人工智能手段在建筑设计领域中运用的探索
云南工程勘察设计院有限公司 云南昆明 650041 摘要：随着时代的发展，科技的进步，人工智能步入大众的视野。人工智能在众多领域中的到广泛的应用。在众多的行业中，人工智能简化了程序，减少了成本，并对传统行业带来了机遇与挑战。在建筑设计领域中，人工智能的出现对建筑设计也产生了极大地影响。通过人工智能与建筑设计的结合，优化了建筑设计方案，保证了在建筑设计中每一个步骤的准确性。因此，本文在人工智能的背景下，分析了人工智能手段在建筑涉及领域中的应用，以期为建筑设计发展提供借鉴。 关键词：人工智能；智能手段；建筑设计；运用探索 随着科技的发展，人工智能手段在众多的行业中得到广泛的应用，人工智能手段也成为传统行业革新的重要手段，通过人工智能手段，减少了复杂的程序，降低了人工成本，增加了工作效率，为企业带来了更高的效益。可以说，人工智能在新时代带来的机遇与挑战必将在革新中起到了至关重要的作用。当前，由于城市规模扩大，对建筑的需求不断增多，建筑设计对于技术的要求也越来越迫切。建筑设计领域也逐渐开始与人工智能手段相结合，提高了建筑设计领域中决策、设计和管理的工作效率效率，减少了复杂的步骤，降低了成本，完成产业升级，对建筑领域的良性循环起到了推动作用。 1人工智能手段相关概述 人工智能也叫“AI”，英文全称“ArtificialIntelligence”。第研究、开发用于模拟、眼神、拓展人的职能的理论、方法、技术及其应用系统的新的科学技术。人工智能可以说囊括了自然、社会的所有学科，包括计算机、语言、空间、能源、基因、纳米等等，具有极强学科性的特点。人工智能研究内容主要是通过计算机来模拟人类的思维的这个过程，包括语言、学习、逻辑思维等。通过人工智能可以完成极其复杂的工作，一方面简化了流程，是人类从繁琐中解放出来，提高了工作效率，增加了效益，另一方面人工智能的发展具有未知性，也正是因为未知性才值得去探索。当前，人工智能在汽车业、服务业、医疗行业等领域应景得到广泛的应用，可以说，实现人工智能的手段的方法主要有以下三种。 1.1传统编程方法 在传统的编程中，主要是在数理的基础上，模仿人的机能。在这个过程中，通过运用推理论证过程是否可行，进而模仿出复杂的结论。这些复杂的结论通过大数据的方式展现在人们眼前，在这些复杂的结论中可以选取相应的策略进行实施。传统的变成方法被用在设计、查找等的相对应的最合适的算法，可以满足在某个场景条件下就执行某个行为，并且将结果展现出来，不需要进行大量的细节算法。 1.2机器学习 人工智能的核心就是“机器学习”，人工智能“机器学习”主要是通过在前期的学习尝试过程里把握住改进算法的能力，进而模仿人的学习方式、方法等行为，可以不断的完善自身效能，不断改进。“机器学习”和传统编程最大的差异就是在感官方面，“机器学习”可以做到模仿人的感受，甚至进行推理判断。主要有决策树算法、线性回归、逻辑回归、BP神经网络、K近邻等。在“机器学习”与传统的数理论证中，在经验数据方面的差异是两者之间最大的不同。“机器学习”需要输入大量的数据，而传统方法不需要这些大量的数据做支撑，机器学习可以将这些数据同属数理方法进行推理、总结，在通过计算机这个载体，形成模型。 1.3深度学习方法 深度学习方法的实现主要是通过硬件和软件的结合。硬件级APU（人工智能处理单元，仿生芯片），通过SDK端口结合软件级大规模并行处理算法。通过高级和低级组合可以获得更多的特征属性，可以有效地发现数据的分布特征并将它们组合在一起。深度学习是目前人工智能领域的研究热点，它可以模拟人脑神经网络的学习路径，通过模拟人类思维模式，可以对多种工作条件进行最优决策处理。 