Forwarded from ИИ и роботы в стройке
Интересная статья на Хабре о том, как на связке платформы n8n и ИИ автоматизировать бизнес-процессы в строительстве и архитектуре
Внутри статьи — три готовых процесса для проектировщиков и BIM:
🟢 Для конвертации файлов .rvt, .ifc, .dwg или .dgn в базу элементов (.xlsx-.csv) — экспортирует 3D-геометрию (.dae).
🟢 Для проверки качества данных CAD/BIM (Revit, AutoCAD, IFC, MicroStation).
🟢 Для расчёта объёмных параметров для одной из групп из CAD-(BIM)-моделей и генерации HTML-отчёта.
Автоматизация перестает быть конкурентным преимуществом и становится необходимым скиллом. Так же, как и ИИ. Так что осваиваем, если ещё не пробовали.
«Большая часть "офисной работы" (по субъективному опыту, CAD вместе с BIM занимает здесь 2–10%) — это бесконечный цикл Email—Excel—PDF—Excel—PDF—Email, повторяющийся каждый день — снова и снова. Это смертельно скучно и, что важнее, отнимает часы каждую неделю».
Внутри статьи — три готовых процесса для проектировщиков и BIM:
Автоматизация перестает быть конкурентным преимуществом и становится необходимым скиллом. Так же, как и ИИ. Так что осваиваем, если ещё не пробовали.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from ИИ и роботы в стройке
В Pix Robotics появился ИИгорь — ИИ-помощник для моделирования процессов
ИИ-ассистента добавили в модуль «Процессная студия» платформы «Pix Процессы». «Процессная студия» — это инструмент для моделирования и совместной работы с процессами, их атрибутами (SLA, роли, метрики) и аналитикой. Внедрение ИИ-ассистента ускоряет создание и анализ схем в разы.
Что умеет ИИгорь?
⚫️ Преобразует текстовые регламенты в процессные диаграммы.
⚫️ Генерирует схемы по свободному описанию.
⚫️ Переводит диаграммы в текст — простое объяснение сложных процессов.
ИИгорь работает внутри защищённого контура, включая полностью локальный режим.
Pix Robotics — российский разработчик инновационных решений для бизнеса, входит в ТОП-3 поставщиков RPA-систем в стране (по данным TAdviser).
ИИ-ассистента добавили в модуль «Процессная студия» платформы «Pix Процессы». «Процессная студия» — это инструмент для моделирования и совместной работы с процессами, их атрибутами (SLA, роли, метрики) и аналитикой. Внедрение ИИ-ассистента ускоряет создание и анализ схем в разы.
Что умеет ИИгорь?
ИИгорь работает внутри защищённого контура, включая полностью локальный режим.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from 1337
По ключевым тестам она чуть уступает GPT-5, а в ряде задач даже обгоняет, особенно в кодинге и разработке приложений.
Доступ — 5 запросов каждые 12 часов.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Алферова Юля
№ 2149-р от 11 августа 2025 г.pdf
426.8 KB
План реализации Стратегии пространственного развития России до 2030 года с прогнозом до 2036-го
Распоряжение Правительства
Российской Федерации
от 11 августа 2025 г. № 2149-р
Распоряжение Правительства
Российской Федерации
от 11 августа 2025 г. № 2149-р
Forwarded from Сергей МороZоV
Какие вызовы и проблемы нам необходимо решать?
🔹 Недостаточная согласованность собираемых данных и документов, что снижает качество и оперативность решений.
🔹 Неэффективные процедуры и формулы, не учитывающие особенности отраслей и регионов.
🔹 Короткие горизонты планирования, мешающие реализации долгосрочных проектов.
🔹 Слабая связь между планированием и анализом результатов, приводящая к повторению ошибок.
🔹 Технологические задержки из-за недостаточного использования возможностей больших данных.
Наши приоритеты:
🔹 Доработка Федерального закона №172 с учётом отраслевых особенностей.
