramowania.
- [ ] Poprosiłem sztuczną inteligencję o zinterpretowanie tego poprzez przedstawienie założeń.
- [ ] Sprawdziłem, czy sztuczna inteligencja nie generuje nowych liczb.
- [ ] W raporcie zapisałem źródło każdego problemu.