Olvasási idő:7perc

Ha valaha is használt chatbotot egy cég vagy egy bank weblapján, vagy ha használt már okostelefont, akkor Ön már a mesterséges intelligencia haszonélvezője. Ha pedig egy nagyobb nevű webáruházban vásárol vagy a közösségi médiát használja, a keresési találatok, a feed és az ajánlások is mesterséges intelligencia beavatkozásával listázódnak. Az Ön online viselkedése, korábbi vásárlásai és webes keresései az Ön számára szabják testre a megjelenő eredményeket.

Kapcsolódó cikkek

A mesterséges intelligencia gyökerei az 1950-es évekre nyúlnak vissza, amikor Arthur Samuel, a terület egyik úttörője úgy definiálta azt, mint “az a tudományterület, amely a számítógépeknek azt a képességet adja, hogy kifejezetten programozás nélkül tanuljanak”. Más szóval olyan számítógépek, amelyek tapasztalatból tanulnak, a gyakorlatban hasznosítják is azt, és az eredményeket folyamatosan visszaellenőrzik.

Mesterséges intelligencia és az építőipar

A fentiekhez hasonló fejlett digitális technológiák az orrunk előtt vannak. Az építőipar azonban köztudottan lassabban vezeti be a technológiát, és az egyik legkevésbé digitalizált ágazat (a kézzel írt számítások, jelentések és gyakorlatok továbbra is gyakoriak). A digitalizálásra való áttéréssel szembeni ellenállás és a sok manuális, ismétlődő feladat a projektek késedelmével, költséghatékonysági hiányosságokkal, valamint a termelékenység, az egészség és a biztonság teljesítményének hátráltatásával fogja vissza az építőipart. Az építőiparban óriási lehetőségek rejlenek a digitális technológia bevezetésével a teljesítmény és a termelékenység javítása érdekében.

A legtöbb mesterséges intelligencia, amellyel az emberek ma találkoznak, gépi tanulás formájában jelenik meg, például amikor az internetes kereső a korábbi online viselkedés és interakciók alapján talál eredményeket. A gépi tanulás célja az emberi intelligencia lehető legjobb utánzása, de a gépi tanulás pusztán hatalmas adatfeldolgozási képességei révén felülmúlja az emberi meglátásokat, megérzéseket, vagy magát a döntéshozatalt. A mesterséges intelligencia és a gépi tanulás kifejezéseket gyakran felváltva használják, de a gépi tanulás a mesterséges intelligencia egyik részterülete.

Adatok

Az építőiparban az adatok mennyisége nagyobb, változékonyabb, összetettebb, és gyorsabban keletkeznek, mint valaha bármikor. Az adatok segíthetnek a jobb döntések meghozatalában. Az adatok persze nem érnek semmit, ha nem tudja őket felhasználni, de ha az adatok, az analitika és az emberi meglátások egyesülnek, akkor ez segíthet a működési hatékonyság javításában, a növekedési lehetőségek előmozdításában és a felelősségteljes döntéshozatal támogatásában. A technológia a híd az adatok, és az adatok feldolgozásából és elemzéséből származó pozitív eredmények között. Nézzünk meg pár lehetőséget hogy miben, és mivel tud a mesterséges intelligencia az építőipar segítségére lenni.

Gépi tanulás

Ezek olyan szoftverek, amelyeket úgy terveztek, hogy az emberekhez hasonlóan gondolkodjanak, hogy kiterjedt, változó adatsorok alapján megalapozott döntéseket hozzanak és hajtsanak végre. Ez a technológia költségmegtakarítást és hulladékcsökkentést eredményezhet azáltal, hogy előrejelzéseket készít olyan dolgokról, mint például egy épülő épületben az acélgerendák vágásainak optimalizálása. Az épületteljesítmény-szimulációk és mérnöki elemzések alkalmazása növelheti az építési és tervezési hatékonyságot egy tényleges épület digitális ikertestvérének felhasználásával.