🔹 Разработка кадровой стратегии для развития Арктики — важнейшего направления национального развития.
🔹 Синхронизация сроков всех отраслевых стратегических документов.
🔹 Пересмотр стратегий социально-экономического развития регионов для повышения их эффективности.
🔹 Повышение уровня специализированного планирования как основы комплексного развития.
🔹 Создание системы адресного управления развитием.
🔹 Формирование среднесрочного бюджета для гибкого финансирования стратегических проектов.
⏺ Сегодня, на форуме «Лидеры строительной отрасли», мы обсуждаем, как сделать города и регионы комфортными, зелёными и технологичными, как построить инфраструктуру, которая будет работать для каждого.
Стратегия «Россия 2050» — это не просто план, а наш общий проект, который мы создаём вместе. От нашей вовлечённости зависит, каким будет завтрашний день.
Давайте вместе строить сильную, современную и комфортную Россию!
#Россия2050
#ВыбирайСвое
Наши приоритеты:
Стратегия «Россия 2050» — это не просто план, а наш общий проект, который мы создаём вместе. От нашей вовлечённости зависит, каким будет завтрашний день.
Давайте вместе строить сильную, современную и комфортную Россию!
#Россия2050
#ВыбирайСвое
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Revit и BIM технологии | BIM2B
#BIMdigest 150 — Сметы и классификация с AI
— эволюция сметных программ и при чём тут AI;
— эксперименты Попова по классификации с AI;
— пример web-приложения для работы с BCF, написанный с Claude;
— семейства перехода для поручней лестницы от Борисова;
— новые материалы у Муратова и Крампа;
— релиз нового Dynamo для Civil 3D;
— скидка 50% на ModPlus.
— эволюция сметных программ и при чём тут AI;
— эксперименты Попова по классификации с AI;
— пример web-приложения для работы с BCF, написанный с Claude;
— семейства перехода для поручней лестницы от Борисова;
— новые материалы у Муратова и Крампа;
— релиз нового Dynamo для Civil 3D;
— скидка 50% на ModPlus.
1 августа первый заместитель министра строительства и ЖКХ России Александр Ломакин и Президент НОТИМ Михаил Викторов назвали победителей Всероссийского конкурса «ТИМ-ЛИДЕРЫ 2024/25».
В этом году на конкурс поступило 157 заявок, а соревнование проходило в 13 номинациях. В финал конкурса прошли 37 проектов, набравшие наибольшее количество баллов в каждой из номинаций.
Среди целого ряда занимательных выступлений отдельно отметим:
и
---
КЭЦИМ задуман как инструмент повышения интероперабельности данных.
Хрестоматийный пример такого повышения при передаче данных из ЦИМ для обработки в стороннем ПО приведён на рисунке 7.3 СП 331.1325800.2017 (см. картинку), где с помощью классификатора данные об объёмах СМР извлекаются из модели и передаются в сметное ПО. Подробнее о концепции КЭЦИМ и его отличии от КСИ мы писали ранее.
Отметим, что заместитель начальника технического отдела Дирекции по строительству Республики Карелия Роман Кюроев и BIM-менеджер ГК «КСМ» Александр Осипов не просто доработали международный классификатора Uniformat, применив КЭЦИМ на практике и закодировав элементы модели ДОУ в Сортавале – ребята убедили руководство региона в необходимости перевода КЭЦИМ в нормативный статус, и 29.10.2024 заместитель главы Правительства Республики Виктор Россыпнов подписал приказ № 321 о минимальном рекомендуемом перечне требований к ЦИМ.
Не менее важной вехой в развитии классификатора стало подключение к его развитию коллеги из Пермской государственной экспертизы. В опубликованных пермяками 21.03.2025 обновлёных требованиях к ЦИМ в т.ч. указаны требования по назначению кода согласно КЭЦИМ.
Мы тоже планируем применять КЭЦИМ при актуализации ТИМ-стандарта Свердловской области.
