生成式人工智能在建筑工程技术教育教学场景的机遇与挑战分析

　　李建凤

　　【摘 要】本文探讨了生成式人工智能（Generative Artificial Intelligence）在建筑技术教育教学场景中的机遇与挑战。随着人工智能技术的快速发展，生成式人工智能作为一种强大的工具和方法，开始在建筑领域中得到广泛应用。本文分析了生成式人工智能在建筑技术教育教学中的潜在机遇，如提供更丰富的设计创意、增强学生参与度和互动性、提供个性化学习体验等。同时，本文也探讨了生成式人工智能在建筑技术教育教学中所面临的挑战，如数据隐私和伦理问题、数据质量和可靠性等。通过深入研究和综合分析，旨在为教育者和决策者提供关于在建筑技术教育教学中应用生成式人工智能的建议和指导。

　　【关键词】生成式人工智能；建筑工程技术；教学场景；机遇；挑战

　　引言

　　生成式人工智能（Generative Artificial Intelligence），是指基于算法、模型、规则生成文本、图片、声音、视频、代码等内容的技术[1]。生成式人工智能可依据开放式人工智能框架对海量开放式数据库进行学习推理，面对知识问答不仅能生成流畅的问答语言，还能够根据给定的上下文进行理解和推断，从而与人类进行高效的知识交互[2]。2022年以来，生成式人工智能模型不断涌现，生成内容模态多样，引起社会广泛的关注和讨论。生成式人工智能的应用一经发布迅速在全世界范围内掀起一轮人工智能的浪潮，在诸多行业中引起爆炸性的反应[3]。ChatGPT是目前生成式人工智能领域的代表之一，ChatGPT则是以GPT（Generative PretrainingTransformer）为基础并进行了优化的聊天机器人模型，目前已发展至GPT-5（第五代GPT模型），除了文本、图片等传统语料资源，据称GPT-5已经学习完人类网络中的所有视频（约2000PB容量规模），并可以根据需求检索到任意视频的、任意时刻的视频内容、知识、声光信息等。国内人工智能领军企业也发布了多款生成式人工智能的框架与服务，如百度“文心一言”、华为“盘古”、商汤科技“商量”、阿里“通义千问”等诸多开放式人工智能大模型[4-5]。

　　得益于强大的学习与推理能力，人工智能在促进自然语言处理、人机交互、知识服务、协作创新等领域的应用方面，具有强大的推动作用。在高等职业教育领域，生成式人工智能可极大的促进学生和教师之间交流、提升教育多元化场景的知识交互服务效率，使教学方式、教学管理、课程设置、学习方式等多元化教学场景产生极大的改变，例如在线辅导、测评系统、学习助手等功能，但同时也带来了一些挑战和问题[6]。

　　一、建筑工程技术专业特点及面临的挑战

　　建筑工程技术专业是集设计、施工与工程管理为一体的具有很强实践性的工程学科，旨在培养建筑工程技术领域相关的各种高级技术与管理人才。建筑工程技术专业实践性较强。学生在校期间将接受大量的实践教学，包括实地勘察、设计实践、施工实习等。通过实践训练，学生能够更好地理解和应用所学的理论知识，提高解决实际问题的能力。建筑工程技术专业涉及多个学科，如建筑设计、结构设计、施工技术、岩土工程、材料科学等。学生需要全面了解建筑工程领域的相关知识，并具备跨学科的综合能力。

　　目前，建筑工程技术专业教育面临以下四个方面的挑战：一是技术更新换代，科技的快速发展促进了施工工艺、工具的不断更新换代，市场对专业人才的需求也在不断发生变化。二是实践教学的复杂性，建筑工程技术专业需要与实际工程项目结合，使学生能够接触和解决真实的建筑工程问题。学校要与企业建立紧密的合作关系，提供学生实习和参与工程项目的机会，以培养学生的实践能力和职业素养。三是师资队伍培养。学校应加强师资队伍建设，提高教师的专业素养和教学水平。同时，加强质量评估和监控，及时调整教学计划和教学方法。四是持续学习能力，建筑工程技术领域的知识和技术在不断发展，教师及学生需要具备持续学习的能力，以适应行业的变化和发展。注重培养教师及学生的自主学习和终身学习能力，以及适应未来行业发展的能力。

　　二、生成式人工智能在建筑工程技术教育中的机遇

　　生成式人工智能是指通过学习大量数据的模式和特征，以及深度神经网络等技术手段，使计算机能够生成具有创造性和独特性的内容[7]。目前生成式人工智能在文本生成、图像生成转换、图像修复、音频模拟、艺术创作等方面取得了重要进展[8-9]。这也为生成式人工智能在建筑工程技术专业教育教学中应用提供了机遇，主要体现在以下三个方面：

