在建筑施工方面,各種各樣的事情都可能出錯(cuò)。根據(jù)保險(xiǎn)索賠記錄顯示,最常見(jiàn)的問(wèn)題是漏水。
WINT Water Intelligence首席產(chǎn)品和戰(zhàn)略官Yaron Dycian表示:“建筑漏水問(wèn)題,是沉默的殺手。”水是一種越來(lái)越稀缺、且非常有價(jià)值的資源。
WINT的總部位于以色列,創(chuàng)建于2012年,該公司創(chuàng)立伊始,創(chuàng)始人的家中遭遇了漏水,并發(fā)現(xiàn)當(dāng)時(shí)漏水問(wèn)題并沒(méi)有現(xiàn)成的解決方案。現(xiàn)在已經(jīng)有了針對(duì)家庭的解決方案,但是對(duì)于更大的建筑物來(lái)說(shuō),水損失是一個(gè)困難得多的挑戰(zhàn)。
該系統(tǒng)使用人工智能來(lái)檢測(cè)泄漏,從而節(jié)約用水,并防止商業(yè)和政府建筑物受損。
從水龍頭和廁所,到隱藏的管道和水塔,泄漏造成的成本和破壞可能會(huì)增加。平均而言,建筑物會(huì)浪費(fèi)25%-30%的水。通常來(lái)說(shuō),一棟安裝了100個(gè)馬桶的建筑物,在任何時(shí)間點(diǎn),平均有三個(gè)馬桶在漏水。僅此一項(xiàng),每年就會(huì)浪費(fèi)30-40萬(wàn)美元的自來(lái)水。
Dycian表示,在一個(gè)案例中,一個(gè)發(fā)生故障的冷卻塔每天會(huì)向排水管傾注1000美元的自來(lái)水,每年損失達(dá)到了50萬(wàn)美元。他說(shuō):“這種情況就這么一直持續(xù)了兩年半,直到我們發(fā)現(xiàn)。”“這是對(duì)水資源的巨大浪費(fèi),而人們并沒(méi)有意識(shí)到這一點(diǎn)。”
然而這樣的損壞是會(huì)有代價(jià)的。Dycian能夠回憶起的一個(gè)最極端的案例是,一棟位于紐約曼哈頓的高級(jí)公寓樓,在交付給租客之前,它的19層在一個(gè)周末發(fā)生了泄露。他回憶說(shuō):“水有從地板上向下流的特性……當(dāng)時(shí)樓里沒(méi)有人,水一直向下流,流到了一樓,最終造成高達(dá)3000萬(wàn)美元的損失。”而且,除此之外,建筑商還要支付8000萬(wàn)美元的延遲交付補(bǔ)償。
不只是建筑市場(chǎng),漏水也影響房地產(chǎn)市場(chǎng)。例如,一家保險(xiǎn)公司在以色列的一棟大樓的11層發(fā)生了泄露——又是在周末——Dycian表示:“整個(gè)建筑都被毀壞了”。成千上萬(wàn)的計(jì)算機(jī)和其他破壞造成的損失達(dá)到約300萬(wàn)美元,管理層不得不另找地方辦公。
WINT基于人工智能的解決方案,首先通過(guò)整個(gè)建筑物內(nèi)的水檢測(cè)設(shè)備識(shí)別正常的用水模式。Dycian解釋說(shuō):“從部署的那一刻起,每臺(tái)設(shè)備都開(kāi)始使用機(jī)器學(xué)習(xí)來(lái)理解和分析當(dāng)?shù)氐牧髁磕J?,這些模式因地點(diǎn)和季節(jié)而異。”
這需要約三到四周的時(shí)間,并且設(shè)備需要與云中的處理器通信。一旦建立了正常模式,它們就可以檢測(cè)到異常,并通過(guò)智能手機(jī)為員工提供實(shí)時(shí)警報(bào),且能夠精確定位泄漏的確切位置和性質(zhì)。當(dāng)系統(tǒng)檢測(cè)到嚴(yán)重的泄漏和爆裂時(shí),閥門(mén)可以關(guān)閉供水。如果工作人員知道泄露事件正常,他們可以使用遙控的方式來(lái)控制系統(tǒng)。