Замечания-предложения-советы по КЭЦИМ, как и прежде, принимает Александр Осипов.
---
Инструмент же преобразования цифровых требований в атрибуты ЦИМ за авторством Никиты Сысолова представляет собой приложение, позволяющее сгенерировать файлы мэппинга для ПО Revit, Renga и CADLib на основе машиночитаемых требований в формате IDS.
Файл мэппинга – это, в первую очередь, важный инструмент проектировщика для соблюдения IFC-требований бюджетного заказчика, т.к. коммерческим организациям достаточно проприетарных (нативных) форматов.
После перехода бюджетных заказчиков с Navisworks на российское ПО начали возникать примерно такие споры бюджетных заказчиков с подрядчиками:
Приложение помогает ускорить подготовку файла модели из проприетарного формата, а также минимизирует человеческий фактор, сокращая тем самым трудозатраты проектировщика.
Пока ни мы, ни наши подрядчики не использовали IDS в своей работе, но с выходом никитиного приложения, а также плагина «IDS for Autodesk Revit» от компании DiRoots, имеет смысл написать IDS для ТИМ-стандарта области. Чем мы, собственно, вскоре и займёмся.
Приложение Никиты есть на GitHub.
---
Сердечно поздравляем коллег с победой и заслуженными наградами!
В этом году на конкурс поступило 157 заявок, а соревнование проходило в 13 номинациях. В финал конкурса прошли 37 проектов, набравшие наибольшее количество баллов в каждой из номинаций.
Среди целого ряда занимательных выступлений отдельно отметим:
«Лучшая ТИМ-идея года» – проект карельских коллег из ГК «КСМ» «Классификатор элементов ЦИМ (КЭЦИМ): подход к стандартизации моделей ОКС для экспертизы и строительства».
и
«Отечественная программная и аппаратная разработка в области информационного моделирования» – дипломную работу студента НГАСУ-Сибстрина Никиты Сысолова «Инструмент преобразования цифровых требований в атрибуты цифровой информационной модели».
---
КЭЦИМ задуман как инструмент повышения интероперабельности данных.
Хрестоматийный пример такого повышения при передаче данных из ЦИМ для обработки в стороннем ПО приведён на рисунке 7.3 СП 331.1325800.2017 (см. картинку), где с помощью классификатора данные об объёмах СМР извлекаются из модели и передаются в сметное ПО. Подробнее о концепции КЭЦИМ и его отличии от КСИ мы писали ранее.
Отметим, что заместитель начальника технического отдела Дирекции по строительству Республики Карелия Роман Кюроев и BIM-менеджер ГК «КСМ» Александр Осипов не просто доработали международный классификатора Uniformat, применив КЭЦИМ на практике и закодировав элементы модели ДОУ в Сортавале – ребята убедили руководство региона в необходимости перевода КЭЦИМ в нормативный статус, и 29.10.2024 заместитель главы Правительства Республики Виктор Россыпнов подписал приказ № 321 о минимальном рекомендуемом перечне требований к ЦИМ.
Не менее важной вехой в развитии классификатора стало подключение к его развитию коллеги из Пермской государственной экспертизы. В опубликованных пермяками 21.03.2025 обновлёных требованиях к ЦИМ в т.ч. указаны требования по назначению кода согласно КЭЦИМ.
Мы тоже планируем применять КЭЦИМ при актуализации ТИМ-стандарта Свердловской области.
Замечания-предложения-советы по КЭЦИМ, как и прежде, принимает Александр Осипов.
---
Инструмент же преобразования цифровых требований в атрибуты ЦИМ за авторством Никиты Сысолова представляет собой приложение, позволяющее сгенерировать файлы мэппинга для ПО Revit, Renga и CADLib на основе машиночитаемых требований в формате IDS.
Information Delivery Specification (IDS) – открытый стандарт buildingSMART, который определяет требования к информации, которая содержится в IFC-моделях. IDS определяет формат и набор данных, которые должны содержать элементы.
