[論文レビュー] Generative AI in the Construction Industry: A State-of-the-art Analysis

Ridwan Taiwo, Idris Temitope Bello+5 more|arXiv (Cornell University)|Feb 15, 2024

BIM and Construction Integration被引用数 17

ひとこと要約

建設領域の生成AIの最先端分析を行い、カスタムAIソリューションの枠組みを提案し、契約文書の照会に関するケーススタディを実証。

ABSTRACT

The construction industry is a vital sector of the global economy, but it faces many productivity challenges in various processes, such as design, planning, procurement, inspection, and maintenance. Generative artificial intelligence (AI), which can create novel and realistic data or content, such as text, image, video, or code, based on some input or prior knowledge, offers innovative and disruptive solutions to address these challenges. However, there is a gap in the literature on the current state, opportunities, and challenges of generative AI in the construction industry. This study aims to fill this gap by providing a state-of-the-art analysis of generative AI in construction, with three objectives: (1) to review and categorize the existing and emerging generative AI opportunities and challenges in the construction industry; (2) to propose a framework for construction firms to build customized generative AI solutions using their own data, comprising steps such as data collection, dataset curation, training custom large language model (LLM), model evaluation, and deployment; and (3) to demonstrate the framework via a case study of developing a generative model for querying contract documents. The results show that retrieval augmented generation (RAG) improves the baseline LLM by 5.2, 9.4, and 4.8% in terms of quality, relevance, and reproducibility. This study provides academics and construction professionals with a comprehensive analysis and practical framework to guide the adoption of generative AI techniques to enhance productivity, quality, safety, and sustainability across the construction industry.

研究の動機と目的

• 建設業における生成AIの現状の機会と課題を評価する
• 自社データを用いてカスタマイズされた生成AIソリューションを構築するための枠組みを提案する
• 契約文書の照会というケーススタディを通じて枠組みを実証する

提案手法

• 建設分野における既存および新興の生成AIの機会と課題をレビューし、分類する
• データ収集、データセットの編成、カスタムLLMの訓練、モデル評価、デプロイメントのための段階的な枠組みを提案する
• ケーススタディを用いて契約文書の照会のための生成モデルを開発する
• RAG（retrieval augmented generation）がベースラインLLMの性能に与える影響を評価する

実験結果

リサーチクエスチョン

• RQ1 建設業界における生成AIの現在の機会と課題は何か？
• RQ2 建設企業は自社データを用いてカスタマイズされた生成AIソリューションを構築できるか？
• RQ3 RAGは建設タスクの生成モデルを強化する上でどれだけ有効か？
• RQ4 契約文書の照会というユースケースでエンドツーエンドの実用的な枠組みを実証できるか？

主な発見

• RAGはベースラインLLMの品質、関連性、再現性をそれぞれ5.2%、9.4%、4.8%向上させる。
• データ収集、データセット編成、カスタムLLMの訓練、評価、デプロイを行う実用的な枠組みが提案されている。
• ケーススタディを通じて契約文書の照会を目的とした生成モデルの開発を実証している。
• 本研究は生成AIを通じた生産性、品質、安全性、持続可能性の向上機会について議論している。