Искусственный интеллект в строительстве: путь, который предстоит пройти
Искусственный интеллект (ИИ) бодро внедряется в строительную отрасль. Пока его присутствие в ней можно назвать точечным: эксперты сходятся во мнении, что рынку не хватает решения, которое бы объединяло и интерпретировало данные, получаемые из разных источников, интегрировавшись в остальные цифровые строительные и бизнес-продукты.
Цифровизацией в строительстве уже никого не удивить. В отрасли уже есть довольно зрелые сегменты, связанные со средой общих данных (СОД), информационным моделированием, которое позволяет стройке интегрироваться с проектным контуром. ИИ видится следующим шагом развития, способным работать с большим объемом данных – разрозненной рабочей технической и исполнительной документацией, которую генерирует отрасль.
«У 95 процентов существующего фонда недвижимости нет структурированных данных, просто разрозненная техническая документация, - рассказал на прошедшем в августе форуме «Строим будущее России» директор по развитию бизнеса ООО «АТП ТЛП архитекторы и инженеры» Алмаз Шакиров. – Эта информация – как раз место приложения аналитических усилий ИИ.
Другой вопрос, что документацию нужно должным образом подготовить, чтобы искусственный интеллект и системы автоматизации цифровизации могли ее обрабатывать».
Где работает ИИ?
Больше всего в строительстве искусственный интеллект сегодня занят в проектировании и частично на строительной площадке. Если говорить про стройку, ИИ хорошо распознает видеоизображение, с его помощью и с подключением специализированного ПО можно посчитать количество людей на стройплощадке, определить одеты ли они должным образом, работают они или сидят и курят и так далее. В результате компания имеет онлайн-картину, которая позволяет управлять процессом и убирает конфликт между строительным контролем и генеральным подрядчиком, возникающий вокруг «несправедливых» штрафов. Второе направление — это работа с рабочей проектной и исполнительной документацией.
«Здесь целиком ИИ пока не может заменить человека. Нельзя просто загрузить комплект документации и на выходе получить перечень замечаний, которые бы учитывал и нормативные нюансы, и несоответствия между разделами, - считает технический директор инжиниринговой компании «Элемент» Александр Титов. - Но работа людей, которые применяют для этого ИИ-агентов, очень сильно ускоряется. Если документация текстовая, то скорость повышается в десятки раз, с графикой нейросетям работать сложнее, нужно больше помощи человека, но все равно ИИ в 2-3 раза убыстряет производство и получение необходимого результата».
Третье направление – это проверка выполненных объемов работ, ее качества и соответствия рабочей проектной документации: камера 360 проходит по объекту и сравнивает данные с информационной моделью.
«Появились ИИ-агенты, которые помогают определить качество выполненных работ, несколько разработок действительно неплохо работают по определенному виду замечаний, - продолжает эксперт. – Что касается работы с конструктивными элементами, то ИИ хорошо видит дефекты поверхности. Это большая помощь строительному контролю, потому что любой человек на площадке может подзабыть нормативную документацию. Перечень выданных замечаний нужно отработать, внести в документ и дать подрядчику на исправление. ИИ с этим справляется значительно быстрее».
Если обратиться к проектированию, то здесь тоже во главе применения ИИ стоит работа с данными. Проектировщики ищут инструменты, способные работать с проектной документацией (ПД), которую потом направят в госэкспертизу. Нейросеть может полностью проанализировать информацию раздела ПД по каждому листу, дать перекрестные ссылки на нужные своды правил (СП), выдать замечания.
«Если каких-то данных не хватает, нейросеть не просто пишет, что их нет, но просит догрузить остальные разделы, чтобы она могла данные комплексно проверить, - поделился опытом главный архитектор архитектурного бюро «Мезонпроект» Павел Семикин. - Качество проверки, конечно, не стопроцентно, но очевидно, что ИИ никогда не сможет полностью заменить человека. Сейчас на рынке значение имеет ответственность и экспертность - два главных качества, которые нейросеть обеспечить пока не способна».
Что касается генеративного дизайна, который некоторое время назад был очень популярным, то, по мнению эксперта, «эта пена сходит». Студенты в архитектурных вузах, например, уже считают плохим тоном использовать генеративную «нейронку» где ни попадя.