Так как IDS основан на машиночитаемой XML-схеме, он позволяет автоматизировать проверку IFC-моделей по набору требований.
Файл мэппинга – это, в первую очередь, важный инструмент проектировщика для соблюдения IFC-требований бюджетного заказчика, т.к. коммерческим организациям достаточно проприетарных (нативных) форматов.
После перехода бюджетных заказчиков с Navisworks на российское ПО начали возникать примерно такие споры бюджетных заказчиков с подрядчиками:
– Этот ваш продукт для проверки ЦИМ не видит…
– Ничего подобного, это вы криво ЦИМ в IFC экспортируете!(далее следует непереводимая игра слов с использованием отраслевых идиоматических выражений)
Приложение помогает ускорить подготовку файла модели из проприетарного формата, а также минимизирует человеческий фактор, сокращая тем самым трудозатраты проектировщика.
Пока ни мы, ни наши подрядчики не использовали IDS в своей работе, но с выходом никитиного приложения, а также плагина «IDS for Autodesk Revit» от компании DiRoots, имеет смысл написать IDS для ТИМ-стандарта области. Чем мы, собственно, вскоре и займёмся.
Приложение Никиты есть на GitHub.
---
Сердечно поздравляем коллег с победой и заслуженными наградами!
Forwarded from Insider Info
HR-трудоемкость.xlsx
42.5 KB
Калькулятор расчета численности персонала от трудоемкости операции для специалистов
Инструмент
🆕 Август 2025
Инструмент
🆕 Август 2025
⬆️ Это принцип, как основа для потенциальной оценки трудоемкости других должностей и рабочих групп
Forwarded from А А
Вот кстати любопытное сообщение в контексте здешних обсуждений о языках и графах: https://t.iss.one/omggpt/3861
Telegram
OMG GPT: Midjourney, DeepSeek, IT
Lindy 3.0 — фабрика персональных ИИ-агентов
Свежая версия Lindy позволяет за пару минут собрать собственного бота под любую задачу — от переписки в Telegram до разбора рабочих файлов и ведения заметок в Google Docs.
Всё настраивается в формате блок-схем…
Свежая версия Lindy позволяет за пару минут собрать собственного бота под любую задачу — от переписки в Telegram до разбора рабочих файлов и ведения заметок в Google Docs.
Всё настраивается в формате блок-схем…
Forwarded from Spydell_finance (Paul Spydell)
Развитие ИИ закончено? Тупиковая ветвь эволюции
В архитектуре трансформеров, на котором базируются все без исключения современные LLMs вшит «деструктивный ген», фактически лимитирующий развитие.
В целом, длину контекстного окна ограничивает комбинация факторов: вычислительные ресурсы (квадратичная сложность), объём памяти устройств и необходимость переобучать модель работать с новыми, большими позициями. Поэтому бесконечно увеличивать окно невыгодно и сложно, и индустрия параллельно исследует и другие подходы – например, хранение знаний во внешних базах и выборочный поиск информации вместо подачи всего контекста разом, но это все внешние костыли.
Интеграция ИИ в коммерческое и бизнес применение невозможна с ограниченным и крайне нестабильным контекстным окном, но НИ ОДНА компания НЕ предоставила эффективного решения.
Это базовые, но не все ограничения трансформеров.
▪️Пробел в памяти: самое серьезное ограничение заключается в том, что у трансформеров нет постоянной, долговременной памяти. Они не способны обучаться на лету в ходе взаимодействия с пользователем. Каждый новый факт или навык требует дорогостоящего процесса дообучения или полного переобучения модели. Это кардинально отличает их от биологического интеллекта, который обучается непрерывно и инкрементально. Контекстное окно — это лишь временный буфер, а не механизм для накопления и интеграции знаний.
Сейчас LLMs – абсолютно изолированный от внешнего мира «черный ящик», архитектурно НЕ имеющий возможность самообучаться и в своей основе не может считаться интеллектом, т.к. первый признак интеллекта – способность к обучению.
