基于ChatGPT工作模式的AI工具在BIM技術(shù)中的潛在應(yīng)用與實(shí)現(xiàn)途徑

摘" 要：通過分析ChatGPT的技術(shù)原理與工作模式得到其功能特點(diǎn)，探索其功能在BIM技術(shù)中的潛在應(yīng)用，為BIM技術(shù)的發(fā)展探索創(chuàng)新方向。通過系統(tǒng)梳理關(guān)于ChatGPT技術(shù)原理及應(yīng)用相關(guān)的論文與資料，明確ChatGPT的整體架構(gòu)與實(shí)現(xiàn)條件，構(gòu)想在BIM技術(shù)中如何運(yùn)用其工作模式帶來創(chuàng)新應(yīng)用。通過文獻(xiàn)分析，從碰撞檢查、模擬腳本生成、模塊劃分設(shè)計(jì)、施工管理模擬和培訓(xùn)等方面構(gòu)想如何運(yùn)用ChatGPT的工作模式。該文調(diào)研ChatGPT的技術(shù)原理及功能相關(guān)文獻(xiàn)較少，對于ChatGPT技術(shù)的分析較淺，這些分析內(nèi)容只是為了解ChatGPT的工作模式，以便對其在BIM技術(shù)中的應(yīng)用展開推斷。分析表明，ChatGPT不僅可以應(yīng)用在娛樂、影視、傳媒等領(lǐng)域，其工作模式還可以應(yīng)用在BIM技術(shù)中，提升BIM技術(shù)人員的工作效率與準(zhǔn)確度。

關(guān)鍵詞：ChatGPT;建筑信息模型;碰撞檢查;模塊化;施工管理模擬

中圖分類號：TP399" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號：2095-2945（2024）26-0181-05

Abstract： By analyzing the technical principle and working mode of ChatGPT， we get its functional characteristics， explore the potential application of its functions in BIM technology， and explore the innovative direction for the development of BIM technology. Through systematically combing the papers and materials related to the principle and application of ChatGPT technology， this paper makes clear the overall structure and implementation conditions of ChatGPT， and conceives how to use its working mode in BIM technology to bring innovative applications. Through literature analysis， this paper proposes how to use the working mode of ChatGPT from the aspects of collision check， simulation script generation， module division design， construction management simulation， training and so on. In this paper， there are few literatures related to the technical principles and functions of ChatGPT， and the analysis of ChatGPT technology is shallow. These analysis contents are only to understand the working mode of ChatGPT， in order to infer its application in BIM technology. ChatGPT can not only be used in entertainment， film and television， media and other fields， its working mode can also be applied to BIM technology to improve the efficiency and accuracy of BIM technicians.

Keywords： ChatGPT; building information model; collision inspection; modularization; construction management simulation

近年來，自然語言處理技術(shù)的快速發(fā)展為ChatGPT（Chat Generative Pre-trained Transformer）在各行各業(yè)帶來了突破性的應(yīng)用機(jī)會。在傳媒行業(yè)，ChatGPT可以代替新聞工作者負(fù)責(zé)消息的采編工作，從而更快、更準(zhǔn)地生成基礎(chǔ)的新聞內(nèi)容，方便新聞工作者進(jìn)一步編輯和審校。中國地震網(wǎng)的寫稿機(jī)器人在九寨溝地震發(fā)生后的7 s內(nèi)就完成了相關(guān)信息的編發(fā)[1]。在影視行業(yè)，ChatGPT可以根據(jù)大眾的興趣量身定制影視內(nèi)容，從而更有可能吸引大眾的注意力，獲得更好的收視率、票房和口碑，并且可以在更短的時(shí)間內(nèi)制作出更高質(zhì)量的影視內(nèi)容，實(shí)現(xiàn)降本增效。國內(nèi)海馬輕帆科技公司推出的“小說轉(zhuǎn)劇本”智能寫作內(nèi)容，服務(wù)了包括《你好，李煥英》《流浪地球》等影視劇數(shù)萬部[2]。在娛樂行業(yè)，ChatGPT可以成為線上實(shí)時(shí)聊天對象，增加互動(dòng)的趣味性和娛樂性。除此之外，ChatGPT還可以在教育、金融、醫(yī)療等行業(yè)大放異彩。