2人工智能对建筑结构设计产生的影响及问题 2.1人工智能对建筑结构设计得影响 由于中国经济的快速发展，建筑业作为人类社会的基础也得到了迅速的发展。建筑的建造从建筑的设计开始，然后是建筑的结构设计。建筑结构设计主要分为三个阶段：结构方案阶段、结构设计阶段和施工图设计阶段。传统的建筑结构设计依靠结构工程师来计算建筑结构的合理性、舒适性和安全性，用合适的材料建造舒适、美观、经济的建筑。建筑结构设计偏重于技术设计，更具体的是混凝土。它不像建筑设计那样更加抽象。传统的设计依赖于人的逻辑计算能力。显然，计算机在计算方面更有能力。当人工智能与建筑结构相结合时，根据人们的思维，根据计算机强大的计算能力，更容易获得合理的设计结果，这大大方便了人类的生活。随着未来技术的进一步发展，人工智能技术将会越来越成熟，对建筑结构设计行业的影响也会越来越大。同时，它将不可避免地带来一些社会问题。 2.2智能建筑结构发展存在的问题 科学技术的进步和发展促进了人工智能技术的出现，但同时人工智能技术是一项新技术，它还取决于科学技术的发展。目前，我国人工智能技术的发展很短，许多智能系统并不完善，技术相对薄弱。人工智能的总体能力和水平远未达到一般智能水平。人工智能基础研究总体水平与国际先进水平之间仍存在差距，总体上需要时间赶上国际先进水平。例如，在建筑结构设计中，设计参数复杂多样，自动系统只具有顺序逻辑判断能力，但不具备独立思考能力，因此不能对思维逻辑作出判断。。当内部参数更改或错误时，需要手动修改或调整它们。但是，由于智能系统结构复杂，维护困难，一旦出现问题，整个系统可能会崩溃。除了由发展水平引起的技术问题外，协调人类社会与人工智能技术之间的社会关系也至关重要。如果人工智能与人类社会之间的关系不能很好地协调，以及良好的社会保障，就可能带来严重的社会问题。最后在政策和法律方面，与其他项目相比，人工智能更加复杂，需要研究的问题越多，涉及的方面越广泛，对国家政策支持的需求也越来越大。人工智能技术的发展将在一定程度上导致隐私泄露，并且在数据挖掘和收集过程中可能发生未经授权的数据采集。从法律保护的角度来看，这可能会限制人工智能技术的发展，人工智能技术需要受到法律制度的制约。 3人工智能技术在建筑领域的应用 随着从科技的发展，国家对人工智能不断加大投入资金以及研究力度，可以说，人工智能对于每个国家的进步乃至整个国家实力都有至关重要的作用。
期刊文章分类查询,尽在期刊图书馆在人工智能快速发展的时代下，建筑设计领域也迎来了新的变革。在建筑设计领域中通过人工智能可以使数据更加精确，减少了人工的复杂性，提高了工程的进度。人工智能在建筑设计领域的革新也必将会带来空前的设计、管理环境的变化，使之朝着更加良性方向发展。 3.1人工智能技术在城市规划和建筑设计的应用 在城市规划和建筑设计的过程中，规划者和建筑物充满了很多思考和协调的计划。目前，人工智能技术可以可靠地应用于城市规划和建筑设计的前期工作中。该公司成立于深圳。第一个ai架构师xkool已经成功开发，第一个私人测试版于2017年3月3日发布。它结合了大数据处理，人工智能技术和机器学习技术等各种先进功能，可以输入高级功能。算法进入自己的记忆。另外，它可以在运算过程中使用算法优化来呈现自己的思路。它是人工智能系统架构设计实际水平的第一个应用，可以有效地帮助开发人员实现建筑规划分析的完整性，与建筑规划师和建筑师合作完成初步设计工作，根据其性能产品介绍，人工智能技术设计阶段前三分之二的内容，包括概念设计。根据产品案例介绍，xkool原型在概念设计阶段成功参与了深圳市南山区深圳湾生态科技城项目的辅助设计。基于对人工智能技术和相关理论研究的认识和理解，相关研究人员将人工智能技术应用于建筑设计过程中，以降低设计成本，加快效率，提高整个方案的设计质量，为在短时间内形成该计划。