▪️Проблема «заземления»: модели обучаются на текстах, а не на взаимодействии с реальным миром. Их «понимание» — это статистический анализ закономерностей в данных, а не осмысленное соотнесение символов с реальными объектами, действиями и их последствиями. LLMs не способны строить абстрактные представления о том, как устроен мир. Это гарантированно приводит к галлюцинациям – генерации правдоподобной, но ложной или бессмысленной информации.
Это ограничение лишь частично можно обойти в рамках, так называемого, «физического ИИ», который упомянул Хуанг, но раскрытие данного направления требует серии отдельных постов.
▪️Врожденная негибкость: архитектура трансформера статична. После завершения обучения веса нейронов фиксируются. Модель не может динамически создавать новые связи («синапсы») или изменять свою структуру в ответ на новый опыт, как это делает человеческий мозг. Эта нехватка пластичности означает, что LLM не являются по-настоящему адаптивными системами.
▪️Неразвитость когнитивных функций. Нынешние архитектуры страдают от ограниченной способности к явному рассуждению и пониманию причинно-следственных связей. Они статистически предсказывают следующее слово на основе шаблонов в данных, но не обладают врождённым «здравым смыслом» или истинным пониманием мира. В результате даже лучшие LLM часто ошибаются в фактах и не умеют надёжно планировать многошаговые решения.
Качество данных является не архитектурным, а технологическим ограничением и как раз решается за счет алгоритмов обучения, но об этом в других материалах.
В совокупности эти ограничения показывают, что архитектура трансформеров, несмотря на всю ее мощь, является тупиковой ветвью на пути к созданию универсального интеллекта. Дальнейшее масштабирование может привести к появлению более изощренных и эрудированных «статистических попугаев», но не к рождению истинного разума.
Любая технология в своем развитии следует S-образной кривой: за периодом медленного старта следует взрывной рост, который затем сменяется плато, где дальнейшие улучшения становятся все более сложными и дорогостоящими. Множество данных указывает на то, что большие языковые модели вступают в эту фазу плато.
Понимает ли Сэм Альтман все это? Вне всяких сомнений да, абсолютно, но публичное признание затруднит многомиллиардные раунды финансирования и расщепит адовый хайп вокруг ИИ, обрушим капитализацию ИИ компания на порядок.
Продолжение следует (скорее всего после данных по инфляции в США)
В архитектуре трансформеров, на котором базируются все без исключения современные LLMs вшит «деструктивный ген», фактически лимитирующий развитие.
В целом, длину контекстного окна ограничивает комбинация факторов: вычислительные ресурсы (квадратичная сложность), объём памяти устройств и необходимость переобучать модель работать с новыми, большими позициями. Поэтому бесконечно увеличивать окно невыгодно и сложно, и индустрия параллельно исследует и другие подходы – например, хранение знаний во внешних базах и выборочный поиск информации вместо подачи всего контекста разом, но это все внешние костыли.
Интеграция ИИ в коммерческое и бизнес применение невозможна с ограниченным и крайне нестабильным контекстным окном, но НИ ОДНА компания НЕ предоставила эффективного решения.
Это базовые, но не все ограничения трансформеров.
▪️Пробел в памяти: самое серьезное ограничение заключается в том, что у трансформеров нет постоянной, долговременной памяти. Они не способны обучаться на лету в ходе взаимодействия с пользователем. Каждый новый факт или навык требует дорогостоящего процесса дообучения или полного переобучения модели. Это кардинально отличает их от биологического интеллекта, который обучается непрерывно и инкрементально. Контекстное окно — это лишь временный буфер, а не механизм для накопления и интеграции знаний.
Сейчас LLMs – абсолютно изолированный от внешнего мира «черный ящик», архитектурно НЕ имеющий возможность самообучаться и в своей основе не может считаться интеллектом, т.к. первый признак интеллекта – способность к обучению.