　　（一）提供丰富的设计创意和解决方案

　　在设计过程中，生成式人工智能可以通过学习大量的建筑设计规范及数据，生成多种设计方案。通过对设计空间的探索和优化算法的应用，生成具有创意和多样性的设计方案。这为教师及学生提供了更多的设计灵感和创造性思维的启发。生成式人工智能可以优化设计参数，针对不同的设计参数和约束条件，进行快速的优化和搜索[10]。学生可以通过调整设计参数，如建筑形状、材料性能、能源效率等，观察和评估不同参数对设计方案的影响。除此之外，生成式人工智能可以通过多样化的输入和输出，激发学生的创新思维，并进行跨领域知识的整合，提供丰富的设计创意和解决方案。

　　（二）增强学生参与度和互动性

　　生成式人工智能可以提供虚拟仿真环境，让学生参与到虚拟的建筑项目中。学生可以通过虚拟现实（VR）或增强现实（AR）技术，亲身体验建筑设计、施工和管理的过程。这种沉浸式的体验可以增强学生的参与感，激发学生学习动力。生成式人工智能还可以根据学生的学习情况和需求，提供个性化的学习内容和反馈。

　　（三）个性化学习体验和适应性教学

　　成式人工智能可以根据学生的学习情况和能力水平，自动调整学习路径和内容。通过分析学生的学习数据和表现，了解学生的强项和薄弱点，根据学生的喜好和学习风格，推荐适合他们的学习资料，并相应地调整学习任务和教学材料。生成式人工智能可以作为学生的个性化辅助解答和支持工具。学生可以向智能系统提出问题，寻求解答和帮助。并且可以与智能系统的互动，自主探索建筑工程技术的知识和应用。根据学生提出的问题，生成式人工智能可以提供学习任务、挑战和问题，鼓励学生主动学习和独立思考。这样的自主学习和探索环境可以激发学生的学习兴趣和创造力。

　　三、生成式人工智能在建筑技术工程教育中的挑战

　　在建筑工程技术专业教育教学中，生成式人工智能在虚拟仿真与实践、个性化学习与辅助教学、智能辅助设计与优化、数据分析与决策支持以及跨时空协同与合作等方面为教育教学提供便利，但也面临着一些挑战，主要体现在三个方面：

　　（一）数据隐私和伦理问题

　　在生成式人工智能的应用中，数据隐私和伦理问题是一个重要的考虑因素。生成式人工智能需要大量的数据进行训练和学习，这可能涉及收集和存储学生的个人信息、学习成绩、学习偏好等敏感信息，确保数据的安全性、保密性和合法性是一个重要挑战，需要遵守相关的隐私法规和政策，采取有效的数据保护措施。如何保护学生的个人信息和隐私，如何确保生成的内容和模型没有歧视性或误导性等，这些问题需要得到充分的关注和解决，以确保生成式人工智能在建筑工程技术教育中的应用是安全、可靠和负责任的。

　　（二）数据质量和可靠性

　　生成式人工智能的性能和效果取决于所使用的训练数据的质量和可靠性。在建筑工程技术领域，获取准确、全面的数据也是一项挑战，特别是对于新兴的、复杂的问题和情景。此外，建立高质量的生成模型也需要大量的训练数据和复杂的算法，这可能受限于数据获取和计算资源的限制。需要开发适用于建筑领域的数据集、算法和工具，以及建立较为精确和可靠的模型。同时，该模型应该易于操作和使用，能够与现有的教学环境和工具进行无缝集成。

　　（三）教师角色和教学方法的变化

　　生成式人工智能的应用需要教师具备相关的技能和知识，包括理解人工智能技术的原理和应用、掌握生成式人工智能工具的使用方法等。因此，教师应积极参加关于生成式人工智能的培训，不断提高教学能力。生成式人工智能的应用可能会改变教师的角色和责任。教师可能需要更多地担任指导者和引导者的角色，引导学生使用生成式人工智能技术进行学习和探索，提供反馈和指导。生成式人工智能的应用可以提供个性化的学习体验，根据学生的需求和能力进行定制化的教学。而教师则需要了解学生的学习需求和能力水平，灵活调整教学策略和资源，以支持个性化学习。

　　四、生成式人工智能在建筑技术教育中的未来发展趋势在建筑工程技术教育教学中，生成式人工智能有着广阔的未来发展趋势。以下是一些可能的发展方向：

　　（一）全寿命周期模拟

　　生成式人工智能可以帮助建筑项目规划和模拟，以优化项目的布局、设计和资源分配。通过模拟建筑项目，可以评估不同设计和规划方案的效果，包括施工进度、成本、资源利用率等。生成式人工智能可以使用历史项目数据和建模技术，预测项目的进展和风险，并提供决策支持。分析和优化建筑能耗，以提高建筑的能源效率和可持续性。通过收集和分析建筑的能耗数据、环境条件和使用模式，生成式人工智能可以预测建筑的能源需求，并提供优化建议。通过建模和仿真技术，预测施工过程中的问题和冲突，并提供优化方案，如施工顺序调整、资源分配优化、施工路径规划等。通过分析建筑的传感器数据、维护记录和历史数据，生成式人工智能可以预测设备故障和维护需求，并提供优化的维护计划和资源分配。

