以人工智能技術賦能建筑行業前期咨詢工作為目標，探討了構建人工智能生成可行性研究報告平臺的可能性和路徑。基于人工智能寫作的商業化現狀，建筑領域的數字化升級需求以及NLP（自然語言處理）等技術的日漸成熟。通過分析建筑業發展現狀和未來趨勢，設計了一套實現方案并依次解析結構，以顆粒度設計和語言網絡為主軸介紹平臺數據化的思路，以賦能工程前期咨詢工作，加快全行業的產業轉型。

1　智能寫作的市場分析

1.1　智能寫作的現狀

人工智能寫作的產品以技術路徑角度劃分主要有兩類：主動創作型和輔助創作型。主動創作型的智能寫作應用主要有兩點特征。第一是半原創性，與傳統寫作相比，它僅需用戶劃定足夠精確的顆粒度范圍，提供文章所需的關鍵詞即可，接下來的工作將交付程序自行完成，大大降低了人力投入成本，但又未脫離用戶對文章走向的把控[1]。第二是高度依賴語言模型，對語言模型的選擇直接關系到應用平臺的工作模式、處理時間以及結果質量。

然而，在當前的技術邊界下，人工智能寫作能否達到主動創作能力，無論是從技術還是投資角度都有著很高的門檻。在提高勞動產率和確保良率上，不少產品偏向于選擇對作品質量更有保障的輔助創作型。輔助創作相對主動創作而言，從經濟角度可縮減研發投入，從產品角度能夠輕松得完成商業化。但這一類型的智能寫作工具往往聚焦于對原始文本的改造、擴寫或填充。

1.2　商用產品調研

當前，人工智能寫作領域的產品主要集中于內置模板和算法續寫兩類模式。前者根據不同文案場景內置對應模板，根據用戶提供的關鍵詞搭配模板生成文章內容，其優勢在于在較低的開發難度下，盡可能保證了寫作結果的基本質量及主題貼合度。但其相對保守的智能寫作方案決定了此類產品偏向于“寫作”而非“智能”，產品維護更新的時間成本、人力成本、經濟成本偏高。與之不同的是實行算法續寫方案的產品。此類產品高度依賴預訓練語言算法模型,以用戶視角看，該模式可在維持文章結構的前提下，擺脫模板對應用場景的一定限制；從開發者角度看，優質且獨立的算法將成為應對同質競爭的有力武器。然而，由于當前語言模型算法的技術邊界限制，該方案所呈現的效果上限明確。

作者以推廣度、軟件下載量和開發單位背景等多維度論證，在眾多方案不一的人工智能寫作產品[2]中提取出如表1所示的6個成熟的商業化產品。

表1　產品分析

國內產品的采取方案以內置模板和算法續寫為主。以智搜寫作和火龍果寫作為例，前者提供大量的場景接口，以內置模板作為應用邏輯達到匹配自定義關鍵詞的場景，輔助實現人工智能的目標。而火龍果寫作則以預訓練語言模型為基礎，根據上文內容續寫下文選段，并一次生成多種不同走向的續寫文案供用戶挑選，以實現對文章結構和文筆風格等方面進行調整、優化與再創造的目標。美國的Jarvis.AI是主動創作型人工智能寫作工具的代表，它通過使用復雜的神經網絡和深度學習，理解和輸出數百萬個單詞。該模型還根據以前生成的AI內容進行學習，以便多樣、靈活地輸出無窮無盡的文本段落，以成為文字工作者的生產力提升器。而在輔助創作型工具中，以Grammarly為代表的文案斧正軟件更受歡迎。通過自身的語言數據庫，Grammarly根據文章的自定義目的來微調語法，針對讀者的范圍，文章的形式，應用領域，語氣語境等，調用對應的詞匯語法數據庫替代不合適當下目標的語句和詞匯，通過細微的上下文線索判斷文筆情緒。

1.3　落地可行性研究報告領域的可行性

基于以上成熟智能生成產品的分析調研，通過分解可行性研究報告結構，捋順可研報告智能生成的落地可行邏輯。通過基于NLP自然語言處理技術和應用深度學習模型循環神經網絡，輸入關鍵要素，通過數據獲取、清洗、分析、共享，即可實現可研報告的AI智能生成。而鏈狀循環神經網絡可以通過循環保存過往記憶信息，實現模擬人腦的認知判斷，每次指定新的項目特征參數時都可以根據過往的記憶序列進行模擬生成相似的文本報告。

近年來，從Transformer中脫胎出的成熟的預訓練語言模型BERT和GPT-2語言模型被廣泛地應用，這將大大的減少本項目的前期開發投入成本，避免重復“造輪子“的尷尬。可行性研究報告的文本雖然具有創造性，但同時其文本結構也具備一定的格式性。平臺內置的模板和數據庫可做到精確貼合可行性研究報告的格式屬性，將人工智能的功效圈定在可行性研究報告的結構框架下，有效的提高報告生成質量和效率。

