摘要:人工智能在传统行业的应用有着广阔的前景，近些年，已经取得不少成绩。把人工智能技术与建筑行业各专业相结合，制成相应专家系统、决策支持系统、智能辅佐设计等必将会带来技术的进步与经济社会综合效益。本论文全面综述了目前国内外人工智能技术在建筑行业的各方面已取得的研究成果以及工程应用现状，针对在建筑设计与规划、建筑结构、施工及工程管理等各专业子领域，分别阐述目前的研究和应用情况，并加以分析，为今后进一步的研究工作提供参考。
关键词:人工智能;建筑行业;机器学习
1人工智能概述
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及系统的一门新的技术科学。它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等学科的研究基础上发展起来的，因此又可把它看作是一门综合性的边缘学科。人工智能学科借用数学工具，比如数学分析，线性代数、概率论、数理统计、数理逻辑、运筹学、优化等，数学进入人工智能学科，它们互相促进而更快地发展。 目前人工智能的研究重心要集中在专家系统、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统及人工神经网络等方而。
2人工智能技术在建筑行业中的研究和应用
人工智能技术与建筑行业各专业相结合必将取得很好的经济与社会效益。目前，其已在建筑设计与规划、建筑结构、施工及建筑工程管理等建筑行业中的各专业子领域取得一些成功的尝试、研究与应用。不论是前期的结构设计还是建成后，建筑物在长期使用中都会产生的裂缝、破损，或者建筑物经过震动、地震后的破损情况，都是影响建筑安全的重要因素，而关于这方而的评估一直是该领域有关专家、学者关注的焦点。人工智能技术的引入为解决该领域的问题提供了许多新的思路与高效的工具。
加拿大曼尼托巴大学的Young-Jin Cha和WooramChoi教授，以及麻省理工的Oral Buyukozturk教授所做的工作，被称为深度学习在土木工程领域的首此尝试，该研究基于视觉识别的结构损伤识别技术，使用深度学习方法，利用已有的不少研究成果得出结构外观状态(裂缝分布与形态、变形变位等)与结构损伤之间的联系，对图像进行高效地识别。该方法可以有效的改变过去常用的在桥梁上布置大量的传感器的手段。
复杂工程结构的可靠度的较精确的计算问题，一直是一个有待被解决的问题，关于如何借鉴人工智能机器学习方法，在广西大学的赵伟在他的博士论文研究中，提出了基于高斯过程分类一MCS动态响应而的结构可靠度分析方法，为含有隐式功能函数的复杂工程结构可靠度的高速求解提供一个新的选择，并基于Breitung法的高斯过程进行回归动态响应而法研究。该研究所做成果在应用于实际的大型复杂结构进行结构可靠度计算后，取得了较好的成
绩，与传统响应而法相比较，具有较高的计算精度与计算效率。
苏国韶等学者，针对边坡工程是复杂的非线性系统，提出一种对处理非线性复杂问题具有很好的适应性一种有概率意义的核学习机—高斯过程机器学习方法，来解决边坡稳定性的合理评价问题，建立了相应的边坡稳定性预测模型。
研究表明，其方法能够很好地表达边坡
稳定性与各影响因素之间的非线性映射关系，能方便快捷地给出合理可靠且具有概率意义的边坡稳定状态评价结果。
除此之外，美国卡内基梅隆大学开发了高层建筑结构初步设计的专家系统，对十层以上民用建筑进行结构的初步设计，该系统使用了人工智能技术中的启发式算法。普渡大学开发了对地震后房屋破损评估的专家系统，它利用各种观测数据和现场记录进行不确定性推理，解释房屋的破损程度，以帮助工程师做出决策。
3人工智能技术在建筑管理中的研究和应用
加拿大里贾纳大学的Varanon Uraikul等学者为了协助工厂经营者，采用了人工智能决策支持系统，用于监控，控制和诊断任务。对复杂过程涉及的过程变量进行过程的监控和诊断，以分析当前状态，检测和诊断过程异常，或采取适当的措施控制过程。该研究还介绍了一个全程监控，控制和诊断的智能系统，并介绍麻省理工学院的过程工程智能系统实验室，普渡大学智能过程系统实验室，阿尔伯塔大学智能工程实验室，以及利兹大学化学工程系的研究工作。加拿大南艾伯塔省理工学院的Faisal Manzoor Arain等学者提出了一种基于知识的系统(CKBS)，用于管理新加坡教育建筑项目的变化。KBS能够通过为决策提供准确和及时的信息来协助专业人士，是一个用户友好的工具，用于分析和进行变量控制。KBS是通过收集80个教育项目的源文件，问卷调查，文献回顾和与专业人士进行深入访谈的数据而开发。该系统提供有关项目变化的详细信息。
东地中海大学的Yousef Baalousha等学者提出了一种基于网络的综合数据仓库和用于单价分析的人工神经网络模型，通过称为“DANUP"的通货膨胀调整系统。使用Web工具和数据库管理功能创建数据仓库，集成多个异构数据库和其他信息源的数据，综合成本指数，以调整估算过程中通货膨胀的影响。新加坡国立大学M.-Y. Cheng等学者开发了一种进化模糊混合神经网络来加强项目现金流量管理。作者开发并应用了这种进化模糊混合神经网络，通过融合HNN,FL和GA等算法技术来评估建筑行业项目的成功。制成的项目绩效持续评估(CCAPP)软件可以用于动态地研究影响项目绩效的重要因素。结果表明，提出的进化模糊混合神经网可以有效部署，实现输入因子和项目成功输出的最佳映射，以用于建筑行业动态项目成功评估。
4结语
本文介绍了当今国内外人工智能技术在建筑行业各专业子领域中的研究和应用现状。目前在施工与工程管理方而已经取得了较大的进展，相应的专家系统和决策系统取得较好的实际应用效果。在关于有所偏向主观的设计方而，在现阶段也已经取得的一定成绩，对于这方而，构造更合理的算法模型，仍有待进一步的研究。同时我们应该正确的看待人工智能。它将会把人类的大脑解放出来，去从事那些更具挑战性，更具创造性的工作。目前全世界的建筑行业都还在为实现了自动化，信息化和智能化而努力。不论是广大的从业人员，还是学生、
教师和研究者，都应该抱着开放的心态去了解与学习人工智能。
参考文献:
[1]Stuan J.Russell , Peter Norvig，殷建平等译人工智能:一科现代方法[M]三版.清华大学出版社，2013.
[2]周志华.机器学习Machine learning[M].清华大学出版社，2016.