По сути дела: искусственный интеллект освобождает строителей от рутины

Стандарты на стандарты

Сергей Тихомиров пояснил, что если обычный документ предстает перед пользователем в виде единого текста, то «умный» документ состоит из различных смысловых сущностей. Задача в том, чтобы научиться выделять эти сущности и потом их обрабатывать. К ним могут относиться кусочки текста, таблицы, формулы или, например, программный код. ПТК 711 разрабатывает стандарты на «умные» стандарты о том, как нужно структурировать нормативные документы. Им разработано уже два таких стандарта, которые применялись в реализации ряда проектов.

Самой важной сущностью «умного» документа является требование. Простое требование, изложенное человеческим языком, может выглядеть, например, так: «Давление в трубопроводе не должно превышать 10 МПа». Чтобы превратить его в машинопонимаемый запрос, каждому слову в нем надо придать цифровое значение. Это позволит, например, автоматически находить точные смысловые связи между требованиями, сравнивать их между собой, выявлять противоречия между ними и проверять цифровые модели, в частности, документацию. Благодаря машинопонимаемым требованиям можно также проводить эффективную проверку продукции, например, в сфере сертификации. В результате обработки требований, содержащихся в нормативных документах, а также создания семантического классификатора, сейчас создается онтологическая сеть, позволяющая делать нормативные документы машинопонимаемыми.

В автоматическом режиме

Тему, поднятую Сергеем Тихомировым, развил руководитель лаборатории «ИИ в промышленности» Национального исследовательского университета ИТМО, кандидат технических наук Денис Насонов, рассказавший о том, как искусственный интеллект превращает нормативы в архитектуру знаний. Он напомнил участникам конференции, что регуляторные документы, в том числе своды правил (СП), определяют механизмы и правила выполнения определенных процессов, превращают общие требования Техрегламента №384-ФЗ «О безопасности зданий и сооружений» в конкретные, проверяемые нормы, создают единые «правила игры» — устанавливают одинаковые методики расчета, терминологию, формируют единое юридическое и финансовое пространство.

В то же время регуляторные документы имеют ряд недостатков, к которым Денис Насонов отнес их устареваемость — некоторые из них обновляются очень редко и не успевают за текущими тенденциями развития. Более того, если они и обновляются, то не все новые технологии присутствуют в обновленных документах. Кроме того, среди них сложно ориентироваться, и в них имеются перекрестные противоречия, когда одну и ту же ситуацию разные СП регламентируют по-разному, а формулы дают с различными результатами. Например, согласно СП 20.13330.2016 коэффициент по надежности для снеговой нагрузки следует принимать равным 1,4, тогда как в СП 63.13330.2018 этот же коэффициент имеет значение 1,0.

Денис Насонов отметил, что проблемы регуляторных документов сейчас «лечат» с помощью параллельных стандартов. Так, крупные застройщики фиксируют инновационные решения, разрабатывая собственные корпоративные стандарты, для нишевых технологий создаются стандарты организаций. Кроме того, выручают цифровые библиотеки СП. И все-таки, по мнению докладчика, консервативность и фрагментарность СП по-прежнему тормозят внедрение инноваций, создают риск ошибок из-за противоречий и устаревших данных и увеличивают бюрократические издержки.

Однако с помощью ИИ в предстоящие пять лет, по мнению Дениса Насонова, произойдут полная стандартизация и цифровизация всех нормативов, что позволит автоматически проводить прогноз-комплаенс, подбирать альтернативные типовые узлы. Кроме того, эксперт считает, что надо попробовать автоматизировать процесс разработки системы стандартов.

В течение ближайшего года Денис Насонов хотел бы получить инструмент, позволяющий решить проблему оптимизированной формы машинопонимаемых требований СП. Этот инструмент поможет решить ряд важных задач. Прежде всего, по мнению спикера, необходимо сконцентрироваться на автоматизации норм под ТИМ-модели, попробовать отслеживать в существующих нормативных документах противоречия/дубликаты и создать гибкий механизм глубокой аналитики, который бы позволял выявлять пропуски в регуляторных документах и автоматически тестировать новые правила на предмет совместимости, включая смежные области.

Для этого, по мнению докладчика, необходимо создать базу, включающую онтологию (тезаурус) строительных и смежных понятий с определением и синонимическим корпусом. Также надо сформировать «атомарный» набор требований на базе обработки СП и преобразовать требования в структуру, которая поможет построить граф знаний с совмещением онтологии и структурированных требований через общие понятия. На создании графа знаний докладчик сделал основной акцент, поскольку от того, как он будет построен, зависят возможности механизма глубокой аналитики.

Говоря о конечных результатах этой работы, Денис Насонов в своей презентации привел такой пример. Минстрой выставляет «ввод новой нормы» как задачу. Затем агенты берут ее, проверяют полноту и совместимость, предлагают правки. По словам докладчика, агенты будут способны самоорганизовываться в группу, которая станет решать достаточно сложные комплексные задачи, при этом человеческое участие будет минимальным. В этой мультиагентной среде агенты сами разберутся между собой, имея абсолютно разные роли. Например, одни из них регистрируют программный код, другие являются специалистами по нормативной документации, третьи сравнивают нормы между собой и с проектной моделью, четвертые работают с онтологиями и т. д. По словам Дениса Насонова, такая мультиагентная система уже не фантастика, и до ее создания осталось не больше года.

Горизонты генеративного ИИ

В том, что появление автономных ИИ-агентов, способных полностью закрыть типовые операции, — интересная история, и ее развитие набирает сейчас хороший ход, с Денисом Насоновым согласился и следующий докладчик — директор по исследованиям и разработке ООО «ДОМ.РФ Технологии» Григорий Грязнов. Среди других перспектив в развитии генеративного ИИ от пилота к промышленному использованию он также выделил увеличение количества модальностей, с которыми работает генеративный ИИ, и внедрение ИИ-сервисов в цифровые продукты.

Григорий Грязнов сообщил, что, согласно недавно опубликованным результатам совместного исследования «ДОМ.РФ» и Фонда «Сколково», уже 17% цифровых решений в строительстве разработаны на основе ИИ. Докладчик отметил, что генеративное проектирование получает все большее распространение при планировании застройки. Генеративно-состязательные нейросети (house-gan) позволяют улучшить планировку квартир, а обработка изображений с помощью диффузионных моделей (Stable Diffusion) помогает сгенерировать рендеры при визуализации мастер-планов. Неплохие результаты показывают также предиктивный анализ и машинное обучение, благодаря которым более точно оцениваются сроков прохождения различных этапов строительства.

Искусственный интеллект облегчает также работу с документацией. С его помощью осуществляются перевод текстовых данных в машиночитаемый вид и обработка естественного языка, включающая извлечение именованных сущностей из текстовых данных и классификацию. Кроме того, ИИ используется при мониторинге строительства.