[논문 리뷰] Generative AI in the Construction Industry: A State-of-the-art Analysis

Ridwan Taiwo, Idris Temitope Bello외 5명|arXiv (Cornell University)|2024. 02. 15.

BIM and Construction Integration인용 수 17

한 줄 요약

생성형 AI가 건설 분야에 미치는 최신 분석으로, 맞춤형 AI 솔루션 프레임워크를 제안하고 계약 문서 질의에 대한 사례 연구를 시연합니다.

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.

연구 동기 및 목표

• 건설 분야에서 생성형 AI의 현재 기회와 도전을 평가하다
• 회사의 데이터를 활용하여 맞춤형 생성형 AI 솔루션을 구축하기 위한 프레임워크를 제안하다
• 계약 문서 질의에 대한 사례 연구를 통해 프레임워크를 시연하다

제안 방법

• 건설 분야의 기존 및 신흥 생성형 AI 기회와 도전을 검토하고 분류하다
• 데이터 수집, 데이터세트 선별, 맞춤형 LLM 학습, 모델 평가 및 배치를 위한 단계별 프레임워크를 제안하다
• 계약 문서 질의용 생성 모델 개발을 설명하는 사례 연구를 사용하다
• 기본 LLM 성능에 대한 Retrieval Augmented Generation(RAG)의 영향을 평가하다

실험 결과

연구 질문

• RQ1 건설 산업에서 생성형 AI의 현재 기회와 도전은 무엇인가?
• RQ2 건설 기업은 자체 데이터를 활용하여 맞춤형 생성형 AI 솔루션을 어떻게 구축할 수 있는가?
• RQ3 건설 작업에 대한 생성 모델을 향상시키는 데 있어 Retrieval Augmented Generation(RAG)의 효과는 어느 정도인가?
• RQ4 계약 문서 질의 활용 사례를 통해 실용적인 프레임워크를 엔드투엔드로 시연할 수 있는가?

주요 결과

• RAG는 기본 LLM의 품질, 관련성 및 재현성을 각각 5.2%, 9.4%, 4.8% 향상시킨다.
• 데이터 수집, 데이터세트 선별, 맞춤형 LLM 학습, 평가 및 배치를 위한 실용적인 프레임워크가 제안된다.
• 계약 문서를 질의하기 위한 생성 모델 개발에 대한 사례 연구를 통해 프레임워크가 시연된다.
• 본 연구는 생성형 AI를 통해 생산성, 품질, 안전 및 지속 가능성을 건설 분야에서 향상시킬 수 있는 기회를 논의한다.