其他
飞桨搭台效率提升数十倍，两周上线“工程规范AI搜索引擎”
“我们的行业就是无规范不设计。”在建筑工程领域，从前期的调研，到立项、设计、施工，以及最终的交付和验收过程，都要严格满足建筑工程规范的相应条款。对设计环节而言，如遵循的规范与实际建筑环境并非准确匹配，将造成设计方案、图纸返工或修改等情况，严重影响工作效率。
目前，市面上可供应用的建筑工程规范查询工具并不多，查询模式基本为通过匹配关键字的方式呈现搜索结果，查询速度慢、错误率高等弊端凸显。尹昊举了一个例子：按照规范，建筑电气设计中一个插座回路最多只能接入十个插座面板，但住宅、医院、学校等不同性质的建筑可接入的插座面板数量要求并不一致；如果使用现有传统的查询工具，只能得到所有相关的结果，想要查询某类建筑的规范要求还需人工一条条筛选，耗时耗力。
精准、快速——这是尹昊想要打造的新工程规范搜索引擎最关键的两个特点。为此，他开始广泛关注 AI 相关的技术和平台，尝试利用 AI 实现搜索引擎的部分功能。刚了解到百度深度学习产业级开源开放平台飞桨时，尹昊就搜索了 PaddleNLP 相关的场景项目实例，这与自己想要短周期开发、快速实现部署的目标不谋而合。
利用工作闲暇之余的时间，尹昊开始利用飞桨进行工程规范搜索引擎的研发。阅读了飞桨相关开发文档，和飞桨 PaddleNLP 团队的工程师进行多番交流之后，尹昊采用飞桨 NLP 流水线系统 PaddleNLP Pipelines，在两周内就完成了该搜索引擎的开发与上线。Pipelines 中集成了百度 ERNIE 语义理解技术与 RocketQA 开放域问答技术，并提供模型压缩、高性能部署能力，保障了“寻规”的查询精度与效率。
“使用 Pipelines 建系统的过程就像搭积木一样，Pipelines 预置的组件涵盖了文档解析、数据处理、模型组网、预测部署、Web 服务、UI 界面等全流程系统功能，需要用哪个子功能模块和服务直接调用就可以，很好地解决了‘寻规’从搭建到部署落地的实际问题。”尹昊坦言，使用飞桨所训练出的语义模型能够提供更优质的结果，还简化了传统问答系统的级联架构和特征工程方案，使系统架构的复杂性大大降低。
创新结合 AI 多方面提升工程设计效率
目前，“寻规”已经在 PC 端、微信小程序端以及工业设计专业软件 Auto CAD 端上线。这款基于飞桨预训练中文语义模型成功构建的工程规范 AI 检索系统，相比传统查询工具的搜索结果错误率高的问题，针对80%的规范查询需求只要1次查询就能精确命中用户查询意图，并返回查询条款的结果；同时，平均查询到一条规范条款的时间大幅缩短到5秒左右，使规范查询效率提升了最高60倍。
另一方面，“寻规”在 AutoCAD 端的上线，是建筑工程规范查询功能首次支持专业工业软件中快捷调用，它相当于一个能够在 CAD 中调出的小插件，“从行业设计师的角度来看，使用体验和效率都会有明显提升。”
“在宁夏建筑设计研究院里推广使用之后也收到了很多建议，大家觉得点子很新，希望在查询返回结果的阅读体验上能有更多优化。”同事们热烈的反馈之外，尹昊更欣喜地看到了“寻规”为他们实际工作效率和质量所带来的提升。
在一个建筑内外装饰改造工程中，设计人员使用“寻规”后，原本等待业主了解规范条款要求、审图专家对规范可行性回复的时间，从7天缩减至1天；设计出图后按照规范要求修改图纸的时间，从5天变为一次性通过审图；而在施工阶段，参与建筑工程的各方通过“寻规”对规范条款进行同步检索与理解，助力施工平稳高效完成，原本需要2到3周的质量验收周期，也一次性就通过了质检和消防部门的验收。“寻规”为这一改造工程带来的整体效率提升，也让业主避免了即将来临的冬季停工期影响，提前完成了年度业务指标。
尹昊的脚步并未停歇。除了持续迭代优化“寻规”之外，他还计划着利用飞桨视觉方向的模型技术辅助工程设计制图。
正如最近十分火爆的 AI 画画一样，在工程设计的专业领域，AI 辅助制图的强大潜力也有待挖掘——“给到基础底图，AI 就能画出具体的图纸，区分出不同功能的房间后进行电气的布置，让设计师不需要再用鼠标一笔笔画图。”在尹昊看来，飞桨与建筑工程领域的结合还有无限的想象空间和实现可能。
▎寻规网址
▎拓展阅读
▎了解更多
点击阅读原文或在飞桨公众号后台回复关键词“有解”，即可获得飞桨“有解”案例册链接。产业有问，飞桨有解。