El auge de la IA y el aprendizaje automático en la construcción

Como parte del equipo BIM 360 Project IQ en Autodesk, tuve el privilegio de participar en la incursión de Autodesk en el machine learning para la construcción. Este artículo resume los desarrollos en este espacio y cubre algunas formas en las que uno puede prepararse para maximizar el valor de esta tecnología, incluida una encuesta amplia de algunas de las aplicaciones de la IA y el aprendizaje automático en la construcción, y el impacto potencial. Estos procesos están realizando cambios en varias áreas, incluida la gestión de riesgos, la gestión de cronogramas, la gestión de subcontratistas, el monitoreo del entorno del sitio de construcción y la seguridad, por nombrar algunos.

¿Qué entendemos por IA?
La percepción pública de la inteligencia artificial por lo general oscila entre los dos extremos de hacer que gobierne el mundo y descartarla como una fantasía que no tiene cabida en una conversación seria. En realidad, la verdad se encuentra en algún punto intermedio donde la IA está muy lejos de ser una forma de superinteligencia, sino una rama de estudio que ha encontrado una gran aplicación y es un gran factor impulsor de las aplicaciones en la tecnología actual.

Tradicionalmente, definir la IA siempre ha sido un desafío. 'Artificial' es la parte más fácil de la definición donde simplemente puede significar 'no ocurre naturalmente'. La 'inteligencia', por otro lado, ha llevado a los investigadores a varias madrigueras de conejo. En general, la IA se refiere a un amplio campo de la ciencia que abarca una variedad de temas, desde la informática y la psicología hasta la filosofía y la lingüística. Se ocupa principalmente de hacer que las computadoras realicen tareas que normalmente requerirían inteligencia humana.

Ahora hay muchos campos de trabajo dentro del alcance más amplio de la IA, pero aquí me gustaría definir dos de las áreas más populares: el machine learning y el aprendizaje profundo. El aprendizaje automático es uno de esos subconjuntos que se ocupa de escribir algoritmos que permiten a las computadoras aprender de los datos sin ser programados explícitamente. Si, por ejemplo, desea escribir un algoritmo para identificar el spam en los correos electrónicos, deberá entrenar el algoritmo exponiéndolo a muchos ejemplos de correos electrónicos que se etiquetan manualmente como spam o no spam. El algoritmo “aprende” a identificar patrones, como la ocurrencia de ciertas palabras o combinaciones de palabras, que determinan la posibilidad de que un correo electrónico sea spam.

El aprendizaje profundo puede considerarse un conjunto de técnicas especializadas bajo el paraguas del aprendizaje automático que realmente se han desarrollado más recientemente. Se basan en redes neuronales, un tipo de algoritmo de aprendizaje automático que simula las neuronas del cerebro humano. El aprendizaje profundo ha permitido que se realicen varios avances en los campos del procesamiento de imágenes y lenguaje, lo que permite la posibilidad de aplicaciones avanzadas como los asistentes domésticos y los automóviles autónomos.

Factores contribuyentes
La IA, como campo académico, existe desde hace mucho tiempo, con la primera conferencia sobre el tema celebrada en 1956. Pero ha estado más en el centro de atención durante la última década. Esto se puede atribuir a varios factores que han mejorado mucho recientemente. Toda la IA requiere que una gran cantidad de datos estén presentes para impulsar los conocimientos que se pueden derivar de ella y ha habido un gran aumento en la cantidad de datos generados en los últimos años. Según un blog de IBM, hace unos años, el 90% de los datos se crearon en los últimos dos años. Supongo que eso se puede estirar a alrededor del 95% hoy. Junto con los datos, la potencia informática disponible para analizar estos datos ha aumentado exponencialmente cada año, mientras que el costo de la potencia informática se redujo. Hoy en día, casi todos los datos residen en la nube,

Aplicaciones de la IA
Una buena manera de comenzar a comprender la gama de aplicaciones de IA es examinar qué tan omnipresente se ha vuelto. Recibimos varios correos electrónicos todos los días y la mayoría de nosotros dedicamos más tiempo del que nos gustaría. Sin embargo, ¿ha notado cuán reducido es el número de escandalosos correos electrónicos no deseados? Hace cinco años, habría recibido al menos un correo electrónico cada semana afirmando que ganó la lotería. La detección de spam es una de las aplicaciones más antiguas y conocidas del aprendizaje automático. Al observar miles de correos electrónicos, los programas informáticos han podido "aprender" cómo suele ser un correo electrónico no deseado. Puede comprender que el remitente no es alguien que pueda enviarle un correo electrónico o, por el texto del correo electrónico, que el contenido probablemente sea fraudulento. Este es solo un ejemplo de procesamiento de texto.