它包括对周围环境的分析和研究，场地的使用，建筑形式的优化和建筑风格的选择。 3.2建筑结构设计中人工智能技术的应用 建筑物在长期使用过程中，受外界环境因素的影响和自身材料的老化，很容易出现裂缝和磨损现象，或者因为建筑物通过振动环境（如地震）来承受损害，将对建筑安全造成相当大的影响。建筑结构安全评价一直是相关研究领域的热门话题。如果将人工智能技术应用于建筑结构设计和建筑结构评估，工程技术人员可以采用深度学习的方法实现土木工程领域的外观检测。科学研究人员尝试使用人工智能技术识别视觉技术，用于识别土木工程结构损伤的有效性，并采用深度学习方法得到结构外观的实际状态，然后结果，现有关系外观和结构损坏，同时可以有效地进行图像识别。采用人工智能深度学习的方法可以减少以前在结构损伤检测中安装大量检测传感器的方法，提高检测效率，降低风险检测成本。 结论 随着科技的发展，人工智能手段在众多的行业中得到广泛的应用，人工智能手段也成为传统行业革新的重要手段，通过人工智能手段，减少了复杂的程序，降低了人工成本，增加了工作效率，为企业带来了更高的效益。可以说，人工智能在新时代带来的机遇与挑战必将在革新中起到了至关重要的作用。当前，由于城市规模扩大，对建筑的需求不断增多，建筑设计对于技术的要求也越来越迫切。建筑设计领域也逐渐开始与人工智能手段相结合，提高了建筑设计领域中决策、设计和管理的工作效率效率，减少了复杂的步骤，降低了成本，完成产业升级，对建筑领域的良性循环起到了推动作用。虽然人工智能具有未知性，但只要我们用在正确的地方，必然会推动人类的进步。 参考文献 [1]许晓飞，米洁，陈雯柏.人工智能视域下协同过滤推荐系统的工程训练平台[J].实验技术与管理，2019，（04）：109-113. [2]王喜文.人工智能已来 智能制造可期[N].中国工业报，2019-04-10（001）. [3]李伦 刘梦迪 胡晓萌 吴天恒.智能时代的数据伦理与算法伦理──第五届全国赛博伦理学暨数据伦理学研讨会综述[J].大连理工大学学报（社会科学版），2019，（03）：. [4]李瑾.浅论路径问题智能算法在智慧出行中的应用[J].通讯世界，2019，26（03）：221-222. [5]姚万勤.大数据时代人工智能的法律风险及其防范[J].内蒙古社会科学（汉文版），2019，40（02）：84-90. [6]刁联旺.美国DARPA有关“算法战”项目的发展分析与认识[A].中国指挥与控制学会.第一届空中交通管理系统技术学术年会论文集[C].中国指挥与控制学会：中国指挥与控制学会，2018：7. [7]朱焕.2016机器学习三大趋势：算法经济将引导人工智能走向何方?[A]..《科学与现代化》2017年第1期（总第070期）[C].：中国科学院中国现代化研究中心，2017：8. [8]钟万勰.自主CAE-多体动力学基础算法及其软件研发[A].中国振动工程学会非线性振动专业委员会.第十五届全国非线性振动暨第十二届全国非线性动力学和运动稳定性学术会议摘要集[C].中国振动工程学会非线性振动专业委员会：中国力学学会，2015：1. [9]Moghaddas，Raziyeh，Mansoori，Eghbal，Hamzeh，Ali.Anewmulti-agentalgorithmforsolvingconstraintsatisfactionproblems[P].，2013. [10]JunYi，RuiZhang，DiHuang，TaifuLi，JunPeng，YingyingSu.HCNproductionprocesshybridintelligencebasedonartificialneuralnetworksandgeneticalgorithm[P].，2014.