▪️Проблема «заземления»: модели обучаются на текстах, а не на взаимодействии с реальным миром. Их «понимание» — это статистический анализ закономерностей в данных, а не осмысленное соотнесение символов с реальными объектами, действиями и их последствиями. LLMs не способны строить абстрактные представления о том, как устроен мир. Это гарантированно приводит к галлюцинациям – генерации правдоподобной, но ложной или бессмысленной информации.
Это ограничение лишь частично можно обойти в рамках, так называемого, «физического ИИ», который упомянул Хуанг, но раскрытие данного направления требует серии отдельных постов.
▪️Врожденная негибкость: архитектура трансформера статична. После завершения обучения веса нейронов фиксируются. Модель не может динамически создавать новые связи («синапсы») или изменять свою структуру в ответ на новый опыт, как это делает человеческий мозг. Эта нехватка пластичности означает, что LLM не являются по-настоящему адаптивными системами.
▪️Неразвитость когнитивных функций. Нынешние архитектуры страдают от ограниченной способности к явному рассуждению и пониманию причинно-следственных связей. Они статистически предсказывают следующее слово на основе шаблонов в данных, но не обладают врождённым «здравым смыслом» или истинным пониманием мира. В результате даже лучшие LLM часто ошибаются в фактах и не умеют надёжно планировать многошаговые решения.
Качество данных является не архитектурным, а технологическим ограничением и как раз решается за счет алгоритмов обучения, но об этом в других материалах.
В совокупности эти ограничения показывают, что архитектура трансформеров, несмотря на всю ее мощь, является тупиковой ветвью на пути к созданию универсального интеллекта. Дальнейшее масштабирование может привести к появлению более изощренных и эрудированных «статистических попугаев», но не к рождению истинного разума.
Любая технология в своем развитии следует S-образной кривой: за периодом медленного старта следует взрывной рост, который затем сменяется плато, где дальнейшие улучшения становятся все более сложными и дорогостоящими. Множество данных указывает на то, что большие языковые модели вступают в эту фазу плато.
Понимает ли Сэм Альтман все это? Вне всяких сомнений да, абсолютно, но публичное признание затруднит многомиллиардные раунды финансирования и расщепит адовый хайп вокруг ИИ, обрушим капитализацию ИИ компания на порядок.
Продолжение следует (скорее всего после данных по инфляции в США)
Forwarded from ИТП "Град"
💻 На сайте Института Генплана Москвы вышел обзор ИИ-решений, которые помогают специалистам в области градостроительства решать сложные задачи быстрее и эффективнее. Вы узнаете, какие технологии можно использовать для визуализации проектов, автоматизации работы с данными, перевода материалов и генерации идей.
https://genplanmos.ru/publication/2025_07_28_ii-dlya-arhitektorov-i-gradostroiteley/
https://genplanmos.ru/publication/2025_07_28_ii-dlya-arhitektorov-i-gradostroiteley/
Forwarded from Рупор ГИП
Отечественное программное обеспечение
НОТИМ подвел итог проведенного опроса о перспективах возвращения иностранных компаний на российский рынок.
В исследовании приняли участие представители более 50 компаний, среди которых преобладали проектировщики (34%), разработчики ПО (21%), заказчики (15%) и технические заказчики (12%). Также в опросе участвовали строители, интеграторы, генеральные подрядчики, представители региональных Минстроев и планировщики.
- 58% респондентов комбинируют отечественные и зарубежные продукты,
- 26% отдают предпочтение преимущественно зарубежным аналогам.
- 62% опрошенных отмечают, что отечественное ПО пока уступает по качеству.
Иные ключевые выводы исследования:
- https://notim.ru/news/opros-notim-rossiyskoe-po-vash-opyt-i-otsenka-konkurentosposobnosti
НОТИМ подвел итог проведенного опроса о перспективах возвращения иностранных компаний на российский рынок.
В исследовании приняли участие представители более 50 компаний, среди которых преобладали проектировщики (34%), разработчики ПО (21%), заказчики (15%) и технические заказчики (12%). Также в опросе участвовали строители, интеграторы, генеральные подрядчики, представители региональных Минстроев и планировщики.