¿Qué cambios está trayendo la IA a la construcción?
La tecnología para la construcción ha experimentado una gran inversión en los últimos años. Una gran parte de esa inversión se ha destinado a la digitalización de diferentes partes del flujo de trabajo de la construcción. Los modelos BIM han cambiado la forma en que se diseñan los edificios, los procesos de gestión de proyectos y gestión de problemas se han trasladado a la nube, la gestión de operaciones también se está volviendo más "sensorizada" y automatizada. Con la disponibilidad de datos, las aplicaciones basadas en IA han encontrado más utilidad en la construcción.

Diseño generativo
El diseño generativo es un proceso de búsqueda de formas que puede imitar el enfoque evolutivo del diseño de la naturaleza. Los informáticos han encontrado formas de ayudar en el proceso de diseño de edificios. Por lo general, comienza especificando claramente los objetivos de diseño y luego explora innumerables permutaciones posibles de una solución para encontrar la mejor opción. 

Un equipo de Autodesk en Toronto se mudó a un nuevo edificio que fue diseñado utilizando un nuevo proceso de diseño y esto también es una buena historia. Los investigadores utilizaron el diseño generativo para ayudarlos a encontrar el diseño ideal para el edificio que satisficiera todas sus necesidades. El proceso comenzó con la comprensión de todos los parámetros que serían importantes para los residentes del edificio de oficinas: preferencia de adyacencia, preferencia de estilo de trabajo, bullicio, productividad, luz natural y vistas al exterior.

Luego, esta entrada se introdujo en un sistema informático que entendió estos parámetros de diseño junto con los requisitos de la ubicación física. Luego, el algoritmo produjo varios diseños que se ajustan a todas estas necesidades que el arquitecto puede elegir para que coincidan con el estilo y otras necesidades. Dado que este proceso fue muy rápido, fue fácil hacer que la experiencia de diseño fuera iterativa y trabajar y reformar el diseño final en función de varias conversaciones. Como explica este artículo con mayor profundidad, además de resolver desafíos prácticos desconcertantes, el diseño generativo también podría aumentar la eficiencia y la economía del proceso de desarrollo general mediante la producción de diseños que mejoren la programación y la coordinación entre múltiples partes interesadas.

Mitigación de riesgos
La evaluación y mitigación de riesgos ocurre todos los días en un sitio de construcción. Hay cientos de subcontratistas trabajando en diferentes oficios simultáneamente; hay miles de problemas que se crean y gestionan y todo cambia constantemente. El proyecto BIM 360 IQ se centró en comprender los desafíos a los que se enfrentan a diario los directores de obra, los directores de proyecto y los superintendentes para gestionar estos problemas y las formas en que el proceso podría mejorarse con IA. Después de hablar con varios superintendentes de construcción, visitar sus lugares de trabajo y luego observar los datos que estaban generando, identificamos que la priorización de problemas por riesgo proporcionaría una forma procesable de mejorar la eficiencia.

Usando IA, especialmente el análisis del lenguaje de construcción, es posible asignar prioridad automáticamente a los problemas. Los algoritmos pueden comprender y predecir cosas complejas, como si un problema causaría una posible infiltración de agua si no se aborda. El sistema hace uso de las descripciones que muchos gerentes de calidad en todos los proyectos han observado cuando monitorean sus proyectos.

Por ejemplo, si un gerente de calidad observa un problema sobre el parpadeo fuera de una ventana que está incompleto y lo registra en BIM 360 Field, como suele ser la práctica, los algoritmos de IA analizan estos datos y lo marcan automáticamente como un posible problema de agua. Luego, esto se puede informar al superintendente cuando revise todos los problemas en el tablero. Este sistema está actualmente disponible como piloto y disponible para cualquiera que use productos BIM 360.

