结构化语义为什么是可靠 AI 分析的起点?
很多人讨论 AI 自动分析时,会先问模型够不够聪明、参数够不够多、推理链够不够长。但在真实的城市与建筑场景里,模型往往还没开始工作,分析流程就已经被数据拦住了。
原因并不神秘:同一个对象可能有不同名称,同一个指标可能使用不同口径,同一批数据可能处于不同空间与时间尺度。模型即使生成了形式正确的代码,也可能选错数据、算错指标,最后得到一个看似完整却无法复核的答案。
很多人讨论 AI 自动分析时,会先问模型够不够聪明、参数够不够多、推理链够不够长。但在真实的城市与建筑场景里,模型往往还没开始工作,分析流程就已经被数据拦住了。
原因并不神秘:同一个对象可能有不同名称,同一个指标可能使用不同口径,同一批数据可能处于不同空间与时间尺度。模型即使生成了形式正确的代码,也可能选错数据、算错指标,最后得到一个看似完整却无法复核的答案。
实用主义视角下,我的记忆会随着年龄增长而衰弱,我的思维也许会随着履历而不断演化,但我坚持相信,当下的我的想法应当被记录,不论是作为反思的审视对象,还是作为日后的准绳,都值得被记住。
浪漫主义视角下,如果很久以后,能一窥以前的自己是怎么想的,也是一件值得高兴的事。再者,让自己的想法在网络空间占有一席之地,也是一件不错的事情。
杂记
不知从何开始,先想到什么写什么吧
任何表述均没有含沙射影,写了什么就是且仅是什么。
成年以前的人生:从2000~2018,一路刺头+一路优秀。以前很瘦,也许有点小帅。刺头惹人厌、优秀讨人喜,一路以来我的人际关系好的很好,坏的断联,以前我会觉得这般很好,到目前为止似乎发生了一点细微的变化,我慢慢也会去关注断联的那部分。
本科教会我的:2018,运气使然上了很好的大学。尽管我从中学到了很多、收获了很多,但也会想,要是给我重来一次的机会,我会让那四年过得更加精彩。
读研教会我的:2022,继续上了很好的大学,但是调剂的过程中没有遵循上述的‘坚持自己’,导致被动换了个不是最喜欢的专业(资源与环境,至少在2025年还是比较难找工作的,而且我的兴趣也在能源动力那边)。不过,也无可厚非,毕竟也没有人可以判断我在那一个branch中能实现什么。
综上所述,目前的特质:
关于读博
关于工作
关于人生规划
当前开发的BMS2Brick能够实现在不背板的前提下完美复刻Ground Truth,其中第一轮抓entity,第二轮抓topology。每一轮内部都会经历多个epoch,给出错误与正确的答案并记录思考过程。
Q:这么折腾,为什么不直接背板呢?
Q:当前这个pipeline的意义是什么呢?