Искусственный интеллект представляется одной из наиболее перспективных технологий для гражданского строительства, но он также вызывает много опасений у технически подкованных фирм. Хотя он предлагает потенциальные преимущества, такие как более быстрые, эффективные и безопасные процессы проектирования и строительства, несколько серьезных вопросов требуют осторожности при его внедрении. К ним относятся вопросы, связанные с безопасностью данных и правом собственности, непредвиденными результатами, возможной потерей работы и другими последствиями для профессионалов отрасли, вызывающими страх у общественности, подобный тому, что наблюдается в отношении таких общедоступных инструментов, как ChatGPT и Google Bard. Опасения, что ИИ может взять на себя слишком много контроля над нашей жизнью, как это изображено на примере HAL в серии "Космическая одиссея" Артура Кларка, еще больше усиливают тревогу.
Как и в случае с другими новыми технологиями, эксперты сходятся во мнении, что реальность, скорее всего, находится между восторженными сторонниками и скептическими критиками ИИ. Опираясь на первые успехи, компании могут внедрить искусственный интеллект в свою деятельность, одновременно устраняя опасения относительно потенциальных негативных сторон. Некоторые компании уже сочетают уже разработанные технологии, такие как робототехника, автоматизация и сбор цифровых данных с ИИ, например, использование лазерных сканеров, установленных на роботах компаний Trimble и Boston Dynamics. Эта технология позволяет собирать огромное количество данных о местоположении строительных площадок для обработки искусственным интеллектом. Затем эти данные могут автоматизировать другие задачи, включая контроль качества, мониторинг графиков и процессы оплаты. Питер Зиглер, старший менеджер по рынку компании Trimble, утверждает, что ИИ и машинное обучение могут анализировать данные, освобождая специалистов по строительству для выполнения других важных задач. Более того, он считает, что ИИ может учиться на примере нескольких проектов и применять эти знания в новых проектах в будущем.
Технологии, основанные на автоматизации, стимулируют развитие приложений ИИ в компаниях AEC. Burns & McDonnell, международная архитектурная, инженерная и строительная компания, разрабатывает прототип системы компьютерного зрения, которая оценивает активы заказчика, по словам Джеффа Дэнли, младшего консультанта по технологиям и инновациям в Burns & McDonnell. Объединив данные, полученные на месте работ, такие как снимки с камер на стройплощадке, с данными проектной документации, компания сможет "более проактивно" планировать безопасность, использовать искусственный интеллект для улучшения ежедневного планирования и составления графиков и делать прогнозы на основе прошлого опыта, внешних факторов, включая погодные условия, и критических видов работ по проекту.
Компания также использует компьютерное зрение для автоматизации трудоемких задач при проектировании и анализе. Например, при анализе инфраструктурных проектов консультанты часто начинают с видеоинспекции с помощью оборудования CCTV. Компьютерная система искусственного интеллекта может научиться на основе правил, установленных людьми, отмечать проблемные участки при проверке CCTV, при этом участки без проблем получают зеленый свет, где вмешательство человека не требуется. Это позволяет консультантам сосредоточиться на действиях и решениях на основе результатов моделирования, а не на ручном вводе данных. Саша Томич, руководитель отдела цифровых водных ресурсов компании Burns & McDonnell, считает, что ИИ моделирует данные быстрее, чем традиционный метод, и импортирует данные ГИС, что позволяет консультантам больше сосредоточиться на результатах и меньше заниматься вводом данных. Томич, один из первых внедрителей ИИ в водной отрасли, разработал WaterGEMS и участвовал в разработке решений по распределению воды компании Innovyze.
Искусственный интеллект в строительстве - возможности
ИИ открывает возможности для проектирования САПР и BIM. По словам Джеффа Дэнли, генеративный ИИ может помочь проектировщикам, изучая закономерности из существующих данных и генерируя выходные данные, такие как изображения, текст и 3D-геометрия. Инженер может определить основные параметры проекта, что позволяет генеративному ИИ, различным программам автоматизации создать несколько вариантов дизайна. Искусственный интеллект позволяет им тщательно взвесить все плюсы и минусы каждого варианта.