- 58% респондентов комбинируют отечественные и зарубежные продукты,
- 26% отдают предпочтение преимущественно зарубежным аналогам.
- 62% опрошенных отмечают, что отечественное ПО пока уступает по качеству.
Иные ключевые выводы исследования:
- https://notim.ru/news/opros-notim-rossiyskoe-po-vash-opyt-i-otsenka-konkurentosposobnosti
Forwarded from TIMNEWSRU (Новости по ТИМ/BIM)
Территория будущего. Москва 2030
Беспилотные системы: технологии будущего
От стройки к звездам! Масштабируем наш опыт в управлении проектами
Требования заказчика к цифровым информационным моделям. Ошибки и рекомендации
Как связать BIM с тендерами за 30 дней и ускорить запуск закупок в 3 раза
TIMnewsRu
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Всё о стройке
This media is not supported in your browser
VIEW IN TELEGRAM
Крупнейший застройщик Казахстана построил девятиэтажку всего за 45 дней
CEO BI Group Айдын Рахимбаев сообщил, что компания совершила технологический прорыв.
Это двухсекционный девятиэтажный дом из 75 квартир площадью 6600 кв. м в ЖК «Space» в Астане. И первые жильцы уже въехали в новые квартиры.
Такая скорость возведения обеспечена модульной технологией: на производстве BI Group изготавливают готовые блоки со встроенными инженерными коммуникациями, а до 80% работ автоматизированы. Как раз на экскурсии в рамках нашего Урбан-тура застройщик показывал свой модульный завод ещё в 2022 году.
В будущем компания планирует масштабировать этот опыт.
CEO BI Group Айдын Рахимбаев сообщил, что компания совершила технологический прорыв.
Это двухсекционный девятиэтажный дом из 75 квартир площадью 6600 кв. м в ЖК «Space» в Астане. И первые жильцы уже въехали в новые квартиры.
Такая скорость возведения обеспечена модульной технологией: на производстве BI Group изготавливают готовые блоки со встроенными инженерными коммуникациями, а до 80% работ автоматизированы. Как раз на экскурсии в рамках нашего Урбан-тура застройщик показывал свой модульный завод ещё в 2022 году.
В будущем компания планирует масштабировать этот опыт.
Forwarded from Революция в стандартах | Александр Касьянов
Давненько не было списка топ статей. Накопил за май-июль:
Про стандарты
Приоткрываю таинство разработки стандартов
Как я рисую картинки для стандартов через ИИ - быстро и бесплатно
А штрафы это всегда плохо?
Топ-10 фактов про мои проекты в августе
Про бизнес
Про неадекватные ожидания собственников
Как провести подробный анализ компании бесплатно с помощью ИИ
Динамика роста акций Додо за 3 года
Как равнодушный администратор соцсетей сливает ваших клиентов и что с этим делать
Про развитие
Я не ожидал, что ИИ поймёт меня лучше, чем люди
Что выгодней - развиваться как франчайзи или работать в управляющей компании?
Шкала доминантности на примере героев сказки «Буратино»
И кто я в этой системе
Про стандарты
Приоткрываю таинство разработки стандартов
Как я рисую картинки для стандартов через ИИ - быстро и бесплатно
А штрафы это всегда плохо?
Топ-10 фактов про мои проекты в августе
Про бизнес
Про неадекватные ожидания собственников
Как провести подробный анализ компании бесплатно с помощью ИИ
Динамика роста акций Додо за 3 года
Как равнодушный администратор соцсетей сливает ваших клиентов и что с этим делать
Про развитие
Я не ожидал, что ИИ поймёт меня лучше, чем люди
Что выгодней - развиваться как франчайзи или работать в управляющей компании?