人工智能在雷达应用中的限制和发展前景
传统雷达识别
随着人工智能技术的迅速发展，基于深度学习、迁移学习等人工智能在军事领域应用技术也受到国内外广泛关注，许多专家、学者均提出了采用智能识别技术进行目标和环境特征提取和模式识别等任务，实现对雷达对非合作目标的有效识别。美国国防部国防创新试验小组也明确指出AI关注重点：能够为实时对抗服务的人工智能和机器学习。
目前，基于深度学习方法对不同形式雷达数据进行处理，经过调研发现，针对不同雷达成像原理集信号处理方法，可以得到不同形式的雷达数据。如合成孔径雷达图像、高分辨距离像、微多普勒图谱以及距离多普勒图谱等。主流的研究思路主要基于生成各种不同雷达图像，利用深度学习网络对图像进行处理。
利用深度学习网络对雷达数据处理的思路主要是在宏观角度的阐述，深度学习与常规雷达识别技术最主要差异在于采用特征的不同，技术途径也因特征提取的方法不同而具有一定的差异。
常规雷达识别区别于深度学习，最主要的差异在于采用的特征不同。常规雷达识别借助专业技术人员的经验进行特征提取，采用窄带统计特征、宽带散射中心、微动等反映了目标散射机理的特征，具有一定的物理含义，称为物理特征。物理特征主要通过专业人员对数据的深入分析后进行特征提取，从而建立识别特征库，但在有限样本情况下对复杂函数的表示能力有限，针对复杂问题泛化能力受到一定的限制。
基于CNN的深度算法
而深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。通过计算机自动的逐层特征变换，可以学习到输入数据的内在特征，使得分类识别更加容易，同时模型结构的深度化也使得对复杂函数的特征表示能力更。深度学习识别最主要的特点是自动提取特征，减少了技术人员对专业知识的依赖程度。
深度学习识别最大的缺点是需要大量的训练数据，充分利用训练数据的信息，才能形成分类约束条件，而目前限制人工智能在军事领域应用的关键问题就在于：短时间、强对抗的交战环境能够提供的机器学习样本数量太少，导致人工智能难以在对抗环境中施展；并且深度学习获得的隐层特征物理含义不明确，武器系统出现问题后难以定位。因此直接在武器装备中采用深度学习等人工智能识别技术与装备特点不相适应，需要进一步挖掘新的人工智能途径，研究人工智能在武器装备应用的模式。
基于反馈机制认知识别应用的初步框架
认知学识别在实时对抗复杂环境下或大有可为
“认知学识别”的定义和本质仍是科学界正在努力探索研究尚未完全解决的问题，当前国内外还没有关于“认知学识别”的明确定义。从工程技术角度看，可以狭义地将认知识别理解为深度强化学习，是带真正推理、反馈能力的强人工智能。通过对历史和当前环境的检测和分析，对目标学习和推理，利用相应结果自适应调整识别系统的各项参数，在对目标有效、可靠且稳健的感知的基础上，快速完成认知、反馈、调整策略、进行决策，并在时间、空间、频率和极化等多个维度实现复杂干扰条件下的智能化博弈，从而大幅度提高系统的识别性能。针对目前人工智能在装备应用中存在的问题，主要分为两个方面：一、深度学习网络隐层参数物理解释问题；二、带有反馈机制的强人工智能网络的建立。
深度学习识别最大的缺点是需要大量的训练数据
为了解决深度学习获得的隐层特征物理含义不明确问题，需要对深度学习网络隐层参数物理含义进行解析，并通过对目标微动特性的研究，建立微动参数与深度学习网络之间的关联关系。通过对进动目标的雷达回波测试数据的宽窄带数据进行空间变换，得到不同变换空间下的微动特征并建立目标进动特征库。基于进动特征库数据对深度学习网络进行训练，根据得到的训练结果与目标进动参数建立关联关系，最终通过这种关联关系对网络隐层参数进行物理解释。
