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».
Forwarded from Digital Business&Government Transformation Russia 🇷🇺 (Цифровая трансформация бизнеса и государственного управления Россия)
Цифровая_экономика_Цифровая_грамотность_в_регионах_2025.pdf
18.6 MB
Цифровая грамотность в регионах 2025
АНО Цифровая экономика
АНО Цифровая экономика
Forwarded from ИИ и роботы в стройке
Вы просто не умеете его готовить😁 OpenAI выложила обновила кукбук гайдом по новым моделям, чтобы мы все использовали GPT-5 максимально продуктивно
Внутри: полезные советы, руководство по созданию промтов, оптимизатор для промтов, разные секретики по мульмодальности, инструкции по работе в агентном режиме.
Например:
или
В общем, на GPT-5 надейся, а сам не плошай😁
Но там действительно полезно — сходите, почитайте.
Внутри: полезные советы, руководство по созданию промтов, оптимизатор для промтов, разные секретики по мульмодальности, инструкции по работе в агентном режиме.
Например:
«Ясно формулируйте условия и цели агентных задач. Четко указывайте, когда задача должна завершаться, чтобы модель корректно понимала границы работы и не продолжала бессмысленное выполнение»
или
«Хоть и появился интеллектуальный маршрутизатор, который сам выбирает модель из семейства под ответ, но чем более точный контекст и вводные вы дадите, тем более точный ответ получите»
В общем, на GPT-5 надейся, а сам не плошай😁
Но там действительно полезно — сходите, почитайте.
Forwarded from в IT и выйти
Научную работу команды GigaChat приняли в основной трек ACL 2025 — главной конференции по обработке естественного языка. Это первая российская статья о векторных представлениях русского языка, вошедшая в основную программу.
Речь о GigaEmbeddings — модели на базе GigaChat-3B, которая помогает ИИ точнее понимать тексты на русском. Архитектуру оптимизировали: число параметров сократили на 25% без потери качества. Модель уже лежит в открытом доступе на GitVerse и HuggingFace.
Для бизнеса это значит: точный поиск, умные боты, рекомендации и RAG-сценарии — без костылей и зависимости от зарубежных решений.
@techmedia
Речь о GigaEmbeddings — модели на базе GigaChat-3B, которая помогает ИИ точнее понимать тексты на русском. Архитектуру оптимизировали: число параметров сократили на 25% без потери качества. Модель уже лежит в открытом доступе на GitVerse и HuggingFace.
Для бизнеса это значит: точный поиск, умные боты, рекомендации и RAG-сценарии — без костылей и зависимости от зарубежных решений.
@techmedia
Forwarded from Stroy.OS | Цифровизация стройки
Китайские застройщики лидируют во внедрении цифровых технологий — от BIM до AI. Разберём реальные стратегии, которые используют топовые компании:
Кейсы:
- Country Garden разработала собственную CRM на базе WeChat, через которую проходит 85% продаж (данные компании за 2023 год).
- Vanke использует облачную платформу Alibaba Cloud для управления 200+ проектами одновременно.
Преимущества:
✔️ Полная синхронизация с китайскими платежами (Alipay/WeChat Pay)
✔️ AI-аналитика спроса от Alibaba DAMO Academy
Ограничения:
✖️ Жёсткая привязка к китайскому цифровому ландшафту
Реальные примеры:
- China Overseas Land & Investment (COLI) сочетает Autodesk BIM 360 с локальной платформой Glodon для смет.
- Longfor внедрила SAP S/4HANA, но с модулем для электронных договоров на блокчейне (партнёрство с Ant Chain).
❓Почему так:
→ Соответствие международным стандартам + соблюдение китайских регуляторных норм
Факты:
- С 2020 года все проекты стоимостью >500 млн юаней обязаны использовать BIM (постановление Минстроя КНР).
- Poly Development применяет цифровых двойников для 100% объектов в Шэньчжэне.
Технологии:
- Платформы: Glodon (70% рынка BIM в Китае)
- Инструменты: DJI drones для мониторинга стройплощадок
Проверенные кейсы:
1. Ke.com (бывшее Beike) — AI-система оценки недвижимости, обрабатывающая 10 млн транзакций ежегодно.
2. Fangdd — VR-туры, сократившие конверсию в продажи на 40% (отчёт компании за 2022 год).
62% девелоперов используют хотя бы одно PropTech-решение (данные Cushman & Wakefield, 2024).
