從智能建筑的角度來看，人工智能正被整合到許多面向居住者的技術中，以幫助改善建筑物和校園的安全、健康和功能。更重要和更關鍵的是，將人工智能和機器學習(ML)相結合，以監(jiān)測和分析能源和碳的使用情況。

雖然“智能”電氣、照明和暖通空調系統(tǒng)已經存在了一段時間，但它們的智能在很大程度上仍然是靜態(tài)的，并且依賴于系統(tǒng)操作員的輸入。然而，隨著人工智能/機器學習的出現(xiàn)，這些技術可以通過更精準地識別消費模式來發(fā)展到一個新的水平，并且可以更快地適應這些變化，將電力和加熱/冷卻消耗降低到極低的水平。以至于選擇傳承早期智能建筑基礎設施技術的舊建筑運營商可能無法忽視它們。

麻省理工學院能源效率試點凸顯人工智能的力量

2023年9月，麻省理工學院宣布了一項試點計劃，該計劃將利用人工智能和機器學習進一步提高校園暖通空調系統(tǒng)的能效。他們的目標是利用人工智能分析從物聯(lián)網溫度傳感器、占用傳感器、實時天氣預報等多個來源收集的數(shù)據(jù)。一旦收集到這些訓練數(shù)據(jù)，人工智能就可以隨著時間的推移對其進行分析，以預測在任何給定的日期和時間，建筑物的特定部分應該設置為什么溫度目標。

由于每棟建筑都不同，因此需要跟蹤特定的數(shù)據(jù)點，例如基線占用情況、占用集群的位置、加熱/冷卻特定房間所需的時間以及不斷變化的天氣條件。隨著時間的推移，人工智能可以學習這些模式和動態(tài)條件，以預測未來數(shù)小時或數(shù)天所需的精確暖通空調水平。隨著時間的推移，這不僅有助于降低整體能耗和碳排放量，而且還提供了未來能源成本和暖通空調升級建議的詳細信息，以實現(xiàn)未來更高的效率。

樓宇業(yè)主/營辦商需要了解哪些人工智能信息

各種形式的人工智能背后的科學相當復雜，并且基于大量的數(shù)學模型、訓練數(shù)據(jù)和定制的數(shù)據(jù)中心基礎設施。但實際上，建筑業(yè)主和運營商不必了解該技術如何運作的細節(jié)。然而，事情可能會變得復雜，涉及培訓內部IT人員來管理人工智能后端，以便系統(tǒng)能夠分析正確固化的數(shù)據(jù)，從而做出明智的決策。這需要充分了解從每個物聯(lián)網系統(tǒng)收集哪些數(shù)據(jù)以及人工智能如何使用這些數(shù)據(jù)。在許多情況下，還需要額外的培訓。

為了使這些系統(tǒng)在整個技術生命周期中高效運行，IT運營商必須參與物聯(lián)網項目和相關人工智能的設計和部署階段。這樣，操作員可以更好地了解系統(tǒng)的設計方式和原因、如何保護系統(tǒng)免受內部/外部威脅，以及如何適當調整系統(tǒng)。

傳統(tǒng)建筑暖通空調、照明和其他運營技術，通常通過安排這些系統(tǒng)的運行時間和地點或編程為閑置來節(jié)省能源和碳排放。雖然這些靜態(tài)過程確實已被證明可以提高能源效率，但仍然可以獲得更高的效率。

例如，暖通空調系統(tǒng)滿負荷供暖或制冷的情況并不罕見，即使企業(yè)計劃舉辦活動，90%的員工都在場外參加活動。在這種情況下，人工智能可以使用實時占用信息來識別這種行為變化，并且只在剩余10%的建筑物中使用熱/冷部分。

雖然這是一個過于簡單的例子，但它表明，如果一個更加智能和微調的自動化系統(tǒng)到位，每年節(jié)省5-20%的暖通空調能源使用和維護是多么容易。人工智能完全消除了人為錯誤因素，通常是由于系統(tǒng)配置錯誤和手動暖通空調調整導致的能源使用過剩。

最重要的是，人工智能代表了智能建筑能效技術的重大演變。雖然這些技術尚未準備好用于商業(yè)用途，并且在市場的最初幾年可能會很昂貴，但現(xiàn)在是開始研究和規(guī)劃的時候了。在智能建筑運營效率實踐方面，人工智能最終將成為游戲規(guī)則的改變者，超越當今的水平。對于尚未轉向智能技術的建筑運營商來說，現(xiàn)在是加入的時候了。