最近，随着一款依靠人工智能进行交互式聊天的模型ChatGPT在大众视野中的爆火，“AI”或“人工智能”这两个词，再次引起了人们的广泛关注。不仅影响范围广，而且讨论度也是前所未有的高。ChatGPT的对话内容不仅专业，流畅，且拟人化程度高。从而再次展现出AI强大的学习能力与表达能力。而传统建筑行业，面临着需要尽快实现绿色转型的压力，也早早开始了AI在可持续建筑环境中的研究和发展。
建筑作为一个传统行业，数字化程度其实是低于其他行业的，但它又面临着巨大的碳排压力，根据联合国环境规划署 (UNEP) 的说明，建筑物排放了全球三分之一的温室气体，使用了全球40%的能源，整个建筑行业对此需要尽快做出调整，实现绿色转型，这意味着它需要更高效的数字工具及人工智能的帮助。
建筑物对气候变化的影响主要从两个方面产生，一个是建设-建筑在被建造的过程中，因建筑材料的制造、运输、维护、替换和回收所产生的隐含碳；二是运营-当建筑开始被投入使用后，日常的能源使用所产生的碳排。从这两点出发，我们来看看目前人们是如何利用AI来帮助建筑行业减碳的。
通过AI帮助减少隐含碳
2019年，英国承诺到2050年实现净零排放，这为建筑行业在寻找减少碳排放的方法时提供了突破技术界限的动力。西英格兰大学 (UWE Bristol) 为此也在努力开发和使用人工智能和机器学习的软件-ASPEC，希望能从根本上解决如何在规划阶段减少隐含碳的问题。
西英格兰大学的团队认为，现在人们越来越多注重建筑施工的能源使用效率。在不久的将来，运行这些建筑物的能源也会更多地依赖于当地产的低碳能源。因此，纵观建筑物的整个生命周期，隐含碳所占的碳排比例也会变得越来越明显和棘手。
为了减少建筑碳排，在建筑设计阶段，特别是在结构规划阶段，就需要考虑使用什么替代材料来减少建筑隐含碳，并考虑建筑整个生命周期的碳排。然而以人工的方式来确定如何减少隐含碳非常耗时，而且成本高昂。人工智能由于其快速的计算效率和高精准度，在这里也就有了它的用武之地。
西英格兰大学的团队表示，ASPEC可以从以前的项目中收集隐含碳数据，并且随着系统接收和筛选越来越多的数据，它会逐渐变得越来越快，最终能够在非常短的时间内提出实质性的建议。例如，对于一个大型项目。我们可以从5到10个小时来研究替代材料，缩短到1到2个小时。
但由于AI需要数据的支持，在数字化程度低的建筑行业中，我们面临的挑战之一就是缺乏有关隐含碳的可用数据，而且现有数据集通常是零散和孤立的。但随着建筑公司对该项目的合作和支持，这种情况希望会得到及时的改变。该项目目前也将使用Winvic和Costain的商业场所，作为软件的测试点。
通过AI生成低碳混凝土
Facebook的母公司Meta也正在大力投资AI研究，包括构建世界上最强大的AI专用超级计算机。其主要目标是开发更好的语音识别工具，并帮助构建3D虚拟元宇宙，但该公司也在使用AI开展生产项目。
混凝土中的水泥是全球碳排放的主要来源，占碳排放的 8%。去年Meta与伊利诺伊大学Urbana-Champaign分校的研究人员合作，开发了一种新的人工智能模型，可以优化混凝土混合物的可持续性和强度。在早期的现场测试中，碳排放量减少了40%，同时超过了强度要求，并且已经被应用在其最新的数据中心建设中。
混凝土是几十到几百种成分的复杂混合物。传统混凝土通常是水泥、建筑骨料、水和外加剂的混合物。Meta研究团队认为，减少混凝土碳足迹的一种潜在方法是减少水泥的用量，或用飞灰、矿渣和磨砂玻璃等其他低碳的胶结材料代替。
但是，为了符合产品的技术性能要求，如何确定水泥替代品的比例，并找出具体的计算公式是一项艰巨的挑战。因为我们面对的是成百上千的可能性，也就是说，这是一项时间密集性工作，也因此更需要求助于人工智能。在没有AI的帮助下，我们需要非常长的时间找到同时符合技术性能标准、且可持续的配方。借助AI，这个过程被大大缩短。
人工智能具有高效的学习能力，并能够对具有许多属性的数据集进行建模。因此，研究人员使用混凝土抗压强度数据集训练了一个模型，该数据集可从UCI机器学习库获取。数据库有1030 个混凝土配方及其相关数据，包括7天和28天的抗压强度数据（即混凝土如何在浇筑后7天和28天获得强度）。然后使用水泥可持续发展倡议的环境产品声明（EPD）工具得出与混凝土配方相关的碳足迹。最后AI通过分析这些数据，生成新的混凝土混合物。
该模型生成的低碳混凝土配方用到两种低碳替代品，即粉煤灰和矿渣，来大量替代水泥（超过70%）。接下来团队还需要了解和优化混合物在不同天气条件下的性能，了解如何使用新型材料代替混凝土中的水泥，特别是从长远来看，飞灰和矿渣等传统水泥替代品的供应量预计会减少。
虽然有人质疑这个AI生成的配方，并不算新颖，也没达到很高的减碳水平，但随着它学习能力的提高，我们似乎也能预料到它更多的可能性，以及碳减排潜力。
通过AI节约能源使用
机器学习模型或人工智能 (AI) 支持的数据驱动技术创造了智能建筑，以及智能城市。HVAC、空气质量、温度、能源使用、占用、停机时间、通风等，都可以通过传感器与监控技术来进行持续的监控，并做出自动化决策，比如优化性能和识别设备异常。
根据美国能源部的说明，智能建筑技术可以在住宅建筑中减少60%以上的能源使用，在商业建筑中减少59%。人工智能能够学习建筑物使用者的习惯，并预测何时增加或减少供暖和空调系统的使用。此外，智能建筑技术还可以显示室内空气污染源（如二氧化碳、湿度或高颗粒物）并及时采取行动来优化建筑物中的空气质量。从而提高居住者的舒适度和健康，在办公环境，提高员工的工作效率和认知功能。
多年来，安装智能建筑平台一直是一项挑战，因为每座建筑都不相同。现在，随着AI技术的不断成熟，我们能够通过使用AI解决这个问题，它可以帮助减少安装时间和成本，并朝着减少碳排放的方向迈出一大步。
AI强大的学习能力与表达能力，一直让人们产生部分行业和从业人员可能要被取代的担忧。但是如果我们能够在某些领域，比如可持续发展行业，发挥AI的最大价值，这不仅能够帮助人类尽快步入碳中和的绿色时代，还能够辅助人类更好地工作和生活，让人类能够更自由地发挥自己的价值。