Как это работает:
- Малые застройщики арендуют модули на платформе Tencent Real Estate Cloud (от 15$ за пользователя/месяц).
- Включает: электронный документооборот, интеграцию с WeChat, налоговую отчётность.
Пример:
1. Господдержка — BIM и Smart City как обязательные стандарты
2. Партнёрство с IT-гигантами — вместо самостоятельной разработки
3. Данные решают всё — AI-аналитика на каждом этапе
#StroyOS_Китай
Stroy.OS |
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Цифровое строительство
Российский девелопер выстроил методологию цифровой трансформации
✅️ Цель цифровизации застройщика заключается в увеличении рентабельности проектов. Чтобы достичь этого результата, девелопер вместе с экспертами Artsofte Consulting проанализировал главные аспекты цифровизации и разработал ее концепцию.
⏲ Один из достигнутых результатов — автоматизация работы коммерческого блока и ускорение бизнес-процессов внутри компании на 20%.
👥 Эксперты проработали 70 гипотез трансформации, оценили их эффект и расставили приоритеты по каждой гипотезе. Часть предложенных решений взята в работу.
📈 Artsofte Consulting — это новое направление Profitbase. С помощью него девелоперская компания «Точно» определила методологию. Застройщик входит в топ-3 по объемам строительства в России.
🗓 До 2027 года «Точно» планирует инвестировать в цифровизацию в три раза больше, чем сейчас. Под автоматизацию в таком случае подпадает множество проектов — от работы с клиентами до документооборота.
@digitalbuild
#ТИМ
#беспилотники
@digitalbuild
#ТИМ
#беспилотники
Please open Telegram to view this post
VIEW IN TELEGRAM
Несколько с запозданием, но всё же… ☺️
---
07.07.2025 опубликованы классификационные таблицы классификатора строительной информации (КСИ) на II квартал 2025 года. Из 234 изменений КСИ 138 внесены по предложению ТИМ-отдела Свердловского Минстроя. Все наши предложения касались дополнения КСИ наименованиями помещений из действующих сводов правил (СП).
---
В предыдущих редакциях КСИ один код мог быть присвоен двум и более помещениям. Например, кабинету начальных классов школы (он же «учебное помещение в образовательной организации, реализующей программы начального общего образования с 1 по 4 классы» согласно п. 7.2.2 СП 251.1325800.2016) соответствовал код «BAE030» – однако в этот же код были включены ещё 6 типов помещений.
Такая ситуация не устраивала нас, поскольку требования к кабинетам начального и общего образования различаны, и, соответственно, различны и автоматические поисковые наборы для проверки ЦИМ.
Для проведения декомпозиции мы смотрим в п.3.4.5 Методики кодирования ИМ ОКС и понимаем, что нам не обойтись без пользовательских типов помещений, т.к. в предыдущих редакциях КСИ не было ничего отдельно для «начальной школы» и для «общеобразовательной школы».
С пользовательской кодировкой, на первый взгляд, трудностей тоже нет: добавляем одну букву после символа «/» и готово. А – для начальной школы, B – для основной школы. Единственно, нам – заказчикам – нужно было прописать все нужные нам варианты пользовательских параметров. Впрочем, весьма вероятно, что развитие декомпозиции могло пойти не так, как будет описано в ТИМ-стандарте или ином классификаторе.
В этой связи мы приступили к проработке перечня нужных нам помещений для формирования предложений по доработке КСИ.
---
Несравненные Анастасия Гусева и Ольга Галитарова выполнили работу колоссальной сложности и колоссальной же полезности, сформулировав Алгоритм наименования помещений медицинских учреждений, который преобразовали в Таблицу систематизации помещений объектов здравоохранения. Затем Анастасия Анатольевна составила Перечень помещений образовательных учреждений и включила весь получившийся материал в областной ТИМ-стандарт.
Помимо теоретической работы, мы оценили жизнеспособность поисковых наборов на помещения и вместе с Ольгой Кутузовой из NSR Specification и техническим экспертом ПО Tangl Аллой Землянской протестировали работу автоматических проверок в ПО Tangl и «Модель и Архив».
А для ответа на вопрос «Какой объём нормативных требований доступен для перевода в машинопонимаемый вид?» мы проанализировали 12 обзоров типичных ошибок, подготовленных региональными госэкспертизами, и определили, что 29 замечаний возможно автоматизировать.