建筑信息模型（BIM，Building Information Modeling）作為一種數(shù)字化技術(shù)，在建筑行業(yè)數(shù)字化轉(zhuǎn)型中起著不可或缺的作用。在推廣應(yīng)用BIM技術(shù)的過程中，也一直在探索如何實(shí)現(xiàn)BIM技術(shù)的降本增效，將BIM技術(shù)更有效地應(yīng)用到建設(shè)工程行業(yè)中。在ChatGPT大范圍商業(yè)化應(yīng)用的背景下，本文嘗試分析其主要工作原理與主體架構(gòu)，剖析基于ChatGPT的工作模式是否能夠幫助BIM技術(shù)創(chuàng)新應(yīng)用，以及能夠應(yīng)用在哪些方面。

本文旨在根據(jù)ChatGPT的功能和技術(shù)原理，探討其工作模式在BIM技術(shù)領(lǐng)域，如碰撞檢查、模擬腳本生成、模塊劃分設(shè)計(jì)、施工管理模擬和培訓(xùn)等方面的潛在應(yīng)用。文中將借鑒ChatGPT工作模式開發(fā)的工具統(tǒng)一稱為AI（Artificial Intelligence）工具，并簡單介紹如何在BIM技術(shù)中應(yīng)用此工具。

1" ChatGPT的技術(shù)原理及功能特點(diǎn)

在多行業(yè)的應(yīng)用中，ChatGPT展現(xiàn)了其優(yōu)秀的反饋學(xué)習(xí)和理解人類思維的能力，不同于其他的AI工具，ChatGPT可以根據(jù)多次輸入的內(nèi)容進(jìn)行上下文理解，再根據(jù)預(yù)訓(xùn)練和微調(diào)階段學(xué)到的知識和規(guī)律輸出響應(yīng)。ChatGPT的“智能”就是基于自監(jiān)督反饋原理的“左右手互搏，對抗迭代學(xué)習(xí)”[3]。如果機(jī)器對自己的實(shí)際演績不斷做出反饋，久而久之它就能像人類試錯(cuò)一樣不斷學(xué)習(xí)提高，變得越來越聰明。ChatGPT 能從人類用戶的刺激與對問題的滿意度標(biāo)示中學(xué)習(xí)，以提高溝通準(zhǔn)確度和對話感。

1.1" 技術(shù)原理

ChatGPT基于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及Transformer模型的多種技術(shù)模型積累，使用人類反饋強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback，RLHF）進(jìn)行訓(xùn)練，增強(qiáng)了人類對模型輸出結(jié)果的調(diào)節(jié)，引入評估式強(qiáng)化人工訓(xùn)練代理（Training an Agent Manually via Evaluative Reinforcement，TAMER）框架加快訓(xùn)練速度。大規(guī)模預(yù)訓(xùn)練和微調(diào)的方式使得ChatGPT具備了廣泛的語言知識和任務(wù)適應(yīng)性。在這些基礎(chǔ)上，ChatGPT可以更好地理解和完成人類語言或指令，提供連貫的有邏輯的文本信息。

關(guān)于ChatGPT的一些能力如何實(shí)現(xiàn)的問題仍在探索過程中。根據(jù)OpenAI已公開的技術(shù)發(fā)展路線來推測支持這些能力的技術(shù)手段。例如，上下文學(xué)習(xí)的能力，有學(xué)者認(rèn)為模型從提示詞（prompt）提供的示例中確定了待解決任務(wù)的自然語言指令（instruct），從而在無需微調(diào)模型的情況下提升了問題回答的質(zhì)量[4]。關(guān)于任務(wù)涌現(xiàn)和多任務(wù)遷移能力，一方面，有學(xué)者認(rèn)為指令學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練和數(shù)據(jù)集多樣性共同促進(jìn)了模型在新任務(wù)的泛化能力。另一方面，不同任務(wù)的劃分具有一定的主觀性，其本質(zhì)上都可以建模為統(tǒng)一的自然語言生成任務(wù)[5]。ChatGPT模型通過學(xué)習(xí)大量預(yù)訓(xùn)練數(shù)據(jù)，得到了其獨(dú)特的“世界模型”，對于各種事物之前的關(guān)聯(lián)有了一定掌握，因此可以利用這些關(guān)聯(lián)來提高響應(yīng)的速度與準(zhǔn)確性。

