如何在楼宇管理中正确地使用人工智能?
楼宇经理并不总是放心地将先进的自动化系统引入他们负责的设施。但是,计算机技术的进步、流行病驱动的任务和不断变化的使用者期望,特别是围绕公共卫生和工作场所的经验,正在推动该行业以前所未有的速度接受新技术。
虽然建筑管理者认识到实现前所未有效率的机会,但涉及的技术决策与他们的能力相去甚远。他们的专业知识通常是在暖通空调,照明控制和制冷机,而不是物联网,网络……人工智能。
人工智能是一项特别能改变游戏规则的技术,但由于其复杂性和缺乏对其决策方式的可见性,它也可能特别令人生畏。采用人工智能进行楼宇自动化的第一个挑战通常是回答一个基本问题:它将走向何方?
如今,人工智能被用于使建筑更节能、更健康、更自主、更安全,并能对居住者的需求做出反应,这种技术最初是一种云计算技术。这些系统背后的机器学习算法需要强大的计算能力,既要训练算法,又要调用算法来提供见解——这个过程叫做推理。直到最近,室内基础设施很少有资源有效地完成这些事情。
但是,在远程数据中心之外运行智能建筑应用有其自身的局限性。连通性、带宽成本、安全性和延迟(将数据发送到云端和返回所需的时间)都可能影响系统的效率。如果一台机器,或整个楼宇自动化系统即将发生故障,报警和自动响应需要尽可能及时。
新一代边缘计算技术在很大程度上缓解了这个问题:基础设施安装在具有计算密集型工作负载所需处理能力的设施中。
七年前成立的 FogHorn 等公司已经开发出一种 Edge AI 技术,为建筑运营的数字化转型创造了新的可能性。江森自控2022 年初收购了 FogHorn,现已将边缘技术集成到其 OpenBlue 楼宇自动化平台中。
通过缩小本地能力差距,这些边缘设备提供了一个架构组件,对于实现尽可能高效地运行建筑物的目标很重要。随着它们的可用性,考虑实施智能自动化技术的建筑管理人员现在几乎不可避免地要面对一个问题:是在本地部署AI还是在云端部署AI。对于那些面临这个问题的人,有一些简单的经验法则可以考虑。
正如我们已经提到的,需要实时执行或接近实时执行的操作是常见的边缘用例。当延迟尽可能小的时候,能够检测操作问题并自动发出警报或作出响应的智能自动化系统往往工作得最好。
任何时候您想要对系统进行本地控制时,最好在边缘进行;从云端关闭机器或调整控制系统通常会遇到安全和延迟挑战。
然后还要考虑数据传输和存储成本。以一个视频监控系统为例,该系统通过计算机视觉AI模型分析来自多个摄像机的高保真图像,这是一个流行的AI应用。将所有数据发送到云端并将其存储在云端很快就会变得成本高昂。
其他用例并不那么明确。通常,建筑经理希望根据 AI 分析更深入地了解他们的运营方式,或者在其设施的“数字孪生”版本上运行模拟练习。这种严格的数据分析通常不需要实时进行,因此最好在云中执行,客户可以在任何规模利用最强大的硬件和软件工具来完成这项工作。
如果您负责运行多个建筑物并且需要关联它们之间的信息,那么在边缘运行 AI 也可能不是最佳选择。在这种情况下,云允许一个集中的数据交换所和指挥中心。实际上,通常采用混合方法,其中通过 Edge AI 在单个建筑物中进行一些初始处理,然后在来自多个建筑物的聚合数据上运行云 AI,可能会结合其他数据源。
重要的是要记住,这些是建筑经理不需要单独做出的决定——您的技术供应商应该与您合作,以确保将 AI 部署在最能满足您的独特需求的地方。并且建筑经理当然不需要接触人工智能及其底层机器学习算法的复杂性,而是让它在幕后发挥它的能力。
与许多正在大规模启动“重返工作岗位”政策的组织一样,甲骨文将大流行的后果视为引入智能建筑系统的独特时刻。在经历了几年的疫情导致的关闭后,员工坚持在一个触手可及的实体工作场所工作,那里的便利设施随处可见,协作工具无处不在,空气质量受到监控,拥挤程度受到限制,他们的公司在能源和水的使用和减少浪费方面正在实现可持续发展目标。由于建筑物的占用率仍处于历史最低水平,关闭不需要运行的系统有助于大幅提高效率。
这些不断变化的工作场所动态和期望可能是评估对物联网 (IoT) 技术、连接它们的先进网络和控制它们的人工智能系统的新投资的机会——根据入住率、员工体验需求、所有权地点及其重要性(例如,研究实验室与办公空间的比较)做出决策。
与过去不同,建筑经理将利用率指标置于时间表之上,作为他们投资自动化控制系统的关键考虑因素。他们不能想当然地认为每个人都会回来:许多公司正在采用混合工作政策,而且办公室第一次需要与家庭竞争,因为它是一个有吸引力且高效的工作环境。
经验丰富的建筑管理人员正在争先恐后地学习这些现代化运营所需的新技能。他们知道,有了人工智能的支持,无论是在边缘还是在云端运行,他们可能会在鼓励员工回到办公室方面占据优势,为他们提供一个安全、可持续的环境,让他们与同事和客户面对面交流,聚集在真正的饮水机周围,让更少的猫和孩子在会议上客串。
以上是如何在楼宇管理中正确地使用人工智能?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在