---
Очень надеемся, что со внесением в КСИ кодов и наименований помещений наши разработчики ПО для проверки ЦИМ включат в комплекты поставки наборы преднастроенных проверок на соответствие некоторым требованиям СП.
---
Идеальным сценарием нам видится создание обновляемой базы нормативных документов, в которой находились бы предварительно разобранные тексты нормативных документов, готовые к загрузке в ПО для проверки ЦИМ на языке поисковых наборов. Ранее мы писали, что подобная связка реализована между NormaCS Specification и CADLib «Модель и Архив». Было бы здорово расширить круг взаимодействия и с другим ПО для проверки моделей – тогда появится шанс упростить работу проектировщиков, заказчиков и экспертов – все они смогутхотя бы частично перенести своё внимание с технического вопроса «Как делать?» на сущностный «Что делать?».
---
P.S. Важно отметить, что сейчас мы рассматриваем автоматизированные проверки в первую очередь как вспомогательный инструмент для входного контроля ЦИМ, помогающий обратить внимание специалиста на конкретное помещение в т.ч. и в чертежах.
---
07.07.2025 опубликованы классификационные таблицы классификатора строительной информации (КСИ) на II квартал 2025 года. Из 234 изменений КСИ 138 внесены по предложению ТИМ-отдела Свердловского Минстроя. Все наши предложения касались дополнения КСИ наименованиями помещений из действующих сводов правил (СП).
---
В предыдущих редакциях КСИ один код мог быть присвоен двум и более помещениям. Например, кабинету начальных классов школы (он же «учебное помещение в образовательной организации, реализующей программы начального общего образования с 1 по 4 классы» согласно п. 7.2.2 СП 251.1325800.2016) соответствовал код «BAE030» – однако в этот же код были включены ещё 6 типов помещений.
Такая ситуация не устраивала нас, поскольку требования к кабинетам начального и общего образования различаны, и, соответственно, различны и автоматические поисковые наборы для проверки ЦИМ.
Для проведения декомпозиции мы смотрим в п.3.4.5 Методики кодирования ИМ ОКС и понимаем, что нам не обойтись без пользовательских типов помещений, т.к. в предыдущих редакциях КСИ не было ничего отдельно для «начальной школы» и для «общеобразовательной школы».
С пользовательской кодировкой, на первый взгляд, трудностей тоже нет: добавляем одну букву после символа «/» и готово. А – для начальной школы, B – для основной школы. Единственно, нам – заказчикам – нужно было прописать все нужные нам варианты пользовательских параметров. Впрочем, весьма вероятно, что развитие декомпозиции могло пойти не так, как будет описано в ТИМ-стандарте или ином классификаторе.
В этой связи мы приступили к проработке перечня нужных нам помещений для формирования предложений по доработке КСИ.
---
Несравненные Анастасия Гусева и Ольга Галитарова выполнили работу колоссальной сложности и колоссальной же полезности, сформулировав Алгоритм наименования помещений медицинских учреждений, который преобразовали в Таблицу систематизации помещений объектов здравоохранения. Затем Анастасия Анатольевна составила Перечень помещений образовательных учреждений и включила весь получившийся материал в областной ТИМ-стандарт.
Помимо теоретической работы, мы оценили жизнеспособность поисковых наборов на помещения и вместе с Ольгой Кутузовой из NSR Specification и техническим экспертом ПО Tangl Аллой Землянской протестировали работу автоматических проверок в ПО Tangl и «Модель и Архив».
А для ответа на вопрос «Какой объём нормативных требований доступен для перевода в машинопонимаемый вид?» мы проанализировали 12 обзоров типичных ошибок, подготовленных региональными госэкспертизами, и определили, что 29 замечаний возможно автоматизировать.
---
Очень надеемся, что со внесением в КСИ кодов и наименований помещений наши разработчики ПО для проверки ЦИМ включат в комплекты поставки наборы преднастроенных проверок на соответствие некоторым требованиям СП.
