[论文解读] Generative AI in the Construction Industry: Opportunities & Challenges

Prashnna Ghimire, Kyungki Kim+1 more|arXiv (Cornell University)|Sep 19, 2023

BIM and Construction IntegrationEngineering参考文献 122被引用 3

一句话总结

本文通过文献综述、基于编程的词云分析以及专家见解，探讨了在建筑行业中整合生成式人工智能（GenAI）的机遇与挑战，提出了一个概念性的GenAI实施框架。研究识别出GenAI在设计、文件编制和项目管理中的关键应用，同时指出了与数据质量、偏见和伦理使用相关的风险，为未来的研究和实际应用提供了基础性指导。

ABSTRACT

In the last decade, despite rapid advancements in artificial intelligence (AI) transforming many industry practices, construction largely lags in adoption. Recently, the emergence and rapid adoption of advanced large language models (LLM) like OpenAI's GPT, Google's PaLM, and Meta's Llama have shown great potential and sparked considerable global interest. However, the current surge lacks a study investigating the opportunities and challenges of implementing Generative AI (GenAI) in the construction sector, creating a critical knowledge gap for researchers and practitioners. This underlines the necessity to explore the prospects and complexities of GenAI integration. Bridging this gap is fundamental to optimizing GenAI's early-stage adoption within the construction sector. Given GenAI's unprecedented capabilities to generate human-like content based on learning from existing content, we reflect on two guiding questions: What will the future bring for GenAI in the construction industry? What are the potential opportunities and challenges in implementing GenAI in the construction industry? This study delves into reflected perception in literature, analyzes the industry perception using programming-based word cloud and frequency analysis, and integrates authors' opinions to answer these questions. This paper recommends a conceptual GenAI implementation framework, provides practical recommendations, summarizes future research questions, and builds foundational literature to foster subsequent research expansion in GenAI within the construction and its allied architecture & engineering domains.

研究动机与目标

• 解决当前在理解生成式人工智能如何在建筑行业实施方面存在的关键知识空白。
• 通过文本挖掘技术（如词云和频率分析）分析行业对GenAI的看法。
• 识别在建筑工作流程中实施GenAI的关键机遇与挑战。
• 提出一个面向建筑及关联AEC领域早期阶段GenAI集成的概念性框架。
• 提供可操作的建议，并勾勒出建筑行业中GenAI未来研究的方向。

提出的方法

• 开展全面的文献综述，梳理建筑行业中GenAI现有知识的脉络。
• 对行业相关文本数据进行基于编程的词云与频率分析，以提取感知趋势。
• 整合作者的专家意见，以解释研究发现并验证洞察。
• 将研究结果整合为一个专为建筑和AEC行业量身定制的概念性GenAI实施框架。
• 采用定性综合方法，推导出实用建议与未来研究问题。
• 运用跨学科视角，结合人工智能、建筑实践及领域特定挑战。

实验结果

研究问题

• RQ1 生成式人工智能在变革建筑行业实践方面有哪些潜在机遇？
• RQ2 在建筑行业中实施生成式人工智能面临哪些关键挑战，包括技术、伦理和运营障碍？
• RQ3 当前行业认知与生成式人工智能模型的能力和局限性在多大程度上保持一致？
• RQ4 何种概念性框架可指导建筑行业中生成式AI的负责任且有效的实施？
• RQ5 为推进建筑、工程和施工领域中GenAI的采用，未来需要哪些研究方向？

主要发现

• 生成式人工智能在提升设计创造力、自动化文件编制以及改善项目规划方面展现出强劲潜力。
• 尽管兴趣浓厚，建筑行业在人工智能应用方面仍显滞后，原因包括数据碎片化、遗留系统以及对变革的抵制。
• 词云与频率分析揭示了行业话语中反复出现的主题，如‘效率’、‘自动化’、‘设计’和‘数据质量’。
• 主要挑战包括模型幻觉、数据隐私、训练数据中的偏见，以及缺乏针对建筑场景的领域特定微调。
• 所提出的概念性框架概述了GenAI集成的各个阶段，从数据准备到部署与监控。
• 本研究为未来在AEC领域开展GenAI研究奠定了基础性文献支持，强调了伦理与实践性实施的重要性。