BiM 案例人工智能在建造过程中的应用前言 由于最近一直在出差，10 天飞了 6 个城市在 4 个时区停留，一直处于路途中与倒时差的状态，所以这篇文章晚到了很久，这里向大家道歉下。 今日要说的人工智能是 Josh Kanner 的创业案例。说到 Josh Kanner 估量很多人都不认识，但是一说到 Vela Systems，很多 BIM 老人们就会有印象了。这个由 Josh Kanner 一手打造的现场管理平台 Vela Systems 在 2025 年被 Autodesk 收购，后来成了 Autodesk 360的重要组成部分——360 Field。 2025 年 Josh Kanner 从 Autodesk 又跳出来开始了二次创业，这次他打造的是升级版智能版的 360 field——SmartVid。 目前美国已经有不少总包公司开始使用 SmartVid，所以这里介绍的案例也与 SmartVid 有关。一开始是想通过案例来介绍这个工具，但是为了能更好的说明背后的思路，所以我在融入案例同时直接介绍这个工具以及蕴含在背后的开发理念。 人工智能 1955 年的时候，两位科学家做了一个名为"逻辑专家"(Logic Theorist）的程序：它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解问题。这个程序被许多人认为是第一个 AI 程序。1956 年，“人工智能”的概念被正式提出。随着计算机应用的普及，以学习数据推倒映射的机器学习，以及用复杂、庞大的神经网络进行机器学习的深度学习开始逐渐成为讨论的主流。NVIDIA 对人工智能进展阶段的定义 机器学习是人工智能讨论较为年轻的分支，自 80 年代开始变得活跃。其基本目标是学习一个从 X 到 Y 的函数（映射），来做分类或者回归的工作。最简单的案例就是通过一封邮件的特征来进行一系列的是与否推断从而断定是否为垃圾邮件。机器学习常常和数据挖掘联系在一起是因为现在好多数据挖掘的工作是通过机器学习提供的算法工具实现的。 决策树是机器学习基于所猎取知识的主要表示形式之一：用决策树来划分物体的类属，树中每一内部节点对应一个物体属性，而每一边对应于这些属性的可选值，树的叶节点则对应于物体的每个基本分类。 这也是目前建设行业用的比较多的知识表达形式（拓展阅读：BiM 杂谈｜未来建造的逻辑与知识）Decision Tree 基于决策树与所积累的知识，管理人员可以设计一个学习决策树（learned decision tree），使得机器可以基于设定的逻辑与知识，对某个未发生的数据或条件进行学习并推断、预测结果。Learned Decision T...