В отличие от производства и других отраслей с более повторяющимися процессами, уникальные проблемы и возможности, возникающие из-за специфики проектов в строительстве, требуют иного подхода к использованию ИИ. Компания DPR Construction, генеральный подрядчик, изучает потенциал ИИ в обучении и принятии решений на основе знаний, полученных в ходе реализации прошлых проектов, отдавая предпочтение человеку при принятии окончательных решений. "Если мы будем рассматривать искусственный интеллект как помощника людей, принимающих решения, то в строительстве это будет очень полезно", - сказал Хриши Маха, руководитель отдела анализа данных компании DPR.
Маха считает, что искусственный интеллект может помочь компании быть более предсказуемой в поиске и реализации проектов путем планирования и определения потребностей в персонале. Используя данные предыдущих проектов, можно определить размер проекта, сочетание необходимых профессий и другие факторы, которые повлияют на потребность в персонале. Кроме того, ИИ может помочь оценить стоимость, календарный план и другие данные проекта, чтобы определить, находятся ли они в пределах значений, обозначенных предыдущими проектами. Строительная фирма использует Microsoft Azure ML и внутренние собственные алгоритмы для создания приложений ИИ.
За последние несколько лет в дополнение к общедоступным инструментам ИИ, основанным на больших языковых моделях (LLM) и огромных открытых данных, появились инструменты ИИ, предназначенные для строительства. В 2022 году компания Slate Technologies представила Slate Digital Assistant, который использует искусственный интеллект и ОД для предоставления информации о принятии решений с учетом условий и контекста. Их помощник по принятию решений, выпуск которого ожидается в конце этого месяца, основывается на существующем программном обеспечении и предоставляет множество функций для помощи группам управления строительством в процессе принятия решений.
Платформа Slate использует многомерный анализ для обучения, поскольку она анализирует такие источники данных, как 3D-модели, системы планирования ресурсов предприятия (ERP), электронные письма, запросы на информацию (RFI) и общедоступные данные, такие как погода, трудовые ресурсы и трафик. Программное обеспечение определяет стоимость отдельных элементов и выделяет такие элементы в 3D-модели. Оно также может общаться с пользователями, отвечая на вопросы, выделяя открытые проблемы и предлагая пути их решения. Кроме того, Slate планирует усовершенствовать свое программное обеспечение, позволив ему информировать новые проекты на основе предыдущего опыта, используя CAD/BIM-плагины для поддержки проектных решений. "Это изменение парадигмы, которое не ограничивается запросом данных; это также представление данных и подсказка пользователю", - говорит Джоэл Хатчинес, директор по продуктам компании Slate.
В строительной отрасли доступны несколько инструментов искусственного интеллекта, включая AirWorks для создания линейных работ на основе геопространственных данных, ALICE для планирования проектов и nPlan для планирования данных на основе машинного обучения. Chat GPT, Google Bard и некоторые другие плагины также доступны для использования в строительных задачах. Представители отрасли могут воспользоваться поиском в Интернете, чтобы найти многочисленные отраслевые инструменты ИИ.
Однако невиданные результаты и другие проблемы могут помешать широкомасштабному внедрению ИИ. Томич из компании Burns & McDonnell отметил общее отсутствие понимания ИИ среди рабочих, особенно в отношении LLM. Он сравнил LLM с заполнением пазла, где несколько кусочков заполняют остальные, добавив, что искусственный интеллект дает нереальные результаты, когда его направляют в определенном направлении. Он обеспокоен тем, что ИИ не может выявить закономерности или предсказать, почему для получения результатов выбираются определенные шаблоны.
Зиглер из Trimble добавляет, что цели ИИ нуждаются в более четком определении перед полномасштабным внедрением. По его словам, анализ и оценка могут ограничить потенциальные негативные последствия недействительных результатов ИИ и галлюцинаций. Кроме того, важные вопросы вызывает безопасность данных, поскольку компаниям не следует передавать собственные данные в общедоступные инструменты ИИ. Перед полномасштабным внедрением следует также тщательно оценить право собственности на результаты работы ИИ и связанные с ними данные.
Репутация строительной отрасли, способной принимать новые технологии, должна способствовать совершенствованию ИИ, прежде чем он заменит человеческий контроль при проектировании и строительстве. Такая стратегия может помочь преодолеть камни преткновения, возникающие при использовании ИИ в других отраслях.