在全球范围内,建筑业正处于一个临界点。随着二战后婴儿潮国家经验丰富的工人开始退休,他们留下了明显的缺口。问题是什么?全球建筑行业面临着老龄化劳动力和年轻人不愿意进入的问题,导致建筑工人供需失衡。
这不仅仅是一个局部问题;从美国到欧洲,再到中东和亚洲,建筑工人的需求超过了供应。美国建筑商和承包商协会(The Association of Builders and Contractors)表示,仅在2023年就需要50多万名额外的工人,而欧洲的缺口达到了数百万人。
今天的工人们不仅仅是在户外与恶劣天气作斗争;他们处于行业技术革命的前沿。想想人工智能驱动的见解、砌砖中的机器人技术和现场规划的增强现实。这些进步不仅改变了我们的建设方式,还重塑了实地所需的技能。
IEEE会员Gabriel Gomes de Oliveira指出,建筑工人常常要面对恶劣天气和辛苦的工作环境。人工智能的应用将提高服务效率,并需要新一代工人具备数据收集、分析和人工智能技术的运用能力。这一发展趋势对中国等建筑业发展迅速的国家也具有重要意义。
IEEE 2024主席Tom Coughlin表示:“未来这一领域工作的关键将是了解数据收集和分析技术以及使用这些工具的最佳方式。这也包括了如何使用人工智能的知识。”
技术如何改变基础设施工作
要了解基础设施中的工作岗位是如何演变的,需要考虑未来如何使用技术。《IEEE工业信息学杂志》(https://ieeexplore.ieee.org/document/9117064)上的一篇文章捕捉到了新发展的范围。
研究人员使用人工智能模型挖掘了过去关于不同混凝土配方如何影响混凝土质量从而影响建筑质量的知识。该系统表明,在缺乏高技能工人的情况下,模型可以用于培训经验不足的建设者。
机器人可能被用于许多任务,从实体砌砖和混凝土块到搬运重物。
据悉,公司已经开始使用模块化施工技术,即部分项目在场外施工,使建筑业能够利用先进的制造技术。
增强和虚拟现实系统可以用于呈现叠加在现实世界上的数字计划,例如,为电工提供他们可以可视化的布线说明。
最后,无人机和自动驾驶汽车也已经被用于检查基础设施和建筑工地。
新时代的技能
IEEE会士William Webb预计,无人机用于基础设施检查和传感器网络管理以收集数据的工作岗位将增加。分析师将被要求理解大量数据的含义。基础设施运营商将需要网络安全专家来确保系统的安全。
Webb说:“员工将需要能够根据新技术系统收集和分析的数据评估基础设施维护和更新并提出建议的技能。同时,还需要掌握控制和维护用于监测、收集和分析数据的系统(无人机、物联网和人工智能程序)的技能。”
然而,Oliveira设想了一个未来,人们可以通过短期的强化培训课程来掌握数字技能。
Oliveira说:“现在的年轻人天生就要使用智能手机。”他们已经知道如何使用技术。未来的趋势将是短期的专业课程,帮助人们了解特定领域,如3D打印、传感器和系统或建筑信息建模(BIM)软件。”
了解更多:想尽早开始为新一代基础设施工作做准备吗?查看由IEEE提供支持的TryEngineering(https://stemportal-tryengineering.ieee.org/)。TryEngineering旨在通过课程计划和项目赋予教育工作者权力,激励下一代STEM专业人士。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。