Software Engineering for AI-driven Building Operation
本文识别了在部署人工智能驱动的建筑运营中所面临的独特软件工程挑战——即其失效会导致不可逆转的物理后果而非仅仅是数字层面的后果——并提出了一种新的基础与最佳实践，旨在弥合现有人工智能软件实践与网络物理建筑系统安全性要求之间的差距。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
建筑是地球上最大的能源消耗者之一，也是全球温室气体排放的重要来源。几十年来，管理供暖、制冷和照明的系统一直依赖于固定的、基于规则的指令。这些系统一旦设置好就很少更改，难以适应不断变化的天气模式、室内人数的变化或机械本身的自然磨损。近年来，工程师们开始寻求人工智能的解决方案，希望智能算法能够通过学习数据来提高建筑运行效率。然而，在这些智能系统的承诺与实际应用之间，出现了一个关键的鸿沟。人工智能在数字世界中表现出色，在那里，一个错误可以通过简单的点击来撤销；但在建筑领域，它们存在于物理世界中。在那里，一个错误的决策不仅不会像删除文件那样被抹去，还会浪费无法回收的能源，让人们感到不适，甚至损坏昂贵的设备。
一支来自奥地利的跨学科研究团队（涵盖土木工程与计算机科学领域）致力于弥合这一差距。他们认为，用于构建和测试人工智能软件的标准方法并不适用于建筑运行这一物理世界。他们的研究源于两个涉及真实大学建筑的持续项目，旨在识别当前方法失效的原因，并提出一种新的前进方向。他们发现，将建筑视为标准的计算机程序忽略了物理系统缓慢、混乱且不可逆转的特性。他们建议，与其依赖数字系统所享有的海量清洁数据，不如设计能够利用有限且带有噪声的信息运行的系统。此外，由于建筑管理者在法律上需对安全和舒适度负责，因此他们必须能够理解并覆盖人工智能的操作，这意味着透明度是一项必要要求，而非可选功能。
研究人员首先观察到，当软件控制物理环境时，标准的软件工程规则不再适用。在数字领域，如果一个程序做出了错误的预测，其后果通常仅限于糟糕的用户体验或损失一笔销售额，且错误可以被快速修复。但在建筑中，一个错误的控制决策会产生即时的物理成本。如果人工智能系统错误地同时开启了加热和制冷，那部分能量将永远被浪费。如果它导致温度剧烈波动，居住者会对系统失去信任，建筑管理者可能会直接将其关闭，从而使该技术变得毫无用处。更糟糕的是，对设备设置进行激进的更改会产生机械应力，缩短机械的使用寿命。虽然火灾等重大灾难较为罕见，因为建筑内置了安全缓冲机制，但微小且不可逆转错误的累积效应，彻底改变了软件构建的方式。
为了应对这些独特的挑战，研究人员确定了从理论转向实践时出现的几个关键问题。一个主要问题在于数据的性质。在许多数字应用中，数据是丰富且清洁的。而在建筑中，数据往往是稀疏、多噪且分散在互不通信的不同系统中的。一座建筑可能拥有20世纪90年代的供暖系统、2010年的照明控制系统以及现代传感器，它们使用不同的语言和格式。收集这些数据非常困难，且传感器往往会随着时间的推移而发生漂移。研究人员发现，试图构建需要完美数据的复杂模型会导致系统在现实世界中变得脆弱。相反，他们倡导“数据极简主义”原则。这意味着要设计能够利用现有的有限且不完美的数据运行的系统，而不是等待可能永远不会到来的完美条件。
另一个关键发现是，直接在真实建筑上测试这些系统风险过高。与数字软件可以通过运行两个版本进行对比测试不同，你不能在同一栋建筑中测试两种相互冲突的供暖策略，否则会影响内部人员的舒适度。研究人员观察到，仅仅依赖计算机模拟也是不够的，因为真实的建筑永远不会完全表现得像其数字模型那样。热质量、天气和人类行为会产生难以预测的延迟和变化。为此，他们提出了“模拟优先”的方法，即在部署到实际建筑之前，先在建筑的虚拟副本中对新策略进行广泛测试。这个被称为“数字孪生”的虚拟副本不仅仅是一个静态模型，而是一个随实际建筑实时数据更新的“活副本”。它允许人工智能探索不同的操作并从错误中学习，而不会造成任何现实世界的损害。
人的因素在他们的研究结果中也起着核心作用。在数字应用中，如果用户不信任某项建议，他们只需忽略即可。但在建筑中，如果设施管理者不信任该系统，他们会将其彻底禁用。由于这些管理者在法律上需对人员的安全和舒适负责，他们需要理解系统做出决策的原因。研究人员认为，可解释性不仅是一个“锦上添花”的功能，更是实现应用的基础。如果人工智能无法用通俗易懂的语言解释其推理过程，或者无法在必要时进行人工干预，它就不会被采用。这意味着软件在设计之初就必须具备透明度，能够提供其行为的清晰理由，并允许人类在需要时介入。
该团队建议，未来的路径在于工程师如何看待这些问题。他们提出，数字孪生应成为开发的核心工具，作为测试的安全空间以及生成罕见情况数据的手段。他们还强调，从设计到部署的工作流需要是集成的，将建筑的物理模型与人工智能及控制系统连接起来。这种方法承认了建筑是受热力学定律支配的复杂物理系统，而不仅仅是数据模式。研究人员谨慎地指出，他们的工作是新研究议程的起点，而非最终解决方案。他们已经识别了缺失的部分并提出了实践准则，但也承认这些想法需要在实地进行验证。目标是为构建稳健、安全且受使用者信任的人工智能奠定基础。
最终，这项工作强调了将人工智能引入建筑领域的挑战，不仅是一个关于更好算法的技术问题，更是一个关于管理物理后果的软件工程问题。研究人员发现，成功取决于尊重物理定律、承认数据的局限性以及维护人类的信任。通过将建筑视为物理系统而非仅仅是数据源，他们为开发能在现实世界中真正发挥作用的智能建筑提供了蓝图。他们的研究结果表明，建筑运营的未来不在于用机器取代人类判断，而在于创造能够支持人类监督，并应对物理世界复杂、缓慢且不可逆特性的系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。