«Они говорят, что, если их однокурсник просто вставляет в свои работы ИИ-картинки, его считают, мягко говоря, не очень умным, - продолжает Павел Симикин. - Ты можешь использовать ИИ: дорисовать деревья, пешеходов, но генерировать дизайн — плохой тон. Мне кажется, это очень хороший посыл на будущее: оголтелый ажиотаж вокруг ИИ и страх, что он заменит человека, сходит на нет. Подробные факты доказывают, что сокращение людей не влияет на эффективность. Гораздо лучше, если люди, обучившись работе с нейросетями, останутся на своих местах. Именно тогда все эти EBITDA и другие прочие показатели повысятся. Пришло время осознанного использования ИИ».
Кто виноват?
Вообще, дискуссии о том, насколько релевантны продукты от ИИ, не утихают. Довольно остро встает вопрос, в том числе и в юридической плоскости: кто отвечает, если ИИ ошибся в проекте или перерасчете, и какова цена такой ошибки.
«Нейросети врут просто безбожно, при этом, если ты их об этом спрашиваешь, ИИ человеческими словами говорит: «Да, я наврала, данных не было, а мне не хотелось расстраивать», - поделился Павел Симикин. – У нас нет инструментов верификации: предположим ты загрузил не все данные для ветрового расчета, ИИ тебе его сделает, придумав, то, что, ты не загрузил, и это, конечно, никого не устраивает».
Руководитель проектного офиса «Аэродинамика» Правительственной комиссии РФ, директор Центра развития индустриальных проектов в сфере ИИ РУДН Людмила Гонтарь считает, что выходом из этой ситуации может быть использование не генеративного, а нейросимвольного ИИ.
«Нейросимвольный ИИ полностью контролирует данные, которые ему поступают: у «генеративки» таких стандартных моделей просто нет, - объяснила эксперт. - Нейросимвольный искусственный интеллект — это прото-образец будущего гибридного киберфизического интеллекта или, как его ещё называют, когнитивного ИИ, «мысли» которого схожи с нашими оценочными суждениями».
По мнению руководителя направления цифровизации строительства «1С» Сергея Ерохина, вопрос эффективности решений во многом заключается в том, что, как ИИ, так и технологиям информационного моделирования (ТИМ) требуются ровные условия, налаженные бизнес-процессы и квалифицированные специалисты, а этого зачастую в строительных компаниях нет.
«ТИМ всегда пытаются догнать стройку, потому что в России как-то не прижилась культура, когда мы сначала все очень продумываем, а потом быстро реализуем. Информационная модель бежит за фактом, в нее постоянно что-то пририсовывают, - считает он. - С ИИ-подходом то же самое, потому что он требует трудоемкости. Да, он экономит время потом, но нам нужен эффект сейчас, а на самом деле - вчера».
Эксперт уверен, что появление искусственного интеллекта не снимает с менеджеров компании обязанность описывать бизнес-процессы, формализовывать их, делать инструкции. ИИ может ускорить заполнение табличек, но ему нужно задавать правила. «Если у тебя есть сметная программа, она тебе выдаст смету, она не выдаст котёнка, необходимо внедрять крупные информационные системы и автоматизировать бизнес, сделать это сначала это будет дешевле и быстрее, чем после внедрения ИИ», - уверен Сергей Ерохин.
Что делать?
Еще одна проблема, которую описывают эксперты – отсутствие единого решения, которое могло бы обрабатывать поступающую из самых разных источников информацию.
«В любой организации всегда есть какой-то зоопарк систем, которые было бы неплохо объединить, - продолжает Сергей Ерохин. - Для ИИ, считаю, это большая ниша для приложения сил. Наша компания поставляет комплексное решение, но пока ни разу не видели ни одного заказчика, у которого чего-то из управления уже не было установлено. Соответственно, новые решения всегда приходится интегрировать, а с этим мог бы справиться ИИ».
С экспертом согласен и Александр Титов, который посетовал, что на рынке пока нет ИИ-решения, которое можно было бы «взять из коробки и применить, не дорабатывая».
