Применение ИИ в BIM-проектировании и строительстве

Искусственный интеллект на пике популярности, мы применяем его в разнообразных частях нашей жизни. Нейросети повсюду, кажется сложно найти человека, особенно из области IT и информационного моделирования, который ни разу не использовал ИИ хотя бы ради интереса. 

Пока множество людей генерят идеи применения ИИ и проводят испытания своих креативных гипотез, команда Тангл решила вдумчиво подойти к новой популярной технологии. Разработчики в паре с BIM-специалистами изучили сегодняшние возможности ИИ, проанализировали наиболее сильные их стороны, и положили выводы в проекцию строительной сферы. В результате сформировали приоритетные направления развития продуктов Tangl в интеграции с ИИ, которые покажут наибольшую эффективность в BIM-анализе. О них мы расскажем данной статье. Но сначала немного разберемся с контекстом использования ИИ в строительстве.

Строительство — пусть и считается консервативной отраслью, но пытаться применять в ней первые задатки искусственного интеллекта начали задолго до того, как мир узнал про ChatGPT. Одним из примеров таких технологий считается параметрическая архитектура, основу которой заложил Луиджи Моретти еще в 1940 году. Параметрическое проектирование использовало алгоритмы и математические формулы для создания и контроля архитектурных форм. Это позволило создавать сложные структуры и оптимизировать проект с помощью вычислительных методов. Такие алгоритмы представляли собой начальную форму ИИ в архитектуре, помогающую генерировать проекты на основе заданных параметров.

Строительные задачи, в которых уже прижился ИИ

Несмотря на такой прорыв еще в XX веке, созданием проектной и строительной документации и возведением зданий все еще в основном занимается человек. Еще далек тот день, когда (если) ИИ захватит строительную сферу, но уже можно сказать, что он плотно закрепился в отдельных ее узких областях, показал результаты своей эффективности и используется уже не просто как испытание новых технологий, но и во всю масштабируется на полноценную работу в реальных проектах. Какие же это области? Давайте разберемся.

1. Предиктивная аналитика.

Один из самых распространенных и востребованных инструментов — прогнозирование сроков и стоимости проектов при помощи ИИ. Алгоритмы анализируют исторические данные, опыт прошлых проектов, состояние и динамику текущего проекта и даже внешние факторы (погоду, логистику и т.п.) и предсказывают задержки, перерасходы бюджета и другие риски. Также указывают рекомендации, что можно изменить, чтобы исправить ситуацию. С опорой на искусственный интеллект принятие управленческих решений стало проще, прозрачнее и надежнее. 

2. Контроль качества строительства.

Когда появились первые видео с роботом-собакой на стройке, они вызывали только умиление и смех. Но нашлись люди, поверившие в эти технологии, производители получили идейную, финансовую и производственную поддержку на развитие. Поэтому сегодня робот на стройплощадке — это не забава, а машина, действительно дающая эффективное управление за счет фиксации хода строительства.

Еще большее распространение получили дроны, которые регулярно осуществляют мониторинг стройки и отслеживают отклонения от проекта не хуже опытного геодезиста.

3. Генеративный дизайн.

BIM + ИИ = Автоматизированное проектирование. С минимумом трудозатрат проектировщиков машина может сгенерировать несколько вариантов проектных решений на основе заданных параметров объекта, инсоляции и ограничений бюджета. Правда такой инструмент еще нельзя назвать той самой “красной кнопкой”, при нажатии на которую сразу появится для проектная и рабочая документация.

Возможности ИИ пока ограничены, поэтому он используется в основном для определения оптимальных вариантов застройки с учетом границ земельного участка, и на этапе концепции, чтобы определиться с общим видом фасадов и планировок. Но далее за дело все равно берется “живой” проектировщик для превращения эскизов в полноценные BIM-модели и чертежи.

Ограничения применения ИИ

А что дальше? Можно ли уже отдавать искусственному интеллекту все человеческие задачи, хотя бы те, которые и так решаются в цифровом виде с помощью BIM? К сожалению, у ИИ, даже при его невероятных темпах развития, есть ограничения. Вот некоторые из них:

1. Популярные языковые модели частенько выдают некорректную информацию, которая не сходится с реальностью, лишь бы дать наиболее “красивый” ответ. Такое поведение уместно только в случаях, когда нейросеть выполняет творческие задачи. Но в строительных расчетах и проектной аналитике нет места креативу.

Также нейросеть может выдавать результат, не соответствующий ожиданиям, например, выполнять дополнительные мелкие задачи, о которых его не просили. Две эти особенности ни в коем случае не ограничивают применение ИИ полностью, но обязывают пользователя контролировать корректность и перепроверять результаты.

2. Даже для самых современных LLM обработка больших массивов данных является достаточно ресурсоемкой задачей. Из-за чего ИИ-анализы тяжелого объема проектной информации могут длиться часы или даже дни, а также потребуют ощутимых затрат.

Поэтому разработчики, внедряющие ИИ-функции в свое ПО, обязательно сталкиваются с необходимостью грамотного построения гибкого многоэтапного процесса подготовки и отбора данных и их подачи в нейросеть для оптимизации работы ИИ и получения качественных результатов.