ChatGPT模型對比以往的AI模型，擁有更大的語料庫、更高的準(zhǔn)確性、更加通用的預(yù)訓(xùn)練和更強(qiáng)的自我學(xué)習(xí)能力。實(shí)現(xiàn)不同技術(shù)場景時(shí)對應(yīng)不同技術(shù)原理。摘要或標(biāo)題生成需要通過詞嵌入將字、詞、句進(jìn)行區(qū)分，然后基于特征評分、序列標(biāo)注、分類模型等提取內(nèi)容特征計(jì)算相關(guān)文本單元權(quán)重，其次選擇相應(yīng)的文本單元子集組成摘要候選集，完成內(nèi)容選擇，最后針對字?jǐn)?shù)要求等限定條件，對候選集的內(nèi)容進(jìn)行整理形成最終摘要，完成內(nèi)容組織[6]。其細(xì)分路徑包含生成式文本摘要（AATS），即形成抽象認(rèn)知并創(chuàng)造新詞靈活概況，還包含抽取式文摘要（EATS），即直接抽取原始素材并拼接成簡單概要。內(nèi)容續(xù)寫需要通過隨機(jī)遮擋（Mask）數(shù)據(jù)庫文本中的詞語或語段，讓神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí)復(fù)原被遮擋部分，從而擁有“猜測”缺失內(nèi)容的能力，產(chǎn)出預(yù)訓(xùn)練模型。再通過大規(guī)模預(yù)訓(xùn)練模型理解上文或給定條件，從概率層面推測最符合要求的輸出結(jié)果。其本質(zhì)是借助超大規(guī)模的訓(xùn)練參數(shù)猜測上下文的過程。整段文本生成適用于智能客服等任務(wù)型和閑聊機(jī)器人等非任務(wù)型人機(jī)交互場景，可分類為管道模式及對端模式。結(jié)構(gòu)性的文本生成，首先通過注意力機(jī)制、多層感知器等系統(tǒng)進(jìn)行語句內(nèi)容預(yù)選，對數(shù)值、時(shí)間等類型數(shù)據(jù)進(jìn)行推理，增強(qiáng)數(shù)據(jù)間的結(jié)構(gòu)信息[7]。其次通過Transformer等模型結(jié)合上下文進(jìn)行推導(dǎo)，生成最終文本。

1.2" 工作模式

ChatGPT主體架構(gòu)遵從“語料體系+預(yù)訓(xùn)練+微調(diào)”的基本模式。語料體系包括預(yù)訓(xùn)練語料和微調(diào)語料，ChatGPT的預(yù)訓(xùn)練語料主要由CommonCrawl數(shù)據(jù)集、Reddit鏈接、書籍、期刊和英文維基百科數(shù)據(jù)等組成[8]，微調(diào)語料包括多種Github上的公共代碼庫以及標(biāo)注人員撰寫和早期用戶提交的標(biāo)注數(shù)據(jù)。ChatGPT的預(yù)訓(xùn)練算法和模型包括基于Transformer的生成式預(yù)訓(xùn)練和Embedding對比預(yù)訓(xùn)練。Transformer由編碼器與解碼器組成，解碼器負(fù)責(zé)根據(jù)給定文本序列預(yù)測后續(xù)文本內(nèi)容。ChatGPT模型利用Transformer解碼器，采用下一個(gè)詞預(yù)測（Next Word Prediction）的方式進(jìn)行無監(jiān)督生成式預(yù)訓(xùn)練，從而獲得文本生成能力。同時(shí)ChatGPT還通過Zero-Shot和One-Shot進(jìn)行上下文學(xué)習(xí)，可以較好地完成一些自然語言處理任務(wù)。Embedding模型能夠針對文本數(shù)據(jù)測量其關(guān)聯(lián)性，ChatGPT基于此模型實(shí)現(xiàn)文本向量化表征。ChatGPT的微調(diào)算法和模型包括基于代碼數(shù)據(jù)微調(diào)得到的Codex模型、基于指令微調(diào)得到的Insertamp;Edit模型和基于人類反饋的強(qiáng)化學(xué)習(xí)算法的Instruct模型。這3個(gè)模型分別實(shí)現(xiàn)了ChatGPT的代碼生成能力、文本編輯與插入能力以及符合人類表現(xiàn)的對話能力。