---
Идеальным сценарием нам видится создание обновляемой базы нормативных документов, в которой находились бы предварительно разобранные тексты нормативных документов, готовые к загрузке в ПО для проверки ЦИМ на языке поисковых наборов. Ранее мы писали, что подобная связка реализована между NormaCS Specification и CADLib «Модель и Архив». Было бы здорово расширить круг взаимодействия и с другим ПО для проверки моделей – тогда появится шанс упростить работу проектировщиков, заказчиков и экспертов – все они смогут
---
P.S. Важно отметить, что сейчас мы рассматриваем автоматизированные проверки в первую очередь как вспомогательный инструмент для входного контроля ЦИМ, помогающий обратить внимание специалиста на конкретное помещение в т.ч. и в чертежах.
Forwarded from Просто о сметах
ТИМ: ГГЭ в мире больших идей и маленьких дел.
Шёл 2025 год. ТИМ по версии Минстроя и ТИМ по версии ФАУ «ГГЭ» — это как «еж» и «уж»: оба вроде живут в одной экосистеме, но встречаться не спешат. Два уютных параллельных мира.
Вадим Андропов, первый зам ГГЭ, сегодня заявил:
Как бы жестко это не звучало, Вадим Андропов прав: весь этот ТИМ пока выглядит теми самыми "веселыми картинками"! Только вот картинка красивая, но и рисков в реальности больше от того, что непонятно, чем они вообще управляют.
На земле всё куда прозаичнее:
▫️Стоимость, которая выходит из ПДОСС, «не нужна никому» — об этом Анвар Шамузафаров говорит уже без купюр.
▫️Сроки? Даже не смешно.
▫️Единые требования к информоделированию? Стандарты? Ага, конечно…
Главное — чем всё это время управляла сама ГГЭ, пока отрасль игралась в эти самые 3D-шечки? Ведь в ЕЦПЭ уже лежит тысяча с лишним моделей… без связки с теми самыми XML-данными, но с гордой отметкой «проверено». Чтобы галочку поставить и потом показать на слайдах? Бодро отчитавшись: «Работаем»!? Где конкретика?
▪️Какие типовые модели вы хотите видеть?
▪️Как вы меряете эффективность?
▪️Сколько специалистов вы реально подготовили под заявленную методологию?
▪️Какое ПО нужно, и что делаете, чтобы оно появилось? К слову, как теперь быть с теми разработчиками,смотреть им в глаза , кто оказывается разрабатывает совсем не то?
Пока идет просто сбор XML со всей отрасли для ГГЭ. Но ведь ГГЭ работает для Заказчика, т.е. для людей. Чем и как улучшается их деятельность, не говоря уже о том самом управлении?
Пикантность в том, что подвед по сутисаботирует декларируемый Минстроем курс на ТИМ, фактически заявляет во всеуслышание: «Мы идём не туда»! А куда? Как? С какими инструментами? В нынешнее непростое время, набравшись такой смелости в трактовке поручения Президента о переходе к системе управления жизненным циклом ОКС путем внедрения ТИМ сидеть в сторонке и ждать пока все это "рассосется" мягко говоря, неправильно. В документах — тишина, чёткого маршрута и списка действий нет вообще. Даже их собственная Стратегия закончилась в 2025 году — дальше, видимо, будет «сами разберётесь».
Пока Минстрой пытается строить систему управления жизненным циклом объектов, ГГЭ, похоже, строит собственную версию «Матрицы», где можно бесконечно «управлять» 3D-кубиками и манипулировать (это цитата!) данными ради аналитики, которая никому не помогает и заниматься ванговательными практиками — теми самыми предсказаниями (это тоже цитата). На «Витрине» найти стоящую ТПД, смету или ВОР из этих самых моделей — всё равно что поймать единорога. Так и живём: отрасль ждёт конкретных предложений, а ГГЭ — когда нынче модный ИИ с 2D-картинок сам соберёт те самые ВОР, аккуратно свяжет их с ФСНБ-2022 и прогонит через КПСР.
Бинго, коллеги. Расходимся.
Шёл 2025 год. ТИМ по версии Минстроя и ТИМ по версии ФАУ «ГГЭ» — это как «еж» и «уж»: оба вроде живут в одной экосистеме, но встречаться не спешат. Два уютных параллельных мира.
Вадим Андропов, первый зам ГГЭ, сегодня заявил:
Часто под моделированием понимают 3D-фигурочки… но мы понимаем, что моделирование — это управление рисками, анализ и прогноз.
Как бы жестко это не звучало, Вадим Андропов прав: весь этот ТИМ пока выглядит теми самыми "веселыми картинками"! Только вот картинка красивая, но и рисков в реальности больше от того, что непонятно, чем они вообще управляют.