3. Наверняка большинство застройщиков грезят о том, чтобы вместо инженеров проектировал ИИ. На этапе концепции или для выполнения простых задач генерации эскизов такой подход имеет место быть. Но даже если исправить основные недостатки работы LLM, то ожидаемой экономии времени трудозатрат не случится. Почему? В таком случае рабочее время проектировщика будет тратиться не на проектирование в классическом виде, а на написание множества промптов и исправление недочетов в моделях и чертежах от ИИ.

Поэтому важно разделять процессы во время проектирования и последующих этапов, в которых применение ИИ целесообразно за счет их упрощения и ускорения, от процессов, в которых замена человека и привычных инструментов автоматизации на нейросеть приведет только к новым трудностям.

Направления эффективного применения ИИ в строительстве

Критиковать может каждый, а можно ли извлечь что-то хорошее из нынешних возможностей искусственного интеллекта для строительства? Конечно! Вот несколько направлений, в которых от ИИ будет получен наибольший эффект, и в которых результаты его применения однозначно должны найти отклик. 

1. Несмотря на то, что количество адептов BIM стремительно растет с каждым годом, немалой доле специалистов все еще сложно осваивать технологии информационного моделирования. Нередки случаи, когда целые отделы и даже компании отказываются входить в новую цифровую эру по этой причине.

Нейросети существенно продвинут распространение ТИМ, если будут упрощать работу с ПО и понижать порог входа в него. Такой подход уже показал свою эффективность в других сферах — например, ИИ-помощники встречаются на каждом шагу, вместо часов безрезультатных попыток самостоятельного выполнения операции можно спросить бота, и что немаловажно, он доступен 24/7, в отличии от техподдержки.

2. Современные нейросети уже показывают несомненный прогресс в задачах генерации какой-либо новой информации, но лучше всего они справляются с аналитикой уже имеющихся данных, в случаях, когда не требуется ничего изобретать, а необходимо найти, структурировать информацию и сделать выводы. Поэтому чтобы уже сейчас ощутить эффект от применения ИИ с минимумом действий, нужно не давать ИИ запросы на генерацию BIM-моделей, а “скормить” ему различные проектные показатели, данные со стройплощадки и требуемые ограничения и запросить “выудить” информацию, например, провести инженерный, маркетинговый или финансовый анализ, оценку рисков и т.д.

3. Как было ранее отмечено в предыдущем пункте, ИИ отлично справляется с аналитикой имеющихся данных. Поэтому помимо сводной аналитики, он еще может выявлять тенденции и закономерности, что очень важно в девелопменте. Например, на основе исторической информации ИИ проведет продуктовый и маркетинговый анализ, выявляя какая аудитория покупает те или иные квартиры в зависимости от расположения, стоимости, характеристик ЖК и самих квартир и множества других факторов, также подскажет, какие маркетинговые компании сработали, а какие нет, и почему. Нейросети могут предсказывать изменения рынка и риски проектов в зависимости от обновлений в законодательстве, новых экономических, политических и других внешних факторов.

Внедрение ИИ в Tangl 

Tangl — это платформа для визуализации и анализа BIM-моделей. На базе платформы построены сервисы:

• Tangl value — автоматизировано рассчитывает объемные и стоимостные показатели проекта по BIM-модели (ВОР, калькуляции, структуру работ, ТЭП и т.д.)

• Tangl control — проводит автоматизированный контроль качества BIM-моделей на корректность информационного наполнения, геометрические коллизии, соответствие нормативным и продуктовым требованиям.

Команда профессионалов Тангл провела серьезную аналитику применимости искусственного интеллекта в BIM-софте и выделила приоритетные направления, в которых уже начинает развивать свой продукт. Главной целью внедрения ИИ в сервисы для Тангл стало снижение порога входа в ПО — доступность BIM-анализа даже для совсем начинающих пользователей.

Частный случай первого пункта наиболее эффективных направлений применения нейросетей — это ИИ-агенты — посредники между ПО и языковой моделью. ИИ-агент имеет доступ к программному сервису, знает, как он работает и какие задачи выполняет. Связка языковой модели (LLM) и ИИ-агента позволяет пользователю запрашивать выполнение в ПО действий и даже целых сценариев. 

В Tangl это будет означать, что пользователь может не погружаться глубоко в функционал сервисов, не тратить время на изучение того, как работает тот или иной инструмент. Он описывает ИИ-агнету простым языком результат, который хочет получить, а агент с нейросетью в тандеме сами определяют, какие действия в ПО нужно совершить (или грубо говоря — на какие кнопки нажать), чтобы человек получил то, что ожидает.

Таким образом пользователь сможет всего одним запросом выполнить сценарий, для которого без ИИ-агента ему пришлось бы совершить несколько последовательных действий. Простой пример: пользователь пишет запрос “Удалить все модели старше 30 дней”, а ИИ-агент сам определяет, что нужно сначала отсортировать список моделей по дате, найти те, которые были импортированы ранее 30 дней назад, а далее удалить их. Но разумеется, предполагается доступность и более сложных сценариев, например, после всего одного текстового запроса на выборку в BIM-модели набора элементов по описанным характеристикам и расчет их объема пользователь сразу получит вычисленное значение. И все — без “ручного” анализа модели, без создания поисковых наборов, настройки правил и многих других действий.

Все это только начало масштабного проекта по внедрению ИИ в BIM и продукты Tangl, аналитики и разработчики занимающиеся изучением и применением ИИ на стройке с помощью других инструментов, таких как компьютерное зрение и графической визуализации проектов. Кто знает, что ждет нас в будущем?