Восстание машин, или Почему не надо бояться искусственного интеллекта

Наталья Есипова
369
Восстание машин, или Почему не надо бояться искусственного интеллекта

Искусственный интеллект (для краткости будем называть его ИИ) больше не является футуристической фантазией писателей или режиссеров. Более того: многие в строительной отрасли уже пользуются его преимуществами. Например, прогрессивные генподрядчики могут применять ИИ с инструментами, которые уже существуют на рынке, для увеличения производительности, максимизации прибыли и повышения безопасности. Так что же такое искусственный интеллект и машинное обучение в строительстве?

Искусственный интеллект так часто изображался в фильмах и книгах, что собрал вокруг себя достаточно мифов. От опасений, что ИИ захватит мир, до любопытства по поводу того, способен ли он чувствовать – очень легко угодить в мир фантазий. Традиционно считалось, что творчество присуще только людям. Но создание искусственного интеллекта изменило привычный порядок вещей. Более того — он способен «победить» человека хотя бы потому, что искусственный интеллект не может забыть — у него абсолютная память, нет эмоций, а значит, они не влияют на принятие решений. ИИ не колеблется, а оценивает вероятности и склоняется в пользу большей. Поэтому может оправдать каждый свой шаг. И, что немаловажно, у него хватает ресурсов, чтобы рассматривать все возможные варианты развития событий. 

Обучение: машинное и глубокое

Чтобы разобраться в том, как искусственный интеллект влияет на строительство, мы должны сначала четко понять, что это, по сути, такое — не в научной фантастике, а в реальности. Вообще, ИИ — обширная тема, включающая компьютерные науки, психологию и даже философию с лингвистикой. Однако, когда мы говорим об искусственном интеллекте в контексте его влияния на строительство, в первую очередь мы имеем в виду две конкретные области: машинное обучение и глубокое обучение.

Машинное обучение содержит алгоритмы, позволяющие компьютерам обучаться с помощью данных, не будучи напрямую запрограммированными. Например, алгоритм ИИ можно «натренировать» распознавать спам, продемонстрировав ему большое количество электронных писем, которые были вручную отмечены как спам или не спам. Алгоритм «учится» определять паттерны, которые помогут ему «интеллектуально» идентифицировать спам. Глубокое обучение — специализированная форма машинного обучения на базе нейронных сетей. Это более современное достижение, позволившее сделать прорыв в обработке изображений и языка, и таким образом создавшее предпосылки для продвинутых приложений. 

10 тысяч вариантов? Легко!

Чтобы понять, насколько обширна эта область, представьте: несколько лет назад вы, возможно, каждый день принимали много спама в своей входящей почте. Но сегодня вы, вероятно, получаете лишь несколько таких писем. Это связано с тем, что спам-фильтры теперь используют машинное обучение для определения шаблонов и предотвращения спама. И в этом они очень хороши.

Поскольку такое применение характерно не только для строительства, оно влияет на всех, делая нас более продуктивными и способными сосредоточиться на коммуникациях, связанных с работой. И это всего лишь один крошечный вариант использования.

Впрочем, вернемся к строительству. Возьмем знакомый многим генеративный дизайн, который может создать сотни тысяч вариантов конструкций и планировок, опираясь на критерии и ограничения, например, способ производства, материалы, заданные проектировщиком, при этом он предлагает варианты, которые человек не может даже вообразить! Например, Autodesk использовал эту технологию при проектировании своего офиса в Торонто. Исходя из заданных параметров и ограничений, программа всего за несколько дней нашла и протестировала 10 тысяч вариантов планировки офиса. Она вычислила оптимальную планировку пространства с расположением рабочих мест каждого из сотрудников, переговорных комнат и других общих зон, да еще с учетом всех возможных факторов — от количества дневного света в различных частях офиса и вида из окна до визуальных раздражителей, уровней шума и предпочтений по взаимодействию между отделами. После того, как искусственный интеллект предложил все возможные варианты, был выбран тот, который максимально соответствовал ключевым целям проекта. 

navisworks.jpg

Помощники для служб эксплуатации

А голландская строительная фирма Van Wijnen Groep использовала генеративный дизайн Autodesk при строительстве доступного жилья в городе Алкмар. Требовалось спроектировать жилой квартал так, чтобы одновременно соблюсти местные строительные нормы и требования девелопера. Для проекта было разработано семь параметров, в том числе финансовые, экологические, а также архитектурные. Каждый из полученных вариантов компоновки участка оценивался по ним, в итоге были выбраны лучшие варианты.

Впрочем, искусственный интеллект может помогать не только во время реализации проекта, но стать и частью завершенного здания. Скажем, для управления инженерными системами, датчиками климата, системами безопасности. Для служб эксплуатации он может быть помощником, который не только осуществляет оперативное управление, но и предупреждает возможные аварийные ситуации и следит за выполнением регламентных работ. Для развлекательных и торговых центров подобные системы вкупе с приложениями смешанной и дополненной реальности станут чем-то вроде сегодняшнего гугловского Siri, помощника, который облегчит навигацию по зданию. 

max4.jpg

Если ассистент, то только умный

В обычном строительном проекте могут быть тысячи неразрешенных вопросов, сотни запросов на изменения и бесчисленные заявки на внесение изменений, которые открываются в любой момент. Представьте умного ассистента, который может анализировать эту гору проектных данных и оповещать вас о топ-10 критических ситуациях, требующих вашего внимания сегодня. Машинное обучение — такой умный ассистент. Оно помогает командам определять самые критические факторы риска с точки зрения безопасности и качества на стройке, требующие немедленного внимания.