На земле всё куда прозаичнее:
▫️Стоимость, которая выходит из ПДОСС, «не нужна никому» — об этом Анвар Шамузафаров говорит уже без купюр.
▫️Сроки? Даже не смешно.
▫️Единые требования к информоделированию? Стандарты? Ага, конечно…
Главное — чем всё это время управляла сама ГГЭ, пока отрасль игралась в эти самые 3D-шечки? Ведь в ЕЦПЭ уже лежит тысяча с лишним моделей… без связки с теми самыми XML-данными, но с гордой отметкой «проверено». Чтобы галочку поставить и потом показать на слайдах? Бодро отчитавшись: «Работаем»!? Где конкретика?
▪️Какие типовые модели вы хотите видеть?
▪️Как вы меряете эффективность?
▪️Сколько специалистов вы реально подготовили под заявленную методологию?
▪️Какое ПО нужно, и что делаете, чтобы оно появилось? К слову, как теперь быть с теми разработчиками,
Пока идет просто сбор XML со всей отрасли для ГГЭ. Но ведь ГГЭ работает для Заказчика, т.е. для людей. Чем и как улучшается их деятельность, не говоря уже о том самом управлении?
Пикантность в том, что подвед по сути
Пока Минстрой пытается строить систему управления жизненным циклом объектов, ГГЭ, похоже, строит собственную версию «Матрицы», где можно бесконечно «управлять» 3D-кубиками и манипулировать (это цитата!) данными ради аналитики, которая никому не помогает и заниматься ванговательными практиками — теми самыми предсказаниями (это тоже цитата). На «Витрине» найти стоящую ТПД, смету или ВОР из этих самых моделей — всё равно что поймать единорога. Так и живём: отрасль ждёт конкретных предложений, а ГГЭ — когда нынче модный ИИ с 2D-картинок сам соберёт те самые ВОР, аккуратно свяжет их с ФСНБ-2022 и прогонит через КПСР.
Бинго, коллеги. Расходимся.
Forwarded from ПСС
Media is too big
VIEW IN TELEGRAM
1. Загружаете любой растровый PDF/изображение;
2. На выходе получаете «чистый» DXF с контурами без лишнего текста — идеально для CAD-работ и расчётов.
Отзывы тех, кто уже познакомился с Артинс:
Слышал, многие пытаются такое делать, но первый раз вижу, как работает.
Много сил вложено в разработку, молодцы.
Особенно должно быть интересно при реконструкциях, перепланировках и кап. ремонтах
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Rogandar NEWs: Новости, факты, события!
Но с городами вышло ещё интереснее! Раньше если вдруг случайно находились деньги, то мэр выбирал наугад: больницу отремонтировать? Или школу?.. Или новую дорогу построить?..
Теперь деньги выделяются сразу на годы вперёд – стабильные, гарантированные финансы! И под них глава государства требует разрабатывать серьёзный и вдумчивый матер-план развития городов.
Дальний Восток стал первым макрорегионом России, где по поручению Президента разработаны и уже реализуются мастер-планы. 84% жителей считают проекты мастер-планов полезными для городов, 65% фиксируют позитивные изменения за последние 2 года.
Глава Минвостокразвития Алексей Чекунков доложил Президенту о ходе реализации мастер-планов развития городов Дальнего Востока
Из 875 новых проектов 165 уже завершены – почти 20% от всей работы, запланированной до 2030 года. Общий объем финансирования мастер-планов – 4,4 трлн рублей, из которых 2,2 трлн рублей – это внебюджетные инвестиции. Для обеспечения финансирования по поручению Президента созданы разделы в 5 нацпроектах, задействованы механизмы казначейских кредитов, направлены средства от списания задолженности регионов.
Дополнительно к уже обеспеченному финансированию должно стать направление не менее 5% средств соответствующих госпрограмм.
Разрабатываются новые механизмы. В частности, в 2025 году 4 региона ДФО планируют выпуск специальных народных облигаций на 2,2 млрд рублей – люди смогут финансово участвовать в проектах развития городов, получая при этом рыночную доходность.
