A mesterséges intelligencia (AI) és a gépi tanulás (ML) egyre elterjedtebb technológiák a szélesebb tömegek körében. Még a nem túlságosan is tech-érzékeny, vagy technofób emberek is így vagy úgy, de kapcsolatba kerülnek ezekkel a csúcstechnológiákkal, ami az építőiparban is kezd megjelenni.

Kapcsolódó cikkek

• Mesterséges intelligencia az épületek könnyebb megvalósításához
• Milyen előnyökhöz juttatja az építőipart a mesterséges intelligencia ?
• Mesterséges intelligencia az épületekben
• A mesterséges intelligencia előnyei az építőiparban

Míg a mesterséges intelligencia olyan tág fogalom, amelyben a gépek képesek olyan feladatokat elvégezni, amelyeket általában emberek végeznek, az ML (gépi tanulás) a mesterséges intelligencia egy alcsoportja, és azon az elképzelésen alapul, hogy a gépeknek képesnek kell lenniük tanulni és alkalmazkodni a tapasztalat révén. Ezen túlmenően a mélytanulás a gépi tanulás egy alcsoportja, amelyben az algoritmusokat mesterséges neurális hálózatok (ANN) segítségével tanítják.

A mélytanulási modellek alkalmazása

A gépi tanulás számos iparágban hasznos lehet, például az építőiparban, a pénzügyekben, az orvostudományban, a közlekedésben stb. Elsősorban azonban a következő három alapvető probléma megoldására összpontosítanak:

Számítógépes látás: Ez az a folyamat, amelynek során a gépeket megtanítják arra, hogy megértsék a vizuális adatokat, például a képeket vagy videókat, és a megfigyeltek függvényében megfelelő műveleteket hajtsanak végre. Pl. építési biztonság, fényképek rekonstrukciója stb.

Természetes nyelvfeldolgozás (NLP): Gépek programozása az emberi nyelv szöveges vagy hangfelvételeken keresztül történő kiértékelésére. Példák: chatbotok, automatikus fordítás, jogi dokumentumok elemzése stb.

Regresszió: A mesterséges intelligenciát arra képzik ki, hogy megjósoljon egy számot vagy egy pontszámot, amely hasznos információt nyújt a felhasználónak. Pl. regressziós alkalmazások, részvényárfolyam-előrejelzés, csalásfelismerés stb.

A számítógépes látás növekedésének egyik mozgatórugója a napjainkban keletkező adatmennyiség, amelyet a számítógépes látás képzésére és fejlesztésére használnak fel.

Az általa kínált előnyök ellenére a számítógépes látás hihetetlenül összetett technika, amelyet aktualizálni kell. A számítógépes látás problémáinak három fő típusa létezik: Képosztályozás, objektumfelismerés és képszegmentálás.

Gépi látásról bővebben

Képosztályozás: A képosztályozási modellek elsődleges célja annak előrejelzése, hogy egy képet általában hogyan fognak ábrázolni. Bár a valós problémákban korlátozottan alkalmazhatók, ezek voltak az első modellek, amelyek forradalmasították és a gépi tanulás népszerűségéhez vezettek. Ezek az algoritmusok képeket vesznek bemenetként, és megjósolnak egy kategóriát, amely azt képviseli, amit a kép ábrázol. Ha például feltöltenek egy képet, amelyen egy kutya vagy egy macska látható, a képosztályozó algoritmus a képet a rajta megjelenő állat kategóriájába “sorolja”.

Tárgyfelismerés: Ezek az algoritmusok a képen található minden ismert objektum esetében meghatározzák az objektumkategóriát, és határoló vonalak segítségével felismerik az objektumok helyzetét. Az objektumdetektáló algoritmusok bemenetként egy képet kapnak, és egy előrevetített kategóriát adnak vissza, míg a képosztályozó algoritmusok bemenetként képeket kapnak és képeket is állítanak elő. A generált képeken azonban a megjósolt határoló vonalak pozíciói jelennek meg.

Képszegmentálás: A számítógépes látás szegmentálási kihívásai általában nehezebbek, mint más problémák, mivel a szegmentáláshoz használt algoritmusok pixelszinten dolgoznak. Ahelyett, hogy megjósolnák, hogy mit képvisel egy pixelcsoport, az algoritmusok inkább az egyes pixelek kategóriáját próbálják megjósolni az adott térben.