1.3" 功能特點(diǎn)

ChatGPT能力范圍可以覆蓋自然語言理解、問題回答、語言翻譯、文本摘要、撰寫文章和代碼生成等。ChatGPT是通過利用全人類、全學(xué)科的語料訓(xùn)練生成的大模型，當(dāng)數(shù)據(jù)足夠多、足夠精、足夠豐富時(shí)，就能在一定程度上表達(dá)人類對復(fù)雜現(xiàn)實(shí)世界的完整認(rèn)知，基于自監(jiān)督學(xué)習(xí)機(jī)制，能夠逼真地建立起關(guān)于世界的模型。并且ChatGPT編碼的隱性知識顯著超出人類已表達(dá)的顯性知識的范圍，例如人類在潛意識下用到的常識、文本中的言下之意、領(lǐng)域?qū)＜译y以表達(dá)的經(jīng)驗(yàn)等都是以隱性知識的形式存在，大模型的出現(xiàn)給解讀這種言下之意與獨(dú)特內(nèi)涵帶來新的機(jī)會。

在對話中，ChatGPT會主動(dòng)記憶先前的對話內(nèi)容信息（上下文理解），用來輔助假設(shè)性的問題的回復(fù)，因而ChatGPT也可實(shí)現(xiàn)連續(xù)對話，提升了交互模式下的用戶體驗(yàn)[9]。同時(shí)，ChatGPT也會屏蔽敏感信息，對于不能回答的內(nèi)容也能給予相關(guān)建議。GPT-3.5所利用的數(shù)據(jù)集只截止到2021年。2023年3月15日GPT-4.0發(fā)布，與GPT-3.5只能通過文字聊天對話相比，GPT-4.0可以識別圖片，支持提問者文字或圖片或混合輸入，并且GPT-4.0的數(shù)據(jù)庫是一直更新的，這展現(xiàn)出ChatGPT與人類一樣驚人的自然語言溝通與理解能力[10]。

2" ChatGPT工作模式在BIM技術(shù)中的潛在應(yīng)用

BIM技術(shù)是一種數(shù)字化工具，用于表示建筑、基礎(chǔ)設(shè)施和設(shè)備的物理和功能特性[11]。BIM技術(shù)基于三維模型進(jìn)行信息共享和管理，在實(shí)際工程中有多方面應(yīng)用，可以在項(xiàng)目的整個(gè)生命周期內(nèi)提高效率、減少錯(cuò)誤、降低成本。結(jié)合前述的ChatGPT的工作模式，考慮BIM技術(shù)應(yīng)用在建設(shè)工程行業(yè)時(shí)，可以在哪些場景結(jié)合AI工具提升其工作效率與質(zhì)量。本文通過需求分析，了解目前項(xiàng)目應(yīng)用的主要需求，從碰撞檢查、模擬腳本生成、模塊劃分設(shè)計(jì)、施工管理模擬和培訓(xùn)等方面展開調(diào)研。