Например, такие приложения на базе машинного обучения как Smartvid.io могут «захватить» изображение строителя, оступившегося на лестнице, и добавить соответствующие пометки.

Инспекторы строительного надзора и инженеры строительства часто описывают свою работу как тушение пожара. Машинное обучение быстро становится вспомогательным инструментом, который заблаговременно определяет риски и помогает принимать решения до того, как это повлияет на проект.

Вторая сфера применения, которая может оказать широкое влияние на строительную отрасль — это применение меток и анализ изображений. Мы уже видим работу мощного ИИ в социальных сетях, где алгоритмы распознают черты лиц для того, чтобы с поразительной точностью автоматически отмечать отдельных людей. Но ту же технологию ИИ, обученную заново, можно использовать для того, чтобы определять и анализировать угрозы, классифицировать и прикреплять ярлыки к фотографиям со стройки, а также отправлять уведомления, если средства индивидуальной защиты не используются на площадке как следует. Технологию можно применять даже для того, чтобы определять, кто нарушает стандарты безопасности и отмечать их или их руководителей для решения проблемы.

Другие сферы применения могут включать выявление потенциальных проблем, например, конфликтов или утерянных материалов, маркировку и классификацию документов и даже пилотирование дронов, управление оборудованием и помощь в проектировании.

Проверяем субподрядчика

Машинное обучение уже используется множеством способов — от обычного спам-фильтра до продвинутого мониторинга безопасности. Технологии существуют и применяются инновационными компаниями для того, чтобы отмечать визуальные данные и анализировать их на предмет потенциальных угроз, а также для сокращения всех возможных рисков. Среди других сфер применения существующей технологии машинного обучения:

  • Предотвращение и сокращение рисков до того, как они повлияют на прибыль проекта;
  • Определение проблемы с высоким уровнем риска и автоматическое распределение по актуальным категориям;
  • Определение субподрядчиков с высокой степенью риска на основе данных в режиме реального времени, прошлой деятельности и других факторов;
  • Определение и приоритезация потенциальных угроз безопасности на протяжении жизненного цикла проекта;
  • Маркировка существующих угроз безопасности на основе визуальных данных, появляющихся на стройке. 

Получаем выгоду!

Как мы видим, в некоторых случаях вы уже извлекаете выгоду из машинного обучения в виде спам-фильтров и других технологий, находящихся внутри программ и решений, которые вы используете каждый день. Но для того, чтобы работать на опережение и получить конкурентное преимущество с помощью машинного обучения, строительные компании должны быть проактивными в его изучении и внедрении на своих площадках. Как и с каждой новой технологией, при любом внедрении важно осуществлять стандартное качественное управление проектом. В отношении машинного обучения есть несколько дополнительных рекомендаций:

  • Цифровизовать рабочие места и документацию. Это шаг номер один, поскольку таким инструментам, как машинное обучение, нужны данные для того, чтобы приносить пользу. Если вы не фиксируете ваши проверки качества и замечания по безопасности в цифровой форме, то вы упускаете шанс получить информацию из этих исследований и сделать запланированные улучшения.
  • Начать с достоверных данных. Когда речь заходит о применении машинного обучения на вашей стройке, помните: «плохое вложение = плохой результат». Убедитесь, что ваши строительные документы, проблемы и визуальные данные структурированы и достоверны — чтобы не учить вашу умную технологию плохим привычкам.
  • Выбрать правильную платформу данных. Есть ряд технологических вендоров, обеспечивающих решения для управления данными, но очень часто они несовместимы между собой. Машинное обучение и ИИ более эффективны, когда у них есть доступ ко всем данным со всех ваших платформ, а это возможно, только если они интегрированы между собой. Подыщите основную платформу вроде BIM 360, которая позволит вам управлять всеми строительными данными в единой среде, а также обеспечит сторонние интеграции таких вещей как ERP и управление проектом.
  • Управление предварительной аналитикой. Начните с малого — найдите несколько идеальных проектов и проектных команд, определите, как будет выглядеть положительный результат и протестируйте инструменты на базе машинного обучения. Это поможет вам и командам получать выгоду изо дня в день, а также разрабатывать передовые подходы прежде, чем внедрять их более широко.

Копировать ссылку
Автор материала: Наталья Есипова
Технологии
Копировать ссылку
«Профессию сварщика можно сравнить  с творчеством  художника»
«Профессию сварщика можно сравнить с творчеством художника»
Валерий Онищенко, 33 года, сварщик Завода металлоконструкций (МКЗ) Концерна «КРОСТ», победитель конкурса «Московские мастера».
26 Октября 2018
4128