以上阐述了目前智能识别技术能够达到的效果，对于带真正推理、反馈能力的强人工智能的实现还需要对识别流程框架进一步优化。为构建基于反馈机制认知技术在雷达识别应用中的初步框架，应充分利用目标飞行阶段、关键事件等时间轴上的先验信息和知识，在雷达实际跟踪目标的过程中，对飞行阶段、关键事件进行判断，将判断结果实时反馈到知识库中，结合时间轴上的先验信息和知识，通过反馈机制对知识库进行实时更新，从而更精准地识别出目标。
深度学习网络隐层参数物理含义解析
针对目前在雷达识别应用领域中的难点技术，尤其是非合作外军目标由于先验知识的匮乏、训练样本少等问题，建议采用强人工智能的认知学识别方法，深入挖掘其对电磁环境的认知、推理能力，通过多传感器资源、信息的共享、协作、推理以及算法反馈机制，形成人工智能在武器装备应用的一种新模式，以达到非合作目标智能识别的目的。
版权声明：本文刊于《军事文摘》杂志。作者：李波任红梅肖志河。如需转载请务必注明“转自《军事文摘》”。返回搜狐，查看更多
人工智能教育应用的伦理与限制
原标题：人工智能教育应用的伦理与限制人工智能技术在各行各业的应用，促进了技术变革和产业升级，有力地推动了数字中国和现代化建设，也为促进教育数字化转型提供了强大动力。习近平总书记在致国际人工智能与教育大会的贺信中指出，中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新。
2022年11月，基于人工智能的聊天工具ChatGPT上线仅两个月，活跃用户超过了1亿。ChatGPT能根据上下文理解用户输入的信息，帮助用户生成问题的解决方案，如写论文、编代码、当客服等。当其逐渐应用到教与学的过程中，出现了如人机协同教学、个性化学习、智能化评价、辅助学术研究等典型应用。但是，应用中的伦理问题，如学术不端、数据泄露、社会偏见、教育价值偏颇等，逐渐浮现并产生了负面影响。因此，如何在充分发挥人工智能教育应用价值的同时，有效规避其中的伦理风险亟待探讨和解决。
ChatGPT的教育应用助力学与教变革
ChatGPT的应用有利于促进学生的个性化学习。ChatGPT能够为学生提供个性化的自适应学习体验，通过ChatGPT的自然语言处理技术，将学生提出的问题转化为结构化的数据，并将其与相关知识库进行匹配，提供最优解答，并且ChatGPT会记录每一次的问答，针对学生的问题进行分析，深入了解学生的学习习惯、学习水平等从而使学生可以获得个性化和高效的学习指导，提高学生的学习效率。
ChatGPT的应用有助于推动教师的自动化教学。ChatGPT可以与教师实现协同工作，辅助教师进行课程设计和材料生成，为教师生成有针对性的学科知识、教学材料、教学大纲、教学案例和教学策略等。通过与ChatGPT进行模拟课堂对话，教师可以更好地了解学生的问题，提高课堂教学的灵活性。在课后教师可以使用ChatGPT对学生上课的提问与回答进行教学诊断，帮助教师了解学生的学习情况、困难，及时调整教学策略和内容。ChatGPT会自动对学生的作业或试卷进行评分和批改，教师可以快速而准确地对学生的作业和试卷进行评分和批改。
ChatGPT的应用有益于辅助学术研究。ChatGPT可以为研究者提供模型预测和数据分析的支持。
研究者提供相关数据，这些数据可以包括实验数据、问卷数据、统计数据等，ChatGPT将使用自然语言处理技术分析这些数据，从中发现有价值的信息，并进行数据分析和模型预测，之后ChatGPT将提供分析报告，其中包括数据可视化展示、结果说明和推荐建议等内容，让研究者更加便捷地了解数据和模型的特征、趋势。最后，研究者可以基于分析结果进行进一步的科研探索和实验研究，同时对模型和数据进行优化和改进，从而促进科研工作的深入开展。
ChatGPT应用引发的教育伦理问题亟待破解
教师和学生在应用ChatGPT的过程中产生了亟待解决的伦理问题，包括数据泄露、算法偏见与歧视、学术不端、教育价值偏颇、人文关怀缺失等，这些问题给教育的可持续发展带来了很大的挑战。