2.1" 碰撞檢查

無論是在核電布置設(shè)計(jì)過程中或是在施工安裝過程中，都需要確保核電廠房內(nèi)的物項(xiàng)之間沒有干涉沖突，因此如何進(jìn)行碰撞檢查以及如何解決這些干涉沖突是影響現(xiàn)場施工的關(guān)鍵之一。可以借助AI工具，輔助在BIM軟件（如Navisworks）中進(jìn)行碰撞檢測。通過提供碰撞檢測案例的數(shù)據(jù)包（有效碰撞和無效碰撞數(shù)據(jù)）對AI工具進(jìn)行訓(xùn)練，它可以根據(jù)不同的條件提供最佳的碰撞檢測設(shè)置和參數(shù)，幫助優(yōu)化碰撞檢測的準(zhǔn)確性和有效性。同時(shí)，當(dāng)發(fā)現(xiàn)碰撞問題后，可以智能提供解決碰撞的修改建議，協(xié)助用戶調(diào)整布置方案、更改施工邏輯等，以便及時(shí)解決碰撞問題。

2.2" 模擬腳本生成

在制作施工方案模擬動(dòng)畫及施工邏輯模擬動(dòng)畫前，需要根據(jù)實(shí)際施工方案編寫模擬動(dòng)畫視頻腳本?？梢詤⒖糃hatGPT的信息處理及反饋模式，收集之前編制的腳本作為AI工具預(yù)訓(xùn)練數(shù)據(jù)包。工具訓(xùn)練完成后，可以通過輸入一些關(guān)鍵信息及設(shè)定，得到一個(gè)初步的視頻腳本草稿，并基于此開展進(jìn)一步的修改和完善，提升腳本編制效率。

2.3" 模塊化施工中的模塊劃分設(shè)計(jì)

模塊化施工可有效提高施工效率、縮短施工進(jìn)度、節(jié)約項(xiàng)目成本，在建造過程中“應(yīng)模盡模，能模則?！?，但由于模塊實(shí)施中往往要考慮材料到貨、運(yùn)輸通道、吊運(yùn)條件和施工邏輯等因素，給模塊劃分設(shè)計(jì)帶來較大工作量，為了減少模塊化劃分的工作量，可以利用AI工具處理大量的工程數(shù)據(jù)和設(shè)計(jì)參數(shù)，分析核電項(xiàng)目施工歷史數(shù)據(jù)和設(shè)計(jì)方案，如運(yùn)輸通道路徑信息、施工邏輯原則、采購供貨數(shù)據(jù)等，并綜合考慮建筑的功能、結(jié)構(gòu)、尺寸和吊運(yùn)條件等因素，自動(dòng)進(jìn)行模塊化劃分，幫助確定合適的模塊。并通過多次命令的疊加不斷改進(jìn)模塊化劃分結(jié)果，優(yōu)化算法和智能規(guī)劃技術(shù)，以得到最優(yōu)的模塊劃分方案。

2.4" 施工管理模擬

BIM技術(shù)以模型為基礎(chǔ)、以數(shù)據(jù)為核心，通過可視化、可模擬、可協(xié)同的特點(diǎn)服務(wù)于核電工程項(xiàng)目施工過程管理，目前雖然沒有實(shí)現(xiàn)完全的智能化應(yīng)用，但與ChatGPT的技術(shù)原理有相通之處，因此研究AI工具，通過分析施工過程數(shù)據(jù)和設(shè)計(jì)數(shù)據(jù)信息，結(jié)合施工工藝、施工進(jìn)度、資源分配和物料采購等自動(dòng)識別潛在的施工問題和風(fēng)險(xiǎn)，并提供相應(yīng)的解決方案，提高施工效率，減少成本。

2.5" BIM技術(shù)培訓(xùn)

