Как искусственный интеллект пришел на стройку
ИИ. НАЧАЛО
Сергей Марков, управляющий директор, начальник Управления экспериментальных систем машинного обучения Дивизиона общих сервисов «Салют» Сбер, рассказал «МП», как начинался этот меняющий реальность феномен. Впервые понятие «искусственный интеллект» прозвучало из уст американского информатика Джона Маккарти в 1956 году на семинаре в Дартмутском колледже. Определение Маккарти звучало следующим образом: «Искусственный интеллект – наука и инженерная деятельность, направленная на создание умных (intelligent) машин». Стюарт Рассел и Питер Норвиг в своей классической работе «Искусственный интеллект: современный подход» выделяют четыре различных исторических подхода к определению интересующего нас понятия, но в целом они сходятся в одном: искусственный интеллект – это дисциплина, ставящая своей целью создание систем, способных решать интеллектуальные задачи, то есть такие задачи, которые люди традиционно решают при помощи собственного интеллекта. Или, как выразился Рэймонд Курцвейл: «Искусство создания машин, выполняющих функции, требующие интеллекта в случаях, когда их выполняют люди».
В арсенале искусственного интеллекта как направления науки и технологии множество различных методов – от наборов правил, позволяющих машинам решать сравнительно несложные задачи, до машинного обучения и глубоких нейронных сетей, благодаря которым за последние 10 лет машины научились не только уверенно распознавать зрительные образы и человеческую речь, но и вести осмысленный диалог или генерировать картины и видео по текстовым описаниям. Этот быстрый прогресс часто называют «новой весной» искусственного интеллекта, «революцией глубокого обучения». Ее начало обычно отсчитывают с появления нейронной сети AlexNet, совершившей прорыв в деле распознавания объектов на изображениях. Сегодня нас уже не удивляют победы нейросетевых моделей над мастерами игры го, создание машинами картин, музыки и даже новых химических соединений, а также многие другие вещи, которые еще в начале нового тысячелетия мы посчитали бы чудесами.
ОТ СЕЛФИ ДО РОБОТА РОБОТОВ
Современные технологии ИИ быстро стали частью нашей жизни. Например, каждый раз, когда вы делаете селфи при помощи своего смартфона, обработку фотографии выполняет нейронная сеть, а благодаря другой «нейронке» вы можете использовать голосовые команды, чтобы попросить виртуального помощника поставить ваш любимый музыкальный трек. Поэтому, наверное, пора уже начать говорить не о весне, а о лете искусственного интеллекта. Тем более что за прошедшее десятилетие в области ИИ произошло множество новых важных событий. Например, созданная в 2017 году нейросетевая архитектура под названием «трансформер» позволила создать такие замечательные сервисы, как ChatGPT и Midjourney (или отечественные GigaChat и Kandinsky).
Если говорить о значении передовых технологий ИИ для промышленности, то их роль в четвертой промышленной революции трудно переоценить. Продвинутые системы компьютерного зрения, анализа различных данных, получаемых от сенсоров, моделирование физических, химических и биологических процессов, создание новых конструкционных материалов, промышленный дизайн, управление роботами – вот впечатляющий, но отнюдь не полный список областей применения ИИ в промышленности. Прогресс в этой области достаточно быстрый, вот лишь один небольшой пример. В конце 2022 года исследователи из Google порадовали общественность новой многозадачной трансформерной моделью RT-1 (Robotic Transformer-1, Трансформер для роботов-1), предназначенной для управления роботом, решающим задачи в реальном мире. В июле 2023 года была представлена вторая версия модели – RT-2, а в начале октября 2023-го был опубликован набор данных под названием RT-X. Он был создан исследовательской лабораторией DeepMind совместно с партнерами из 33 академических лабораторий и содержит в себе около миллиона примеров решений 22 моделями роборук 150 000 задач, относящихся к более чем 500 навыкам. Исследователи смогли показать, что добавление в обучающую выборку трансформерной нейросети данных, относящихся не только к целевому, но и к другим типам роботов, приводит к значительному росту доли успешно решаемых задач. Чтобы исследовать этот эффект передачи знаний, авторы изучили работу роборуки под управлением модели RT-2, обученной с привлечением данных, полученных на других роборуках. Оказалось, что этот подход позволяет примерно в три раза повысить долю успешных решений на новых для системы задачах.
Способность современных моделей машинного обучения выполнять сложные операции по анализу и синтезу данных, относящихся к различным сенсорным модальностям (зрительной, слуховой и т. д.), быстро расширяет возможности машин оперировать с объектами реального мира, что позволит уже в ближайшем будущем быстро трансформировать производственную сферу, как, впрочем, и другие сферы жизни.
