Что такое машинное обучение в строительстве?

Искусственный интеллект так часто изображался в фильмах и других средствах массовой информации, 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.

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 ввиду две конкретные области: машинное обучение и глубокое обучение.

Машинное обучение содержит алгоритмы, позволяющие компьютерам обучаться с помощью данных, не будучи напрямую запрограмированными. 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, позволившеесделать прорыв в обработке изображений и языка, и таким образомсоздавшее предпосылкидля продвинутых приложений.

Сферы применения ИИ и машинного обучения в строительстве

Потенциальные области применения ИИ и машинного обучения в строительстве обширны. Составление исчерпывающего списка всех возможных вариантов использования находится за рамками одной статьи. Чтобы понять, насколько обширна эта область, представьте: несколько лет назад вы, возможно, каждый день принималимного 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 характерноне 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, хорошо известный вариант использования.

В обычном строительном проекте могут быть тысячи неразрешенных вопросов, сотни запросов на изменения (RFI) и бесчисленные заявки на внесение изменений, которые открываютсяв любой момент. Представьте умного ассистента,который может анализировать этугору проектных данных и оповещать вас о топ-10 критических ситуациях, требующихвашего 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.

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 описываютсвою работу как тушение пожара. Машинное обучение быстро становится вспомогательным инструментом, который заблаговременно определяет риски и помогает принимать решения до того, как это повлияет напроект.

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 чертылиц для того, чтобы с поразительной точностью автоматически отмечать отдельных людей.

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 и/или их руководителей для решения проблемы.

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

Существующие варианты применения машинного обучения в строительстве

Машинное обучение уже используется множеством способов – отобычного 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 существующейтехнологии машинного обучения:

- Предотвращение и сокращение рисков до того, как они повлияют на прибыль проекта
- Определениепроблемы 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

Как получить выгоду от машинного обучения в ваших проектах

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.

Алгоритмы в приложениях машинного обучения могут различать и оценивать объекты на изображении

Как и с каждой новой технологией, при любом внедрении важно осуществлять стандартное качественное управление проектом.В отношении машинного обучения есть несколько дополнительных рекомендаций, которые стоит запомнить.

• 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 замечанияпо безопасности в цифровой форме, то вы упускаете шанс получить информацию из этих исследований и сделать запланированныеулучшения.

• Начать с достоверныхданных. 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, 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.

Оригинал статьи – Ману Венугопал (ManuVenugopal), Autodesk

http://ancb.ru