隨著BIM技術(shù)應(yīng)用推廣，BIM培訓(xùn)需求和開展工作逐步增加，目前的培訓(xùn)模式多為培訓(xùn)老師集中講解以及“老帶新，傳幫帶”的模式，既增加培訓(xùn)成本，又沒能形成獨(dú)立系統(tǒng)的培訓(xùn)體系模式來引導(dǎo)員工從入門至完全掌握，導(dǎo)致學(xué)習(xí)的內(nèi)容不全面、不連續(xù)，培訓(xùn)效果不明顯。因此可以研究搭建一個(gè)AI工具，根據(jù)員工的需求和學(xué)習(xí)習(xí)慣，提供個(gè)性化的學(xué)習(xí)內(nèi)容和建議，同時(shí)根據(jù)學(xué)習(xí)進(jìn)度和理解程度，調(diào)整教學(xué)內(nèi)容和難度，提高培訓(xùn)的效率。在員工進(jìn)行系統(tǒng)化的學(xué)習(xí)之后，初步接觸工作時(shí)可以借助對話式AI工具，實(shí)時(shí)解答相關(guān)問題，獲得針對性的學(xué)習(xí)建議和解決方案。

3" AI工具在BIM技術(shù)中應(yīng)用的實(shí)現(xiàn)途徑

根據(jù)前文介紹ChatGPT的工作模式可知，訓(xùn)練一個(gè)完善的AI模型需要投入巨大的人力及物力，并且此類工作已有較多專業(yè)公司在做。在企業(yè)對于此類工具有需求的基礎(chǔ)上，可以與相關(guān)互聯(lián)網(wǎng)企業(yè)進(jìn)行合作，接入其訓(xùn)練完善的AI模型，而核心數(shù)據(jù)庫由企業(yè)單獨(dú)建立并提供，這樣可以保證數(shù)據(jù)的保密性，也可以將前期投入最小化，并能夠獲得最高效的進(jìn)展。

根據(jù)不同的需求搭建相應(yīng)的AI工具大概需要經(jīng)過主要幾個(gè)步驟，首先需要考慮的是模型訓(xùn)練數(shù)據(jù)集的收集，收集與目標(biāo)任務(wù)相關(guān)的數(shù)據(jù)集，便于模型的訓(xùn)練和評估，包括輸入問題和相應(yīng)的響應(yīng)對象。例如，碰撞檢查數(shù)據(jù)集可以是之前的碰撞檢測案例的數(shù)據(jù)包。

對于非互聯(lián)網(wǎng)技術(shù)相關(guān)公司來說，模型的訓(xùn)練工作可以與互聯(lián)網(wǎng)公司合作進(jìn)行，麻省理工學(xué)院最近提出保護(hù)隱私的遷移學(xué)習(xí)框架 Offsite-Tuning[12]，可在不訪問完整模型的前提下，在下游領(lǐng)域數(shù)據(jù)上微調(diào)數(shù)十億級參數(shù)的基礎(chǔ)模型。對于需要構(gòu)建領(lǐng)域模型的場景，在不泄露基礎(chǔ)模型和領(lǐng)域數(shù)據(jù)的情況下，實(shí)現(xiàn)對通用基礎(chǔ)模型的領(lǐng)域微調(diào)?？紤]一些行業(yè)涉及保密信息，訓(xùn)練AI工具的數(shù)據(jù)可以由企業(yè)單獨(dú)組建數(shù)據(jù)庫保存。大模型負(fù)責(zé)語言理解等核心任務(wù)，而機(jī)密的數(shù)據(jù)與知識仍然交由傳統(tǒng)的數(shù)據(jù)庫或者知識庫來管理。這樣的系統(tǒng)架構(gòu)，既充分利用了大模型的核心能力，又充分兼顧了知識私密性。待工具訓(xùn)練完成后，可以與專業(yè)BIM軟件集成應(yīng)用，為用戶提供智能輔助功能。

4" 結(jié)論

本文從ChatGPT的技術(shù)原理與功能特點(diǎn)出發(fā)，通過系統(tǒng)梳理相關(guān)的論文與資料，明確了ChatGPT的整體架構(gòu)與工作模式，并從“語料體系、預(yù)訓(xùn)練、微調(diào)”3個(gè)方面分析其技術(shù)原理。ChatGPT通過廣泛的語料庫以及兩個(gè)階段的海量學(xué)習(xí)，獲得了符合與人類一樣驚人的自然語言溝通與理解能力。與BIM技術(shù)相結(jié)合的AI模型可以考慮選擇ChatGPT其中的部分功能進(jìn)行訓(xùn)練，這樣可以減少訓(xùn)練模型的投入，并且能夠更好地與需求相對應(yīng)。