2　可研智能生成平臺的定位

將人工智能寫作與可行性研究報告相結合，顛覆前期咨詢領域的工作方式，賦能建筑行業的智能化產業升級。通過綜上對國內智能建筑特別是可行性研究報告領域的情況研究，當前我國建筑領域的智能化建設還處于初級階段，在項目進行的各個環節，智能化升級仍存在很大的發展空間。在工程前期咨詢階段，可行性研究報告是決定項目建設成敗的重要因素之一，以此領域作為主軸，以差異化為突破口，以技術融合為手段，盡力打造出一款于當前垂直細分領域的首款龍頭應用。

3　智能生成方案設計

可研智能生成平臺將聚焦于智能生成、文本糾錯、內容分類三大主要功能模塊，為報告編寫者實現從材料輸入，過濾，分析，生成到糾錯的全過程服務。方案設計主要涉及顆粒度劃分、語言網絡及功能運用。

3.1　可行性研究報告的顆粒度

顆粒度劃分精準程度直接影響智能生成報告質量的好壞。依據可行性研究報告大綱的結構，構建以一級標題為主，二級標題為輔的顆粒度，分為總論、建設單位及相關簡介、建設背景及必要性、選址、政策及行業準入分析、現狀及整體改造建議、需求分析及規模、產業分析、市場分析、項目定位、設計方案等三十個基本類別。每項大類細分多個小項，以總論為例，下分項目由來、項目概況、研究內容及編制依據、主要技術經濟指標、結論及建議。

3.2　語言網絡

語言網絡涉及BERT和GPT-2。BERT主要實現文本摘要，可捕捉詞語和句子級別的representation；GPT-2實現文本生成，預訓練語料主要來自THUCNews。語料來自業務報告積累和政府級建設項目網站等，約近百個建設項目可行性研究報告。

算法層由深度學習、知識圖譜、機器學習和大數據等功能模塊組成，主要解決在海量的結構化信息灌輸下，平臺如何有效地找到匹配。算法是指對大量已知或未知的對象進行分析并將其轉化為可識別結果的過程。這其中，對于深度學習方面的要求尤為重要。首先，識別并抽取要處理的對象，然后選擇合適的分類歸檔方法。再接著使用正確的技術路線來做到對歷史記錄的數據化存儲，構建知識圖譜，最終可在下次下一次任務時完成對信息的檢索匹配。

3.3　功能運用

人工智能可研平臺將包含文本語法糾錯、文本查重、語義情感分析與改寫等能力。功能運用描述如表2所示。

表2　功能運用描述

4　學習能力考驗與督查

4.1　人工智能自主學習能力有限

通過算法成就的自主學習能力也是軟件平臺在同類型競品中的天然“護城河”，形成了可持續發展的隱形競爭力。由于當前業界對于語言預訓練模型的構建尚處于不成熟階段，大部分現有產品的質量和技術邊界參差不齊，盡管有類似GPT-3和BERT這一類的預訓練模型證明了人工智能在生產力升級時的巨大潛力，但這一技術邊界僅代表文本完全自主生成的初級階段。當用戶對所產生的文本小幅度的修改，并將重復同一個語句時，人工智能匹配文本與前文文本相比沒有任何變化，證明人工智能匹配文本缺乏更正錯誤和記住錯誤的邏輯步驟，產品難以記住帶有個人印記的寫作邏輯。

4.2　督查與監管

對人工智能大數據的依賴意味著它對每一種文本作品的著作權發起了挑戰。根據我國《著作權法》的規定[5]，著作權的主體是著作人，所保護的對象是表達而非思想。人工智能寫作的主體雖然不是人類，但在算法的背后依然存在著人為思想引導的證據。即使有人類的參與，也很難判斷這項行為于法律層面是否為純粹的創作行為。雖然目前國內對人工智能寫作領域的著作權仍存在諸多爭議，但在版權保護的探索實踐還在不斷進行。

5　結語

本文以建筑領域的數字化升級背景為開端，剖析了人工智能可行性研究報告的市場需求和產品定位，以顆粒度為主軸介紹了方案設計的數據化實現思路，以BERT和GPT語言網絡探究了方案框架搭建的基本邏輯。如今，隨著后疫情時代對勞動力產出效率的要求逐漸提高，行業為深度人員優化，使得人工智能技術賦能詳盡性、程序性的工作成為趨勢，智能可行性研究報告作為咨詢服務數字化升級的突破口，是未來全行業進步的“試金石”，與人工智能有機結合可幫助行業積累充分詳備的路徑經驗，在不久的將來，今天的路線探索可作為成熟的指導建議賦能建筑領域其他業務的智能數字化升級工作，加快全行業的產業轉型。(作者：孟獻寶，熊躍華，王凱文)