Az építőipari adatok nagymértékben dimenzionálisak, ami azt jelenti, hogy számos változót tartalmaznak, mint például a szerkezetek mérete és alakja, vagy a munkaterületi körülmények. A adatok és változók nagyobb száma (azaz nagyobb dimenziója) kihívást jelent, de ezáltal pontosabb előrejelzéseket lehet készíteni a gépi tanulás segítségével.

Robotika

Az építőiparban már robotokat alkalmaznak (csak még egyes helyeken) a kőművesmunkák, vagy a betonvasak kötése során. A robotok még inkább bekapcsolódhatnak az építőiparba, hogy speciális, ismétlődő feladatokat végezzenek, vagy magas kockázatú veszélyes környezetben működjenek. Ebből kifolyólag a munkaterületen bevetett robotokkal a mérnökök, a fővállalkozók és a szakmunkások a figyelmüket a magasabb szintű készségeket igénylő feladatokra irányíthatják. Viszont a robotika magas kezdeti bevezetési, és telepítési költségei, valamint karbantartási és javítási költségei is jelentősek.

Tudásalapú rendszerek

A tudásalapú rendszerek a mesterséges intelligencia azon területe, ahol a számítógépek a meglévő tudás (adatok) alapján hoznak döntéseket. A tudásalapú rendszerek képesek nagy mennyiségű, különböző forrásokból származó adatot összegyűjteni és feldolgozni, és ezeket az adatokat összetett döntések meghozatalára felhasználni. A tudásalapú rendszerek két fő részre bontható: a tudásbázisra, amely az adatokat tárolja, és a speciális szoftverre, amely a tudásbázisban lévő adatokat dolgozza fel.

Ezek az eszközök segítenek hatalmas mennyiségű információ tárolásában és olyan meglátások előállításában, amelyek segítségével az emberek jobb döntéseket hozhatnak. Még arra is jók, hogy bemutassák, hogyan jutottak az általuk levont következtetésekre. A tudásalapú rendszereket már évek óta az orvosok is használják a pontosabb diagnózisok felállítására.

Ezen a területen a mesterséges intelligencia segíthet az építési szerződések kezelésében, hogy jobban megértsék az összetett kérdéseket és javítsák annak pontosságát. A mesterséges intelligencia hasonló felhasználása javítja a biztonsággal kapcsolatos kihívásokat a balesetekből származó adatok tárolásával, majd a megtanult tapasztalatok (adatok) alkalmazásával a kockázatok előrejelzésére és proaktív biztonsági ajánlások nyújtására lehet használni.

A tudásalapú rendszerek hatalmas mennyiségű adatot képesek kezelni. A kihívást az jelenti, hogy az adatok “jók”, azaz relevánsak, pontosak és értékesek legyenek. Az adatokat be kell szerezni és validálni kell. Mivel az építőipar összetettsége miatt egy adott projektben számos vállalat, anyag, ember, iparág stb. vesz részt, az adatok több forrásból származnak, és eltérő minőségűek. Az adatok megosztásával kapcsolatos tulajdonjogi és jogi kihívások szintén akadályt jelentenek ezen a területen.

Gépi látás

A számítógépek megfelelő szenzorokkal és kamerákkal képesek arra, hogy videón, fényképen vagy valós idejű környezetben lévő képeket értelmezzenek.
A gépi látás alkalmazása az építőipari biztonsági alkalmazásokban, az előrehaladás ellenőrzésében, és a hibák felfedezésében segíthet. A képek gépi látással történő gyűjtése, elemzése és felismerése kiterjeszthető az anyaggazdálkodási képességek javítására vagy a munkafolyamatok racionalizálására.

A sikeresen alkalmazott gépi látásnak meg kell “értenie” a teljes környezetet, amelyben működik, beleértve a dolgozókat, az anyagokat és a műveleteket. Ez a fejlesztés jelentős beruházást jelent a számítógéppel irányított perifériákba (kamerák, érzékelők, szenzorok), hogy nyomon követhessék az összetett és változó építési környezeteket és helyzeteket.