　　（二）数据驱动的决策支持

　　生成式人工智能可以结合大数据和数据分析技术，为建筑技术教育提供更好的数据决策支持。未来的发展趋势可能包括使用生成式人工智能技术分析和挖掘建筑行业的大数据，帮助教师和学生做出基于数据的决策，并预测和优化建筑项目的结果。通过分析建筑项目的风险和不确定性，制定相应的决策和应对策略。通过这种方式，学生可以学习如何分析和管理建筑项目中的风险，并做出合理的决策。

　　（三）智能辅助设计工具

　　生成式人工智能可以成为建筑设计工具的智能辅助。未来的发展趋势可能包括使用生成式人工智能技术帮助设计师生成和优化建筑设计方案，提供创新和可持续性的建议，并考虑多个因素如功能、美学、能源效率等。通过分析能源数据，评估建筑能源系统的效率，并提供改进建议，如采用可再生能源、优化设备设置和使用等。通过模拟建筑施工过程，优化施工计划和资源分配。

　　生成式人工智能在建筑技术教育中的未来发展趋势将朝着更加智能化、自适应化和数据驱动的方向发展。这将为学生提供更好的学习体验和实践机会，并为教师提供更多的教学工具和资源，以推动建筑技术教育的创新和发展。

　　小结

　　生成式人工智能在各个领域的应用日趋广泛。本文总结了建筑工程技术专业的特点，分析了建筑工程技术专业教育教学中面临的技术更新换代、实践教学的复杂性，师资队伍培养及持续学习能力四个方面的挑战。分析生成式人工智能在建筑工程技术专业教育教学中应用的机遇和挑战。生成式人工智能的发展为建筑工程技术专业教育教学了新的机遇，包括提供丰富的设计创意和解决方案，增强学生学习过程中的参与度和互动性，提供个性化学习体验和适应性教学等方面。在应用生成式人工智能的同时，也要注意数据隐私和伦理问题、数据质量和可靠性以及教师角色和教学方法的改变带来的挑战。生成式人工智能在建筑全寿命周期模拟，数据驱动决策支持及智能辅助设计方面发展前景良好，教师要持续学习，提高自己的教育教学水平。

　　参考文献：

　　[1] 赵子忠, 王喆.2023 年国内大模型发展综述与趋势研判[J/OL]. 青年记者:1-4[2024-02-29].https://doi.org/10.15997/j.cnki.qnjz.20231128.001.

　　[2] 匡文波, 姜泽玮. 人工智能时代网络文化的变革与治理[J/OL]. 长白学刊:1-10[2024-02-29].http://kns.cnki.net/kcms/detail/22.1009.D.20231228.0023.004.html.

　　[3] 蒋永传. 生成式人工智能数据风险的法律规制[J]. 太原理工大学学报( 社会科学版),2024,42(01):29-35.

　　[4] 卢荣婕.ChatGPT 赋能智慧法院建设：机遇、挑战和规制[J/OL]. 重庆邮电大学学报( 社会科学版):1-20[2024-

　　02-29].http://kns.cnki.net/kcms/detail/50.1180.C.20231227.1525.002.html.[5] 陈旭林. 生成式人工智能在数字乡村规划与设计中的应用研究[J]. 智慧农业导刊,2024,4(01):107-110,115.

　　[6] 兰国帅, 杜水莲, 宋帆等. 生成式人工智能教育的工作机理及监管框架构建研究[J/OL]. 西北工业大学学报( 社会科学版):1-8[2024-02-29].http://kns.cnki.net/kcms/detail/61.1352.C.20231222.1504.006.html.

　　[7] 赵梓羽. 生成式人工智能数据安全风险及其应对[J/OL]. 情报资料工作:1-11[2024-02-29].http://kns.cnki.net/kcms/detail/11.1448.G3.20231222.1613.005.html.

　　[8] 向继友, 吴学琴. ChatGPT 类生成式人工智能的意识形态风险及其防控策略[J]. 江汉论坛,2023(12):53-59.

　　[9] 李艳燕, 郑娅峰. 生成式人工智能的教育应用[J]. 人民论坛,2023(23):69-72.

　　[10] 颜成宇, 陶雅荷. 人工智能在图案生成设计中的发展分析[J]. 丝网印刷,2023(23):93-95.