Шкала доминантности на примере героев сказки «Буратино»
И кто я в этой системе
Forwarded from ИИ и роботы в стройке
Прочитала интересную статью на Хабре про ИИ-аасистента на GraphRAG, который понимает ЖК РФ и с помощью графов и RAG ищет ответы по нормативке. Статью написал Николай Сорокин, технический руководитель ML в GPTunneL. Главное — ниже:
Задача
Обработать всю нормативную базу России в ИИ. При этом создать архитектуру, которая бы понимала структуру законодательства, могла логично связывать нормы и объяснять, как получен ответ, чтобы пользователи могли ему доверять.
Проблема
Казалось бы, бери RAG и делай, но классический RAG плохо работает с нормативкой: пропускает до 37% важных связей, без контекста дает до 20% неполных ответов и требует много времени юристов на валидацию своих ответов.
Как делали
Взяли архитектуру GraphRAG от Microsoft и адаптировали её под законы России.
1. Тексты разбили на смысловые фрагменты (чанки), из которых выделили сущности (статьи, роли, организации) и связи между ними (ссылки, дополнения, исключения и др.) в формате триплетов «Сущность–Отношение–Сущность».
2. Настроили промты под нормативку и русский язык, добавили реальные примеры.
3. Построили граф знаний и разделили его на тематические сообщества.
С какими трудностями столкнулись
Большие документы, например, сам Жилищный кодекс становились гиперузлами — узлами с тысячами связей, которые мешали алгоритму правильно выделять темы и ухудшали качество поиска.
Как решили
Провели «санитарную обработку» графа: доработали промты, отвечающие за построение графа, отфильтровали слабые связи, разбили крупные узлы, нормализовали сущности и повторно построили граф. Это помогло сбалансировать структуру, сделать её более логичной и улучшить качество ответов.
Таким образом в LLM «уходят» не только чанки, но и структурированный контекст, дополненный связями между ними.
Результат
Получился ИИ, который может быстро отвечать на вопросы по жилищному праву, показывая, откуда именно взята информация через цепочку связанных норм. Архитектура масштабируема и применима «в любых сферах, где важны регламенты: от внутренних политик и инструкций до ГОСТов, ISO, ESG-отчётности и тех-стандартов».
Задача
Обработать всю нормативную базу России в ИИ. При этом создать архитектуру, которая бы понимала структуру законодательства, могла логично связывать нормы и объяснять, как получен ответ, чтобы пользователи могли ему доверять.
Проблема
Казалось бы, бери RAG и делай, но классический RAG плохо работает с нормативкой: пропускает до 37% важных связей, без контекста дает до 20% неполных ответов и требует много времени юристов на валидацию своих ответов.
Как делали
Взяли архитектуру GraphRAG от Microsoft и адаптировали её под законы России.
1. Тексты разбили на смысловые фрагменты (чанки), из которых выделили сущности (статьи, роли, организации) и связи между ними (ссылки, дополнения, исключения и др.) в формате триплетов «Сущность–Отношение–Сущность».
2. Настроили промты под нормативку и русский язык, добавили реальные примеры.
3. Построили граф знаний и разделили его на тематические сообщества.
С какими трудностями столкнулись
Большие документы, например, сам Жилищный кодекс становились гиперузлами — узлами с тысячами связей, которые мешали алгоритму правильно выделять темы и ухудшали качество поиска.
Как решили
Провели «санитарную обработку» графа: доработали промты, отвечающие за построение графа, отфильтровали слабые связи, разбили крупные узлы, нормализовали сущности и повторно построили граф. Это помогло сбалансировать структуру, сделать её более логичной и улучшить качество ответов.
Таким образом в LLM «уходят» не только чанки, но и структурированный контекст, дополненный связями между ними.
Результат
Получился ИИ, который может быстро отвечать на вопросы по жилищному праву, показывая, откуда именно взята информация через цепочку связанных норм. Архитектура масштабируема и применима «в любых сферах, где важны регламенты: от внутренних политик и инструкций до ГОСТов, ISO, ESG-отчётности и тех-стандартов».