«Сейчас мы попробовали какую-то одну «ИИшку», потом другую, - говорит он. – В результате решение, которое используем, состоит из набора программных продуктов. Понятно, что за единым продуктом – будущее, и нам нужно двигаться именно в этом направлении».
Большое разнообразие нейросетей – не всегда благо, считает и Павел Симикин, - потому что под каждую конкретную задачу требуются разные решения. Он видит выход в появлении ИИ-агентов, которые могли бы взять на себя работу с комплексной задачей, так как бизнес-процессы вполне измеримы, а сценарии действий можно прописать.
«В строительстве много технологических операций, которые понятны и описываемы, их можно четко формализовать. ИИ-агенты должны все эти операции проводить без участия человека, - объясняет он. — Недавно компания «Алибаба» выпустила модель, которая 10 дней работает без вмешательства человека: ты ставишь задачу, а ИИ ее крутит, пока не достигнет результата».
Наконец, на рынке требуется навести порядок в нормативном хаосе, который сейчас царит в сфере использования ИИ. Эксперты уверены, что этому сегменту нужна своя методология и стандартизация, которые определили бы единые правила игры на поле ИИ, и избавили потребителей от «вранья» нейросетей.
«Все работают по-разному, потому что ищут ИИ-решения под свои задачи, - продолжает Павел Симикин. – Но, если так продолжать, мы никогда не договоримся, а Главгосэкспертиза и Госстройнадзор не будут принимать результаты работы. Нормативы необходимы, чтобы сегмент ИИ развивался, как самостоятельная отрасль».
Людмила Гонтарь согласна с тем, что стандартизация нужна, но видит на пути ее появления препятствия. В первую очередь, на такую работу требуется отдельный бюджет, так как написание стандартов – трудоемкий процесс с точки зрения законотворчества, плюс важно понять, кто этим будет заниматься.
«Даже если мы пишем, что разработка какого-то раздела финансовых затрат не требует, это все равно отдельная работа с документами, - говорит она. - Сколько наш аналитический центр ни пытался запустить «нейронку», которая агрегировала бы абсолютно все документы с точки зрения законотворческого процесса, ничего хорошего из этого, как правило, не выходило. При этом, если вы пойдете в какой-то ФОИВ (Минстрой или Минэнерго), вам скажут, что департамента под эту работу нет, пишите стандарты сами, получайте одобрение рынка, и утверждайте в комитете по стандартизации».
А задача стоит не из легких. Мало того, что ИИ постоянно развивается, действия нейро-символьного интеллекта вообще очень сложно положить на какие-то стандарты, потому что его решения, как и решения людей, часто бывают субъективны по своей природе.
По мнению Людмилы Гонтарь, перед методологами и разработчиками стандартов сейчас стоят несколько приоритетных задач. В частности, это стандартизация для единого платформенного решения, которое бы могло быть базой для запуска различных ИИ-модулей.
«Если пойти в арктические проекты, связанные с Северным морским путем, то мы столкнемся с трудозатратными задачами, например, строительства центров обработки данных (ЦОД) на болоте, - пояснила она. — Это очень сложно с точки зрения строительства. С проблемами мы можем встретиться в региональном сегменте, а в федеральном законе приоритет отдаётся развитию именно регионального ИИ, чтобы поднять местные предприятия. Такие задачи может решить их разворачиванием на виртуальных машинах. Но пока готовых решений этого типа попросту нет: действия, которые предпринимают разработчики, скорее, можно назвать цифровыми испытаниями».
По мнению эксперта, прежде чем переходить к разработке стандарта, даже если есть накопленные практики, нужно посмотреть на развитие сегмента с точки зрения предиктивной аналитики - насколько устоится такая модель.
«Если смотреть в будущее, чтобы не быть догоняющими, ИИ здесь может все оценочные суждения взвесить, провернуть их на виртуальной машине, в том числе учитывая нужды местных компаний. Тогда мы получим комплексный хороший результат, а не будем просто кидаться на какую-то модельку, потому что она нам нравится», - резюмировала Людмила Гонтарь.
Очевидно, что использование ИИ в строительстве, да и где бы то ни было еще, – это пока игра на поле со многими неизвестными. Перед нами путь развития нового явления, который нам еще предстоит пройти.