A képszegmentálási modellek bemenetként és kimenetként képeket használnak, azonban a kimeneti képek fölé egy megjósolt “réteget” helyeznek, amely az egyes pixelek kategóriáját reprezentálja.

Az instanciaszegmentálás hasonló a szemantikus szegmentáláshoz, azzal a különbséggel, hogy egy lépéssel tovább megy a számítógépes látás általános szegmentálási problémájának megoldásában. Ennek eredményeképpen egy kicsit fejlettebb, és egy réteggel összetettebb.

Elég nyilvánvaló, hogy az objektumfelismerési technológia óriási segítséget jelenthet az építőipar számára. Az objektumok felismerése egy összetett környezetben a legalapvetőbb lépés az építési jelenet kontextusának (azaz elrendezésének, szerkezetének) megértéséhez és értelmezéséhez, valamint az objektumok közötti funkcionális és szemantikai kapcsolatok létrehozásához.

A technológia alkalmazható az autonóm építőiparban, ahol a vezető nélküli járműveknek azonosítaniuk és elkerülniük kell az objektumokat, hogy a helyszínen navigáljanak és feladatokat hajtsanak végre. Hasonlóképpen a robotoknak is fel kell ismerniük bizonyos objektumokat (például falak, gerendák, ablakok, ajtók) a műveletek elvégzéséhez.

Ahhoz, hogy a mesterséges intelligenciát az építőiparban valóban ki lehessen használni, egyes alkalmazásokban rendkívül fontos az objektumok valós idejű (vagy közel valós idejű) észlelésének képessége. Az esetleges balesetek megelőzése például megköveteli a kockázatos viselkedés valós idejű azonosítását, például ha az emberi személyzet egy építkezésen veszélyforrás vagy mozgó tárgy közelében dolgozik.

Ahhoz azonban, hogy élő videótovábbításban követni lehessen az objektumok mozgását, nagyon gyors algoritmusra van szükség, amely képes minden egyes videóképkockát gyors egymásutánban elemezni, és az aktuális képkockában az összes érdekes objektumot, vagy fontosnak ítélt dolgot felfedezni, mielőtt a következő képkocka megjelenik.

A gyors AI-algoritmusok releváns és értékes adatokon képezhetők ki, hogy a legjobb eredményeket érjék el ezen a téren. A felügyelt gépi tanulásban (ML) az adatok minőségét az határozza meg, hogy mennyire hatékonyan annotálták azokat a modellképzéshez.

Mivel a mesterséges intelligencia modellt változatos adathalmazzal kell képezni ahhoz, hogy a valós körülmények között különböző megjelenésű objektumokat észleljen, a képzési és tesztelési képeket különböző forrásokból kell gyűjteni annak érdekében, hogy az adathalmaz az építési beállítások széles skáláját lefedje.

Gyakori kérdések a gépi tanulással kapcsolatosan

Mi az a mélytanulás ?

A mélytanulás a gépi tanulás egy részhalmaza, amelyben az algoritmusokat mesterséges neurális hálózatok (ANN) segítségével tanítják.

Mi a természetes nyelvi feldolgozás (NLP) ?

A természetes nyelvfeldolgozás (NLP) a gépek programozása az emberi nyelv szöveges vagy hangfelvételeken keresztül történő kiértékelésére. Példaként említhetjük a chatbotokat, az automatikus fordítást, a jogi dokumentumok elemzését stb.

Hogyan működik a tárgyfelismerő algoritmus ?

Az objektumdetektáló algoritmusok bemenetként egy képet vesznek, és egy előrevetített kategóriát adnak vissza, míg a képosztályozó algoritmusok bemenetként képeket vesznek és képeket állítanak elő.

El lehet mondani hogy főleg inkább a nagyobb építkezéseknél van, vagy inkább lesz haszna a mélytanuló algoritmusoknak, amelyek az építkezés helyét biztonságosabbá, a munkára fordított időt rövidebbé, a tervezést hatékonyabbá és gyorsabbá, a környezetet jobban védve fognak hasznot hajtani a jövőbeli építkezéseken.