@Rogandar
Please open Telegram to view this post
VIEW IN TELEGRAM
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
Не район, а целый город с абсолютно одинаковыми домами в Китае
🤯1
Forwarded from AI Projects (Vladimir Ivanov)
Долго с Gemini и Qwen подбирал учебный пример, чтобы показать необычную трактовку что есть "сложность" задачи в отдельном блоке текста для GPT. Напомню, N изолированных блоков - не сложность, а снижение сложности (см. выше).
Оказалось можно передать логику GPT через аналогии в SQL. Вот какая задача для ИИ на блок текста простая.
SELECT ... FROM [Belief State] WHERE [Критерии] — Это Просто
Ожидание людей, что ИИ резко усложнит задачу добавление новых семантических срезов как бизнес-требования или требования безопасности к генерации кода - ОШИБКА. Пока ваши дополнительные критерии по факту фильтры семантики, то они упрощают ИИ поиск подходящих паттернов и делают это дополнительные головки внимания. Самое главное для ИИ, чтобы была "основная стандартная тема" (Belief state) в рамках которой он под оптимум и работает. Поэтому в части N-параметрической оптимизации кода ИИ мощнее людей, но для ИИ очень сложно написать хороший рассказ просто потому, что он "семантический JOIN".
Строго говоря, если вы при генерации блока текста смешали темы, то вы на верном пути даже не к ошибкам ИИ, а просто к галлюцинациям, т.к. ИИ хорошо научился делать отдельные вещи как роли в процессе (ТЗ, бриф, код и т.д.). Если попросить сразу несколько тем, то получится "семантический Сальвадор Дали" очень часто, т.к. ИИ просто включает по факту семантическую интерференцию разных правил между собой.
При правильном разделении контента на секции по "монотемам" и формулировании целевых критериев ИИ на деле намного мощнее, чем показывает себя в тестах, на которые многие молятся.
Оказалось можно передать логику GPT через аналогии в SQL. Вот какая задача для ИИ на блок текста простая.
SELECT ... FROM [Belief State] WHERE [Критерии] — Это Просто
Ожидание людей, что ИИ резко усложнит задачу добавление новых семантических срезов как бизнес-требования или требования безопасности к генерации кода - ОШИБКА. Пока ваши дополнительные критерии по факту фильтры семантики, то они упрощают ИИ поиск подходящих паттернов и делают это дополнительные головки внимания. Самое главное для ИИ, чтобы была "основная стандартная тема" (Belief state) в рамках которой он под оптимум и работает. Поэтому в части N-параметрической оптимизации кода ИИ мощнее людей, но для ИИ очень сложно написать хороший рассказ просто потому, что он "семантический JOIN".
Строго говоря, если вы при генерации блока текста смешали темы, то вы на верном пути даже не к ошибкам ИИ, а просто к галлюцинациям, т.к. ИИ хорошо научился делать отдельные вещи как роли в процессе (ТЗ, бриф, код и т.д.). Если попросить сразу несколько тем, то получится "семантический Сальвадор Дали" очень часто, т.к. ИИ просто включает по факту семантическую интерференцию разных правил между собой.
При правильном разделении контента на секции по "монотемам" и формулировании целевых критериев ИИ на деле намного мощнее, чем показывает себя в тестах, на которые многие молятся.
Forwarded from ПРОДВИНУТАЯ ЦИФРОВИЗАЦИЯ СТРОЙКИ
🏗️ ИИ в строительстве: зачем он нужен и почему (пока) не работает
Сегодня многие говорят про искусственный интеллект в стройке. Но прежде чем увлекаться «цифровым хайпом», стоит задать себе простой вопрос:
👉 А компания вообще готова к ИИ?
👉 Или мы всё ещё живём в Excel, мессенджерах и бумажных приказах?
В новой статье я подробно разобрал:
— чем ИИ отличается от автоматизации;
— где его реально можно применять в стройке (и зачем);
— как выглядит путь цифровой зрелости от уровня 0 (бумага) до уровня 4 (ИИ на данных предприятия);
— какие управленческие решения можно принимать, когда у тебя есть цифровой двойник компании;
— почему ИИ — это не про пилот ради гранта, а про системное развитие.
🧠 И главное:
ИИ станет помощником, только если вы поставите данные и дисциплину во главу угла. Без этого — только красивая презентация на конференции.