BIM技術(shù)具有可視化、協(xié)調(diào)性、優(yōu)化性、參數(shù)化和一體化等特點(diǎn)，使得其在建筑行業(yè)中具有廣泛的應(yīng)用場景，對于項(xiàng)目的效率、質(zhì)量及可持續(xù)性有較好的提升。但我國BIM技術(shù)引進(jìn)時(shí)間較短，BIM專業(yè)高水平人才較少，因此結(jié)合AI工具幫助BIM技術(shù)人員進(jìn)行BIM技術(shù)的應(yīng)用是十分有必要的。結(jié)合目前BIM技術(shù)應(yīng)用較多的領(lǐng)域進(jìn)行需求調(diào)研及分析，確定碰撞檢查、模擬腳本生成、模塊劃分設(shè)計(jì)、施工管理模擬和培訓(xùn)等方向展開AI如何與BIM技術(shù)結(jié)合的討論，并簡述了如何實(shí)現(xiàn)這些應(yīng)用。

以ChatGPT為代表的自然語言處理模型，為BIM技術(shù)應(yīng)用帶來了許多潛在的功能應(yīng)用。然而，AI工具的應(yīng)用在某些任務(wù)上可能有限，而且應(yīng)用過程中需要確保數(shù)據(jù)的準(zhǔn)確性和對隱私的保護(hù)。隨著人工智能技術(shù)的不斷發(fā)展，基于ChatGPT工作模式的AI工具在BIM技術(shù)中的應(yīng)用將變得更加重要。

參考文獻(xiàn)：

[1] 丁瓊.人工智能背景下機(jī)器人新聞寫作的應(yīng)用與反思[J].聲屏世界，2021（2）：30-31.

[2] 中國信息通信研究院，京東探索研究院.AIGC賦能百業(yè)，助力產(chǎn)業(yè)升級迭代[J].大數(shù)據(jù)時(shí)代，2023（8）：6-29.

[3] ?；w，于劍.從ChatGPT看AI未來趨勢和挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2023，60（6）：1191-1201.

[4] ZHOU Y， MURESANU A I， HAN Z， et al. Large language models are human-level prompt engineers[J].arXiv preprint， arXiv： 2211.01910，2022.

[5] WEI J， TAY Y， BOMMASANI R， et al. Emergent abilities of large language models[J]. arXiv preprint， arXiv： 2206.07682， 2022.

[6] 李金鵬，張闖，陳小軍，等.自動(dòng)文本摘要研究綜述[J].計(jì)算機(jī)研究與發(fā)展，2021，58（1）：1-21.

[7] 羅江華，張玉柳.基于跨模態(tài)理解與重構(gòu)的適應(yīng)性數(shù)字教育資源：模型構(gòu)建與實(shí)踐框架[J].現(xiàn)代遠(yuǎn)程教育研究，2023，35（6）：91-101.

[8] BROWN T B， MANN B， RYDER N， et al. Language Models are Few-Shot Learners[J]. arXiv Preprint， arXiv：2005. 14165.

[9] 史占中，鄭世民，蔣越.ChatGPT與AIGC產(chǎn)業(yè)鏈[J].上海管理科學(xué)，2023，45（2）：12-14.

[10] 陳國凱.ChatGPT技術(shù)原理及未來影響研究[J].無線互聯(lián)科技，2023，20（12）：66-68.

[11] 邱然.淺析BIM技術(shù)在建筑電力設(shè)計(jì)中的應(yīng)用[J].中國建筑裝飾裝修，2023（23）：74-76.

[12] XIAO G X， LIN J， HAN S. Offsite-Tuning： Transfer Learning without Full Model[J].arXiv preprint， arXiv： 2302.04870， 2023.

第一作者簡介：黃語（2000-），女，助理工程師。研究方向?yàn)锽IM技術(shù)。