这是一个大街小巷热议人工智能的时代~
人工智能犹如上世纪九十年代的互联网，以惊涛之势席卷大江南北、带动着产业革命。
作为智慧建筑运维领域的专业服务商，有志于“用数字智能服务每个建筑，创造可持续的美好生活”，在智慧之光的感召下，博锐尚格在人工智能之路上苦苦探索。
深知于智慧之路上前行，不仅需要一往无前的勇气，还需要笃定、冷静，同时这一前探过程，绝不应该孤独的求索，博锐尚格CTO沈启博士以”AI天天见”系列文章与业界共同分享讨论AI技术在智能建筑运维领域的应用之道。
回归原点：建模
把视角拉回来，缩小一点，不妨将建筑看作一个庞大复杂的机器。从动力学视角观察，建筑的智能化运维就是从系统测量出发，最终形成一系列决策的过程。
现阶段建筑智能运维的困境之一，就是受限于各种原因，不是所有问题都能达到输出决策的水平。
总体来说，从测量到决策有两种路径，一是反馈路径，包括分析过程和反馈决策；二是前馈路径，包括状态预测和预测决策——这两种路径会同时在建筑中消防、安全、空调、电力等很多细分专业领域中展开应用。
与其空泛讨论建筑怎样才能智能化，不如回归到每一个具体工程问题的建模中，事实上绝大多数技术难点，都会在现实建模过程中暴露出来。
具体工程建模工作涉及的模型类别
数学模型应用难点
梳理智慧建筑领域各类模型，无论尚处科研阶段，亦或已有工程应用，大家遇到的技术难点基本都汇集到两个方面：一、是否已知明确的规律；二、现实工程中是否有完善的测量系统。
深入探究这两个问题会发现，人的意愿和行为的不确定性、天气变化的不确定性、工程投资的经济效益分配，都是左右上述问题的本质原因，这也是智慧建筑的所有从业者真正面对的难题。
测量系统与物理规则分析模型
诚然，随着科学研究和产业发展，上述问题的边界条件会发生改变，但因模糊范围巨大，理念问题不可能彻底解决。那么技术鸿沟该如何填补呢？我们把目光投向了人工智能。
可是，人工智能真的能帮我们解决这些问题吗？为什么我们不热衷于继续研究那些经典方法呢？
经典方法是根据某个领域的专业知识提供一个显性规则，此时虽然物理规律清晰已知，但测量系统往往不能提供充分的测量数据，或只能提供间接数据，且间接数据与直接输入之间的关系又是模糊的。模糊的关键原因是很多输入本质与人和气候条件密切相关，人的行为和气候条件又只符合统计规律，如果放在单点、单时刻情况下会现极大的随机性。所以经典方法的适用面变得很窄，甚至在有些工程场景中应用显示出抓大放小、以偏概全的特点。
现代人工智能的系列方法，则是在探寻规律的过程中，不追求显性表达，降低了整个过程的抽象难度。人工智能对既有知识的引入，也遵循这个规则，即只需提供学习数据集，或复用一个已经训练好的网络模型即可。
虽然人工智能相关的技术不能从本质上解决随机性和结论抓大放小的问题，但其在设计之初就预设了一套清晰的取舍规则，这使得我们只要接受这个取舍的前提，就能更自然更容易去接受训练和推演出来的结论。
一切从数据出发
综上，我们致力于人工智能与智慧建筑的结合，并不是因为AI万能，而是因为它大幅度降低了在复杂建筑系统中，探寻规律和逻辑抽象的难度。
需要注意的是，人工智能技术与经典技术一样，需要大量全面的观测来支撑其建模的过程，甚至需要的数据比以往更多，这更加凸显了当下建筑领域中数字化水平低下的关键问题。
大家积极探索AI建筑应用之道、进建筑智能化的路途上，应该将更多的注意力投注于建筑的大数据收集上，不然建筑的真正智能化永远只能是空中楼阁。
结语
博锐尚格致力于推进AI技术在智能建筑运维领域的应用，在回归算法、决策树、神经网络算法等多个领域，通过模型建立、模型训练、数据搜集整合的系统方法，已经取得较大的应用成果。在接下来的系列文章里，“AI天天见”系列将为大家一解析博锐尚格的思考过程与取得的阶段成果，希望以此为契机，能有更多有识之士投身于推动行业数字化转型的工作中！