数据泄露有可能引起学生权益受损。ChatGPT需要处理与存储大量数据，这些数据存在被泄露的风险。在学习、教学与评价场景中，学生、教师与ChatGPT对话中可能涉及个人隐私信息、学术记录、行为模式、学生成绩、班级信息与答题信息等。由于技术漏洞、相关人员缺乏安全意识、黑客攻击等使这些数据的安全不能得到保障，可能会导致被未经授权的人员访问、篡改或滥用。如果不采取相应措施来规避风险，将会给学生与教育机构带来严重的后果，包括个人信息被利用引来学生被诈骗或骚扰、对学生的学业产生负面影响、学校声誉受损从而家校关系恶化等。
展开全文算法不透明或可导致教育偏见与歧视。ChatGPT在算法设计与调整时，可能存在一定的偏见。由于算法设计人员本身的偏见或盲区，或收集的语料本身存在的如种族、地区等偏见，ChatGPT的输出也会受到影响。若算法不透明，我们无法判断其作出决策的依据，也无法得知其中是否存在隐含偏见。学生与ChatGPT进行知识问答时，ChatGPT可能会给出不准确的回答，或者以不当的方式引导学生学习和行为，影响学生的学习效果和公平性，加剧数字技能鸿沟甚至损害教育的公平性。
过度依赖或可导致学术不端与教育价值偏颇。ChatGPT可以根据研究任务生成说服性强且有一定逻辑的文本，若滥用可能产生剽窃、抄袭等学术不端问题。ChatGPT在一定程度上可以帮助学生提升学习效率，但学生若对其呈现的结果不加批判地全盘接受，会导致思维的惰化，从而其影响全面发展。长此以往，学生的元认知、创新性思维、批判性思维、独立解决问题的能力均可能受到不同程度的损害，这与教育“培养全面发展的人”背道而驰。同时，在教学中，若教师过分依赖ChatGPT，在教育中忽视和缺失了人文关怀的情感教育，也不利于培养学生的健全人格与身心健康。
应对ChatGPT教育应用伦理问题的策略
规范开发人工智能教育应用场景。ChatGPT具有强大的文本生成能力，可能的应用场景包括教、学、管、考、评、测、研等诸多方面，学校可以加强应用场景的规范开发，明确人工智能技术的育人价值，从教学全流程、全要素、全业务的角度深度思考，将智能技术与教学深度融合，打造典型的应用模式，破解教育和教学的核心问题，从而塑造学校人工智能教育应用的特色场景。
明确制定人工智能教育应用限度。正确认识ChatGPT等人工智能的功能特点、核心价值，谨慎处理其潜在风险。人工智能教育应用过程中，在数据采集、数据筛选、数据处理、数据应用等方面，容易出现个人信息泄露、数据安全受损、育人价值偏颇等问题。在应用过程中，从数据的全生命周期角度，需明确应用的具体限度，指导教师和学生在安全可信的前提下合理使用ChatGPT等人工智能，确保数据安全，保证教育的育人价值不出偏颇。
提高师生的人工智能素养和伦理意识。教师和学生的人工智能素养是将新一代人工智能技术融入教和学的基础，而伦理风险意识则是保证师生安全可靠应用人工智能技术的前提条件。为提高师生的人工智能素养和伦理意识，组织开发人工智能教育应用与伦理意识相关课程和培训，并将相关内容渗透到各科课程中去，让学生了解智能技术的应用可能带来的伦理风险。同时可引入人工智能检测工具，建立相应的监督和管理机制对学生的学术行为进行监督，对学术不端行为进行惩处。
强化学生的高阶思维能力培养。ChatGPT等生成性人工智能对学生的逻辑思维、提问能力、批判性思维、协作能力、沟通能力等提出了新的要求，只有具备了这些高阶思维能力，学生才能与ChatGPT等人工智能应用形成良性的人机协同，促进自身的全面发展。要充分利用智能工具，推动教学理念更新、课堂范式转型、教学模式转变，推动学生高阶思维能力的培养，让学生能够在未来复杂和不确定的世界中诗意地生存。
（作者杨俊锋系杭州师范大学经亨颐教育学院教授、教育部教育信息化战略研究基地［北京］副主任，陈睿宁系杭州师范大学研究生。本文系国家社科基金重点课题“人工智能教育场景应用的伦理与限度［ACA220027］”的成果）
《中国教育报》2023年05月13日第4版
作者：杨俊锋陈睿宁返回搜狐，查看更多
责任编辑：