📖 Полная статья по ссылке:
https://dzen.ru/a/aFwKBrPkKj8mrdCg
#цифровизация #строительство #искусственныйинтеллект #BIM #МРСПлатформа #ИТвстроительстве
Сегодня многие говорят про искусственный интеллект в стройке. Но прежде чем увлекаться «цифровым хайпом», стоит задать себе простой вопрос:
👉 А компания вообще готова к ИИ?
👉 Или мы всё ещё живём в Excel, мессенджерах и бумажных приказах?
В новой статье я подробно разобрал:
— чем ИИ отличается от автоматизации;
— где его реально можно применять в стройке (и зачем);
— как выглядит путь цифровой зрелости от уровня 0 (бумага) до уровня 4 (ИИ на данных предприятия);
— какие управленческие решения можно принимать, когда у тебя есть цифровой двойник компании;
— почему ИИ — это не про пилот ради гранта, а про системное развитие.
🧠 И главное:
ИИ станет помощником, только если вы поставите данные и дисциплину во главу угла. Без этого — только красивая презентация на конференции.
📖 Полная статья по ссылке:
https://dzen.ru/a/aFwKBrPkKj8mrdCg
#цифровизация #строительство #искусственныйинтеллект #BIM #МРСПлатформа #ИТвстроительстве
Forwarded from PromCore Rus
🤔 Кто на самом деле лидирует в проектировании жилых зданий?
Мы собрали и проанализировали данные по крупнейшим проектным компаниям в России — и цифры нас удивили.
🔍 Более 30 часов анализа открытых источников
📊 Сравнили не только объёмы м², но и реальную эффективность компаний
⚡️ Нашли неожиданные несоответствия между заявленными масштабами и фактическими возможностями
💡 В рейтинге вы узнаете:
- Кто проектирует быстрее всех
- Кто платит больше всех
- Кто зарабатывает больше всех
- Кто стабильнее, проектировщик при застройщике или нет !?
📈 Этот рейтинг — не просто список лидеров, а первая попытка показать реальную картину рынка.
🎓В проекте PromCore данный рейтинг ведется многие годы, сегодня мы его публикуем, а в статье объясняем почему. Ранее он велся , но немного другой. С появлением языковых нейросетей поиск информации стал проще и мы начали анализировать больше данных. Сейчас по оценке Chat GPT:
- Ясность структуры : 8 /10
- Методология и аргументированность : 9/10
- Полезность и инсайт : 9/10
- Объективность и прозрачность : 8/10
- Практические выводы : 8/10
- Доступность для широкой аудитории : 7/10
Мы собрали и проанализировали данные по крупнейшим проектным компаниям в России — и цифры нас удивили.
🔍 Более 30 часов анализа открытых источников
📊 Сравнили не только объёмы м², но и реальную эффективность компаний
⚡️ Нашли неожиданные несоответствия между заявленными масштабами и фактическими возможностями
💡 В рейтинге вы узнаете:
- Кто проектирует быстрее всех
- Кто платит больше всех
- Кто зарабатывает больше всех
- Кто стабильнее, проектировщик при застройщике или нет !?
📈 Этот рейтинг — не просто список лидеров, а первая попытка показать реальную картину рынка.
🎓В проекте PromCore данный рейтинг ведется многие годы, сегодня мы его публикуем, а в статье объясняем почему. Ранее он велся , но немного другой. С появлением языковых нейросетей поиск информации стал проще и мы начали анализировать больше данных. Сейчас по оценке Chat GPT:
- Ясность структуры : 8 /10
- Методология и аргументированность : 9/10
- Полезность и инсайт : 9/10
- Объективность и прозрачность : 8/10
- Практические выводы : 8/10
- Доступность для широкой аудитории : 7/10
Forwarded from Revit и BIM технологии | BIM2B
#BIMdigest 151 — Лидеры и догоняющие
— лидеры цифровизации: отчёт Autodesk по строительной отрасли 27 стран;
— плагин от BIM PURE;
— Enscape подключают к Cosmos;
— Python в Dynamo: определение толщины стенки воздуховода;
— новое видео от Гэвина Крампа;
— обновление Civil 3D 2026.1: проектирование и анализ дренажных систем.
— лидеры цифровизации: отчёт Autodesk по строительной отрасли 27 стран;
— плагин от BIM PURE;
— Enscape подключают к Cosmos;
— Python в Dynamo: определение толщины стенки воздуховода;
— новое видео от Гэвина Крампа;
— обновление Civil 3D 2026.1: проектирование и анализ дренажных систем.