它還向管理人員發(fā)送詳細(xì)的月度報(bào)告,以便監(jiān)測(cè)和調(diào)整用水量。
▲ 圖:通過(guò)機(jī)器學(xué)習(xí)來(lái)建立正常的用水和檢測(cè)異常裝置。
位于內(nèi)華達(dá)州里諾市的亞特蘭蒂斯賭場(chǎng)度假村每個(gè)月要使用650萬(wàn)加侖的水。該公司設(shè)施總監(jiān)Perry Sanders最近報(bào)告稱(chēng),自從去年年底使用WINT以來(lái),他們?cè)谧畛跬顿Y48,000美元后,已經(jīng)節(jié)省了36,000美元。他還表示,系統(tǒng)非常準(zhǔn)確,可以檢測(cè)到工作人員無(wú)法找到的隱藏泄漏。
Dycian說(shuō),任何使用人工智能的自動(dòng)檢測(cè)系統(tǒng),都存在優(yōu)化檢測(cè)的挑戰(zhàn),同時(shí)還要避免誤報(bào)。 “在這些方面我們做得非常好。”
他們還會(huì)對(duì)這些系統(tǒng)進(jìn)行離站監(jiān)控。他表示,這對(duì)于一家安裝了系統(tǒng)的財(cái)富200強(qiáng)公司來(lái)說(shuō)非常幸運(yùn)。這家公司在更換了維護(hù)團(tuán)隊(duì)的工作人員之后,每個(gè)人都忘了這個(gè)系統(tǒng)。一年之后,警報(bào)開(kāi)始啟動(dòng)。最開(kāi)始泄露量非常小,然后每個(gè)小時(shí)都會(huì)增加幾十加侖,工作人員沒(méi)有注意到這種情況。
WINT對(duì)該問(wèn)題的評(píng)估一直在升級(jí),同時(shí)開(kāi)始向管理層層層上報(bào),直到報(bào)給副總裁。那時(shí),泄漏量已經(jīng)從每個(gè)小時(shí)40加侖增長(zhǎng)到每小時(shí)25立方米。等到他們找到原因(管道爆裂)時(shí),已經(jīng)泄露了約1000立方米的水——相當(dāng)于半個(gè)奧林匹克標(biāo)準(zhǔn)游泳池的水量,這些水在建筑物中泄露,浸泡了混凝土板。該公司估計(jì),如果不加以控制,可能會(huì)造成價(jià)值650萬(wàn)美元的損失。
▲ 圖:水檢測(cè)設(shè)備向員工的智能手機(jī)發(fā)送實(shí)時(shí)泄漏警報(bào)。
該組織目前正在從以色列擴(kuò)展到美國(guó)、英國(guó)、澳大利亞和新加坡,并預(yù)計(jì)需求將繼續(xù)增長(zhǎng)。Dycian 表示:“我們通過(guò)減少用水量節(jié)省的費(fèi)用,就幾乎與客戶(hù)支付給我們的費(fèi)用相同,這是一項(xiàng)持續(xù)的服務(wù)費(fèi),而不是一大筆預(yù)付款。”
Sanders表示:“WINT將我們的用水量減少了25%,幫助我們降低持續(xù)成本,并最大限度地減少對(duì)環(huán)境的影響——這是一個(gè)可以‘自給自足’的可持續(xù)性解決方案。”“它可以防止水泄漏變成可能對(duì)財(cái)產(chǎn)造成巨大破壞并破壞業(yè)務(wù)的災(zāi)難。”
從本質(zhì)上講,提供這一人工智能解決方案,客戶(hù)可以免費(fèi)獲得傷害保護(hù),同時(shí)保護(hù)地球上最寶貴的資源之一。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。