El sistema también va un paso más allá donde encapsula todo el riesgo de los problemas en los subcontratistas que son responsables de ello. Considera varios factores sobre los subcontratistas, como su comportamiento anterior en la gestión de problemas, la carga de trabajo actual, la importancia de los problemas de los que son responsables. Luego, el algoritmo puede asignar una "puntuación de riesgo" a cada subcontratista en el proyecto, una métrica para indicar la cantidad de riesgo a la que están exponiendo actualmente el proyecto, de modo que los gerentes de construcción puedan priorizar mejor su tiempo para trabajar más de cerca. estos equipos.

La seguridad
La seguridad en la construcción es la prioridad número uno en todos los lugares de trabajo. El BIM 360 IQ se centró en comprender el comportamiento y el contexto en torno a los problemas de seguridad y luego llamar la atención de los gerentes de seguridad. La aplicación IQ escanea automáticamente todos los problemas de seguridad en un lugar de trabajo y les adjunta una etiqueta que indica si podría provocar una posible muerte. OSHA muestra que alrededor del 67% de todas las muertes relacionadas con la construcción en 2015 se debieron a problemas relacionados con los "cuatro fatales": caída, golpe, atrapamiento y electrocución. Los algoritmos de IQ clasifican los problemas de seguridad que son precursores de los cuatro fatales.

Hoy en día, hay muchas fotos y videos tomados diariamente en un lugar de trabajo. Todos los trabajadores de la construcción tienen un teléfono con cámara y es una práctica casi estándar tomar una foto para cada problema que crean. Los drones se han vuelto más comunes y, a menudo, se usan para tomas aéreas y para actividades más avanzadas, como medir el progreso. Los Go-Pro y los cascos inteligentes también se están volviendo más comunes. Dada la gran cantidad de fotos, la mayoría de las aplicaciones tecnológicas aún no se han puesto al día y no había una buena solución para administrar las fotos o utilizarlas para obtener una mejor perspectiva.

Smartvid.io es una nueva empresa tecnológica que aborda exactamente esta solución. Proporcionan una plataforma que se integra con diferentes proveedores de tecnología para llevar todas sus imágenes a un solo lugar. Sin embargo, van un paso más allá, utilizan la IA para entender qué hay en la imagen. Tal como vimos anteriormente en el ejemplo de los autos sin conductor, es posible aislar y comprender los diversos objetos en una imagen. Smartvid.io las llama "etiquetas inteligentes" y permiten un mejor sistema para categorizar y buscar sus fotos.

¿Qué hará Autodesk en el futuro para la IA en AEC?
El producto BIM 360 IQ para la calidad fue el primer producto de IA para la construcción y, desde entonces, hemos estado tratando de ir más allá cada año. Hemos creado aplicaciones que se centran en los desafíos tanto en la calidad como en la seguridad de la construcción. Nuestro próximo esfuerzo es adoptar un enfoque similar para la gestión de proyectos y aprovechar la IA para mejorar el proceso.

Plataforma de datos
En la industria de la construcción, hay varios proveedores de tecnología que brindan soluciones para administrar sus datos, pero a menudo son incompatibles entre sí. El poder de las soluciones basadas en IA se puede desbloquear mejor cuando todas las fuentes de datos se pueden conectar entre sí. Para abordar esta necesidad, Autodesk también está trabajando para construir una plataforma de datos que permita integraciones de terceros. Esto permitiría a diferentes empresas de construcción traer todos sus datos a una plataforma que también tendría las capacidades de una capa de análisis común. Autodesk está incorporando otras fuentes de datos, como datos de ERP y datos de gestión de proyectos, a esta plataforma, además de asociarse con otras empresas de datos en la construcción, como Smartvid.io, Triax Technologies, SmartBid y otras.

Los esperamos este 29 al 31 de Marzo en la conferencia online: “Mejorando los procesos y la gestión de obras con tecnología”,  informes e inscripciones al siguiente link: https://bit.ly/3hCGCY1