Természetes nyelvi feldolgozás

A természetes nyelvfeldolgozás (Natural Language Processing, NLP) lehetővé teszi a számítógéppel támogatott rendszerek számára, hogy utánozzák az emberi beszéd és szöveg folyamatát. Az NLP-technológiák célja, hogy feldolgozzák a szöveges vagy audio adatokat, és megértsék azok jelentését az író, vagy a beszélő által szándékolt kontextusban.

A virtuális asszisztensek, valamint a beszédből szövegbe fordító szoftverek megszokottá váltak az életünkben. Az NLP az üzleti folyamatok egyszerűsítésére és a termelékenység növelésére szolgáló területeken is egyre nagyobb teret nyer. Az építési dokumentumokban található strukturálatlan szövegek feldolgozása, a jobb projekttervezés, a biztonság és anyaggazdálkodás érdekében történő jobb betekintés a vállalkozók, építészek és mérnökök javára válhat. Az emberi nyelvek többféle jelentése, összetett variációi és a kivételei miatt a nyelvvezérelt alkalmazások programozása problémás és intenzív feladatot jelent ezen feltörekvő terület számára.

Optimalizálás

Az optimalizálás mesterséges intelligencia segítségével egy olyan problémamegoldó technológia, amely a lehetséges kimeneteleket elemezve és megjósolva találja meg a legjobb megoldást.

Az optimalizálás célja a termelékenység és a hatékonyság növelése, valamint idő, és költségmegtakarítás a korlátozott erőforrások mellett történő választás révén. Az optimalizálás javított munkarendeket biztosíthat, csökkentheti az anyagköltségeket, vagy javíthatja az energiahatékonyságot az építőiparban.

Az optimalizálásnak meglehetősen sok adatra van szüksége az előrejelzések elvégzéséhez és a döntések meghozatalához. Az építéssel kapcsolatos változók közé tartozhatnak az épülettervezés, a helyszíni körülmények, az anyagtulajdonságok és az építési stratégiák. A valós idejű feldolgozás és a nagy adatmennyiség nagy teljesítményű számítástechnikát igényel.

Az mesterséges intelligencia technológia integrálása és skálázása

Ezek a technológiák nem csak elszigetelten és különállóan működhetnek, mert megvan a lehetőségük arra, hogy együtt integrálódjanak és “okosodjanak” azokkal az emberekkel, akik működtetik és használják őket, hogy javítsák a szakértelmüket, a hatékonyságukat és a biztonságukat. Lehetséges például, hogy jobb ellátási láncokat lehet kiépíteni a képzett AI-szakemberek, a szoftverek, a robotika és a gépi tanulás és a mesterséges intelligencia által működtetett előrejelző technológia kombinációinak kihasználásával.

Az építőipar legkorszerűbb rendszere, az épületinformációs modellezés (BIM) a mesterséges intelligenciával együttműködve tovább növelheti a megbízhatóságot és a pontosságot az idő, és költségbecslés során. Egy olyan rendszer, amely automatizált rendszerekkel segítheti a tulajdonosokat, építészeket, mérnököket, a karbantartást, a támogató személyzetet a tervezésben, a szabályoknak való megfelelés ellenőrzésében, és a problémák diagnosztizálásában, rendkívül nagy segítséget jelent.

Ezek a rendszerek BIM-képeket és telepítési útmutatókat vetíthetnek közvetlenül a munkaterületre, például a padlóra vagy a falra, vagy a falak mögötti rejtett objektumok feltárására használhatnák a vízvezeték vagy HVAC-karbantartáshoz. A jövőbeli számítógéppel támogatott rendszerek lehetővé tehetik a csapatok számára az együttműködést és a teljesítmény javítását az adatok rögzítésével, és azok megfelelő felhasználásával.