建築物一直是物聯網裝置最狂熱的使用者之一。尤其是智慧建築，它使用連接的設備來測量從溫度、照明、空氣品質、噪音、振動、入住率和能源消耗等一切，而這只是冰山一角。
建築自動化規模越來越大，光在美國就有超過600萬棟商業建築，估計部署了22億台連網設備。 2022年，全球建築自動化系統市場將達到約800億美元。
這種類型的自動化依賴大量的物聯網設備。許多條件動作響應是自動的; 如果偵測到火災，警報會自動觸發，通常會發出語音指令，並通知消防部門。在物聯網出現之前就是如此; 現在火警透過網路連接，其次透過蜂巢通訊連接。
物聯網的價值，特別是在建築自動化中，體現在兩個主要領域：
豐富、持續的數據流為建築運營提供了寶貴的見解，但有一個問題：大型設備群產生了大量數據，僅靠人類無法正確解析和理解。為了實現部署這些感測器(和攝影機)的潛在回報，需要人工智慧(AI)和機器學習(ML)來持續監控和評估資料流。
直到2020年，智慧建築系統的重點，包括建築自動化，是設施管理的責任。然後，除了設施管理，重點轉移到員工健康和ESG計劃。這開啟了對ML支援的能力的需求。
例如，人工智慧系統可以觀察空氣品質並找到與入住限制的相關性。它還可以學習如何重新分配與佔用和通風相關的會議室和隔間，以最大限度地增加員工之間的物理距離並改善空氣質量，從而減少員工生病的機會。
人工智慧還可以幫助分析供水管道的使用情況和水溫，以便在軍團菌和其他有害病原體的風險升高時發出警告。軍團菌在特定溫度範圍的溫水中大量繁殖。
新的人工智慧功能的相關性並不排除追蹤和管理能耗等傳統功能。借助人工智慧驅動的平台，建築可以關閉不使用的區域，並在不同時間嘗試不同的窗簾設置，以最大限度地減少能源使用。一邊實驗，一邊學習。這是一個底線問題，由於能源價格的原因，這個問題在2022年將變得更加重要。
人工智慧甚至可以在清潔效率方面發揮作用，識別哪些桌子已被使用，哪些廁所的使用率增加。在 COVID-19 時代，設施經理專注於清潔。
人工智慧也可以大大增強支援物理安全的系統。一旦系統了解什麼是正常的存取和移動行為，它就可以識別異常行為並發出安全警報。其他人工智慧驅動的應用程式可以檢測脅迫情況、遺棄物體、識別武器、精確定位射擊——並執行緊急鎖定。
智慧傳染病控制系統可以學習利用當地感染率數據。人工智慧系統可以做人類做不到的事情，例如盯著一堵牆 20 年，尋找可能預示即將發生結構倒塌的混凝土變化跡象。
當然，一個新的人工智慧驅動系統的標準起點是教導它。這個過程始於代表系統將面臨的現實的數據基礎。然而，許多人會發現，智慧建築系統的良好基礎訓練資料並不存在。答案可能是透過在實體建築中執行「實驗」來創建訓練資料。
例如，在能源消耗方面，您可以根據一天中的時間和辦公室的佔用情況，透過實驗性地調整窗簾和空調來訓練系統，從而在不觸發手動覆蓋的情況下降低空調帳單。這種系統可以依靠溫度感測器和佔用讀數，以及陽光偵測。
有一些基本的最佳實踐可以遵循。收集地面真實數據集時要科學嚴謹，從多個來源收集數據，以增加您的樣本具有代表性的信心。
人工智慧驅動的系統可以從特定辦公區域的佔用模式中學習，並幫助減少空間規劃中的人為錯誤。升級空間成本高昂，保持靈活性至關重要。在疫情期間，空間利用和占用顯然成為一個健康問題。員工現在可能更喜歡聚集在露天陽台或露臺上聊天和喝咖啡，而不是在小休息室裡。
人工智慧系統可以建議設施管理的變化，並使建築管理更具預測性。說到反應能力，它們也能更有效地應對意外挑戰。最近的一個例子;在2020年之前，識別正在發燒的員工並降低感染機率是不可能的，但在目前的能力範圍內可以解決這個問題。
需要仔細考慮並投入時間，才能獲得正確的基本事實。許多商業建築都有數位孿生; 建築師交付給建築物所有者或管理者的虛擬複製品。作為起點，數位孿生很可能成為人工智慧驅動的設施管理和智慧建築管理的試驗場。
我們預計，IT、設施管理、人力資源和安全將變得更加集成，並更多地使用人工智慧。加入資訊孤島，為人工智慧應用程式建立資料流，可能會有一系列好處。
健康的工作場所、實體安全和節能的重要性使得超越簡單的自動化並開發基於可靠的人工智慧的建築作業系統迫在眉睫，這些系統建立在強大的最新數據基礎上。這些應用程式中的任何一個都支持強大的業務案例;總而言之，這是一個有說服力的論點，即設施管理應該著眼於人工智能驅動的應用程序，以運營智能建築並使建築更智能。
以上是自動化是不夠的：建築需要由人工智慧驅動的智能的詳細內容。更多資訊請關注PHP中文網其他相關文章！
