在建筑施工方面,各種各樣的事情都可能出錯。根據(jù)保險索賠記錄顯示,最常見的問題是漏水。
WINT Water Intelligence首席產(chǎn)品和戰(zhàn)略官Yaron Dycian表示:“建筑漏水問題,是沉默的殺手。”水是一種越來越稀缺、且非常有價值的資源。
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)時漏水問題并沒有現(xiàn)成的解決方案。現(xiàn)在已經(jīng)有了針對家庭的解決方案,但是對于更大的建筑物來說,水損失是一個困難得多的挑戰(zhàn)。
該系統(tǒng)使用人工智能來檢測泄漏,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增加。平均而言,建筑物會浪費25%-30%的水。通常來說,一棟安裝了100個馬桶的建筑物,在任何時間點,平均有三個馬桶在漏水。僅此一項,每年就會浪費30-40萬美元的自來水。
Dycian表示,在一個案例中,一個發(fā)生故障的冷卻塔每天會向排水管傾注1000美元的自來水,每年損失達(dá)到了50萬美元。他說:“這種情況就這么一直持續(xù)了兩年半,直到我們發(fā)現(xiàn)。”“這是對水資源的巨大浪費,而人們并沒有意識到這一點。”
然而這樣的損壞是會有代價的。Dycian能夠回憶起的一個最極端的案例是,一棟位于紐約曼哈頓的高級公寓樓,在交付給租客之前,它的19層在一個周末發(fā)生了泄露。他回憶說:“水有從地板上向下流的特性……當(dāng)時樓里沒有人,水一直向下流,流到了一樓,最終造成高達(dá)3000萬美元的損失。”而且,除此之外,建筑商還要支付8000萬美元的延遲交付補償。
不只是建筑市場,漏水也影響房地產(chǎn)市場。例如,一家保險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:“整個建筑都被毀壞了”。成千上萬的計算機(jī)和其他破壞造成的損失達(dá)到約300萬美元,管理層不得不另找地方辦公。
WINT基于人工智能的解決方案,首先通過整個建筑物內(nèi)的水檢測設(shè)備識別正常的用水模式。Dycian解釋說:“從部署的那一刻起,每臺設(shè)備都開始使用機(jī)器學(xué)習(xí)來理解和分析當(dāng)?shù)氐牧髁磕J?,這些模式因地點和季節(jié)而異。”
這需要約三到四周的時間,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,它們就可以檢測到異常,并通過智能手機(jī)為員工提供實時警報,且能夠精確定位泄漏的確切位置和性質(zhì)。當(dāng)系統(tǒng)檢測到嚴(yán)重的泄漏和爆裂時,閥門可以關(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控制系統(tǒng)。
它還向管理人員發(fā)送詳細(xì)的月度報告,以便監(jiān)測和調(diào)整用水量。
▲ 圖:通過機(jī)器學(xué)習(xí)來建立正常的用水和檢測異常裝置。
位于內(nèi)華達(dá)州里諾市的亞特蘭蒂斯賭場度假村每個月要使用650萬加侖的水。該公司設(shè)施總監(jiān)Perry Sanders最近報告稱,自從去年年底使用WINT以來,他們在最初投資48,000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,可以檢測到工作人員無法找到的隱藏泄漏。
Dycian說,任何使用人工智能的自動檢測系統(tǒng),都存在優(yōu)化檢測的挑戰(zhàn),同時還要避免誤報。 “在這些方面我們做得非常好。”
他們還會對這些系統(tǒng)進(jìn)行離站監(jiān)控。他表示,這對于一家安裝了系統(tǒng)的財富200強公司來說非常幸運。這家公司在更換了維護(hù)團(tuán)隊的工作人員之后,每個人都忘了這個系統(tǒng)。一年之后,警報開始啟動。最開始泄露量非常小,然后每個小時都會增加幾十加侖,工作人員沒有注意到這種情況。
WINT對該問題的評估一直在升級,同時開始向管理層層層上報,直到報給副總裁。那時,泄漏量已經(jīng)從每個小時40加侖增長到每小時25立方米。等到他們找到原因(管道爆裂)時,已經(jīng)泄露了約1000立方米的水——相當(dāng)于半個奧林匹克標(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,如果不加以控制,可能會造成價值650萬美元的損失。
▲ 圖:水檢測設(shè)備向員工的智能手機(jī)發(fā)送實時泄漏警報。
該組織目前正在從以色列擴(kuò)展到美國、英國、澳大利亞和新加坡,并預(yù)計需求將繼續(xù)增長。Dycian 表示:“我們通過減少用水量節(jié)省的費用,就幾乎與客戶支付給我們的費用相同,這是一項持續(xù)的服務(wù)費,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環(huán)境的影響——這是一個可以‘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財產(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,客戶可以免費獲得傷害保護(hù),同時保護(hù)地球上最寶貴的資源之一。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。