БОЛЬШИЕ ДАННЫЕ И БОЛЬШИЕ ЦИФРЫ
О значительном экономическом эффекте применения искусственного интеллекта рассказал и федеральный координатор проекта «Цифровая Россия», депутат Комитета по информационным технологиям ГД Антон Немкин. Компании, которые уже внедрили искусственный интеллект в свою работу, говорят о позитивных бизнес-эффектах на экономическом и социальном уровнях, считает он. «В первую очередь внедрение ИИ, который занимается рутинными процессами, освобождает время сотрудников предприятий на то, чтобы заниматься более сложными творческими задачами. Кроме того, он способен заменить человека при выполнении тех задач, которые могут быть опасны для жизни и здоровья, или же просто помочь быстрее сориентироваться в тех ситуациях, когда необходима быстрая реакция или принятие сложных решений», – считает представитель IТ-комитета ГД.
Это касается и девелопмента. Тренд на использование технологий искусственного интеллекта на всех этапах девелопмента с каждым годом становится все популярнее – это отчетливо видно и по технологическим разработкам, и по интересу строительной отрасли к ИИ в целом. Все большую популярность набирает тенденция создания IT-решений непосредственно девелоперами и выводом их на рынок.
Рост популярности ИИ в строительной отрасли отражают и прогнозы экспертов: если в 2021 году этот рынок оценивался в $496 млн, то к 2031 году он должен вырасти до $8,6 млрд. При этом российские специалисты активно внедряют на рынок свои разработки – сегодня существует уже порядка 3 тысяч отечественных IT-решений для стройки. Сегодня один из самых востребованных и распространенных вариантов использования ИИ в стройке – предиктивная аналитика. Это способ прогнозирования, основанный на использовании big data и искусственного интеллекта. Самый простой пример использования метода – возможность предсказать количество материалов и оборудования, которые потребуются на стройке для оптимизации расходов.
Способность ИИ анализировать огромные объемы информации и формировать собственные концепции, опираясь на изначально заложенные разработчиками знания, также помогает выявлять конфликты еще на этапе проектирования, уменьшает количество необходимых изменений на стройплощадке, снижает затраты и помогает соблюдать сроки. Уже в 2024 году мы можем ожидать более глубокой интеграции технологий на основе ИИ на этапах проектирования и планирования строительства, будут развиваться более продвинутые возможности для моделирования. Например, технология цифровых двойников уже сегодня позволяет предсказать развитие ситуации на объекте.
ИИ НА СТРАЖЕ ЖИЗНИ И ЗДОРОВЬЯ
Интеллектуальные системы мониторинга также способны отслеживать качество на всех этапах строительства при помощи датчиков и камер. Например, при бетонировании ИИ контролирует соответствие состава бетона заданным параметрам, температуру и влажность на объекте, а при кладке кирпича отслеживает толщину швов и прочность раствора. Системы машинного зрения проверяют визуальное качество поверхностей, чтобы своевременно предупредить о дефектах строителей. Кроме того, технологии, основанные на ИИ, могут контролировать соблюдение правил техники безопасности.
Не менее активно в будущем станет развиваться использование на объектах роботизированной техники, которая сможет работать как в команде со строителями, так и автономно, оптимизируя процессы и сокращая физическую нагрузку на людей.
Компании сегодня пытаются в целом автоматизировать практически все процессы. Широкое распространение получили типовое проектирование, планирование, мониторинг и управление ресурсами – все это делается с использованием технологий на основе ИИ. По оценкам специалистов, внедрение решений на основе ИИ ведет к сокращению расходов в строительной индустрии на 20%.
Внедрение ИИ в строительство продолжит активно развиваться и совершенствоваться, а главная цель при этом – исключить все возможные риски. Степень ответственности за итоговый продукт в девелопменте крайне высока, от этого зависит не только комфорт наших граждан, но и их жизни. Стратегия нашей страны в отношении ИИ – возглавить и занять лидирующие позиции в мире. При этом нужно всегда помнить, что в критически важных направлениях и чувствительных темах искусственный интеллект не может принимать финальное решение, за этим всегда должен стоять человек.
ОТВЕЧАЕТ РОБОТ
О том, как отдельные механизмы ИИ применяются на практике, рассказал основатель FINCH.fm Дмитрий Щипачёв. По его словам, в строительстве давно используются инструменты видеоаналитики. Такие системы могут обеспечить контроль СНИП и техники безопасности, отслеживать этапы строительства, управлять доступом на объекты и т.п. В прошлом году с развитием LLM-моделей начали активно внедряться технологии, позволяющие автоматизировать работу сотрудников (Large Language Model, LLM – нейросеть, которая обучается на огромных корпусах текстов и может использоваться для многих задач, таких как генерация текста, перевод, классификация запросов. – «МП»).
«В данный момент мы ведем несколько проектов для крупных застройщиков по замещению сотрудников на LLM-автоматизации, – рассказал Щипачёв. – В основном внедряем автоматизацию в отделы клиентской поддержки, закупок, управления проектами и юридического сопровождения. Например, в сфере закупок мы помогаем автоматизировать поддержку тендерных площадок, в которой заняты десятки сотрудников, обеспечивающих сбор и передачу информации между компанией и поставщиками. От скорости и точности этой коммуникации зависят темпы строительства, а автоматизированный менеджер способен отвечать в десятки раз быстрее, чем человек. Кроме того, система обеспечивает ограничение доступа к чувствительной информации и позволяет автоматически анализировать весь объем коммуникации для формирования отчетов руководству».
