CC BY
22
EXPERIENCE OF APPLICATION OF ARTIFICIAL INTELLIGENCE TECHNOLOGIES IN HOUSING CONSTRUCTION Khamidov B.S. (Republic of Uzbekistan)
Khamidov Bakhodirjon Sodikjonovich - Scientific Applicant TASHKENT BRANCH OF PRUE G.V. PLEKHANOV TASHKENT, REPUBLIC OF UZBEKISTAN
Abstract: the article discusses the world experience in the study of artificial intelligence and its impact on housing construction. In many countries of the world with a developed construction industry, attention is mainly paid to the implementation of innovation policy and the formation of a national innovation system. Three types of AI have been analyzed, namely; artificial narrow intelligence (ANI), artificial general intelligence (AGI) and super artificial intelligence (ASI). More than 60.0% of research on the application of AI in construction has been conducted in the last decade and has led to or accelerated the emergence of advanced technologies, including quantum computing, the Internet of Things (IoT), Cybersecurity and Blockchain.
Keywords: artificial intelligence, blockchain, construction economics, world experience, digital knowledge.
ОПЫТ ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В
ЖИЛИЩНОМ СТРОИТЕЛЬСТВЕ Хамидов Б.С. (Республика Узбекистан)
Хамидов Баходиржон Содикжонович - научный соискатель, Ташкентский филиал РЭУ им. Г.В. Плеханова г. Ташкент, Республика Узбекистан
Аннотация: в статье рассматривается мировой опыт изучение искусственного интеллекта и его влияние на жилищное строительство. Во многих странах мира с развитой строительной отраслью внимание в основном уделяется реализации инновационной политики и формированию национальной инновационной системы. Проанализированы три типа ИИ, а именно; узкий искусственный интеллект (ANI), общий искусственный интеллект (AGI) и сверх искусственный интеллект (ASI). Более 60,0% исследований по применению ИИ в строительстве было проведено за последнее десятилетие и привело к появлению или ускорению появления передовых технологий, включая квантовые вычисления, Интернет вещей (IoT), Кибербезопасность и Блокчейн.
Ключевые слова. искусственный интеллект, блокчейн, экономика строительства, мировой опыт, цифровые знания.
В мировой экономике инновационное развитие любой страны является приоритетным направлением в обеспечении устойчивого экономического роста. Доля строительной отрасли в мировом валовом внутреннем продукте постоянно растет. Доля мирового валового внутреннего продукта от 7,0% до 12,0% (в развитых странах) приходится на строительную отрасль, что показывает, насколько важно обеспечить устойчивое инновационное развитие этой отрасли. Сегодня во многих странах мира с развитой строительной отраслью внимание в основном уделяется реализации инновационной политики и формированию национальной инновационной системы. Также, приоритетное внимание уделяется финансовым и организационным вопросам развития строительной отрасли.
Строительная отрасль в мировом масштабе сталкивается со многими проблемами, которые препятствуют ее росту и приводят к чрезвычайно низкому уровню производительности по сравнению с другими отраслями, такими как обрабатывающая промышленность. На самом деле строительная отрасль является одной из наименее оцифрованных отраслей в мире, и большинство заинтересованных сторон признают вековую культуру сопротивления изменениям. Отсутствие цифровизации и чрезмерно ручной характер отрасли делают управление проектами более сложным и излишне утомительным. Отсутствие адекватных цифровых знаний и внедрения технологий искусственного интеллекта в строительной отрасли также было связано с неэффективностью затрат, задержками проектов, низким качеством исполнения, неосведомленным принятием решений и низкими показателями производительности, здоровья и безопасности. В последние годы стало очевидным, что строительная отрасль должна перейти на цифровые технологии и быстро наращивать технологический потенциал, особенно с учетом проблем нехватка квалифицированной рабочей силы и необходимостью обеспечения устойчивой инфраструктуры.
Передовые цифровые технологии, технологии искусственного интеллекта (ИИ), помогла внести значительный вклад в улучшение бизнес-операций, процессов обслуживания и производительности отрасли в последние годы. Внедрение методов искусственного интеллекта помогло улучшить автоматизацию и обеспечить лучшие конкурентные преимущества по сравнению с традиционными подходами. Подобласти ИИ, такие как машинное обучение, обработка естественного языка, робототехника, компьютерное зрение, оптимизация, автоматизированное планирование и составление расписаний. были применены для решения
сложных проблем и поддержки принятия решений для реальных проблем. Например, в обрабатывающей промышленности наступление четвертой промышленной революции, широко известной как Индустрия 4.0, направлено на автоматизацию, технологии, управляемые данными, и применение передовых методов искусственного интеллекта. Очевидно, что эта революция привела к значительному улучшению процесса, экономической эффективности, сокращению времени производства, повысила безопасность и помогла компаниям достичь целей устойчивого развития. Тем не менее, строительная отрасль еще не получила каких-либо значительных преимуществ от ИИ, несмотря на существующие проблемы.
За последние несколько десятилетий исследователи публиковали статьи о применении ИИ и его подобласти для решения задач, связанных со строительством. Например, машинное обучение использовалось для мониторинга здоровья и безопасности, оценки затрат, улучшения цепочки поставок и логистических процессов, прогнозирования рисков, среди прочего. Робототехника применялась для мониторинга площадок и оценки производительности, сборки за пределами площадки и управления строительными материалами, установками и оборудованием. Системы, основанные на знаниях, также применялись для оценки тендеров, разрешения конфликтов, управления рисками и отходами, оценки устойчивости и т. д. Несмотря на это, строительство остается одной из наименее оцифрованных отраслей в мире и продолжает бороться с выгодным внедрением ИИ и других цифровых технологий. Некоторые исследования связывают отсутствие внедрения ИИ с различными проблемами, такими как культурные барьеры, высокие первоначальные затраты на развертывание решений на основе ИИ, доверие, безопасность, нехватка кадров, вычислительная мощность и подключение к Интернету. Однако ясно, что существует много серых зон в тенденциях исследований приложений ИИ, будущих возможностей и препятствий для внедрения в строительной отрасли.
Идея создания машин, обладающих интеллектом, подобным человеческому, восходит к нескольким областям, включая философию, художественную литературу, воображение, информатику, электронику и инженерные изобретения. Тест Алана Тьюринга на интеллект стал поворотным моментом в области ИИ, поскольку тест превосходит традиционные теологические положения и математические выводы о возможности разумных машин. Шестьдесят лет спустя интеллектуальные машины превосходят людей во многих областях, таких как обучение. за счет быстрого развития других технологий, таких как большие данные и вычислительная мощность компьютеров. ИИ — это наука о том, как заставить машины делать то,
тцию ИИ. Рисунок 1 показывает обзор
^_
что на данный момент люди типов, компонентов и подоб
Искусственный интеллект
Типы ИИ
Слабый ИИ
Сильный ИИ
Супеп ИИ
Г Г
Компоненты ИИ *
-I
Обучение
Представление знаний и
ТЗосппиятие
Иттанипование
Действие
Коммуникация
Подобласти ИИ
Машинное обучение
Система, основанная на знаниях Компьютерное зпение
\
Роботехника
Обработка естественного языка
Автоматическое планирование и
Оптимизация
Рис. 2.1. Компоненты, типы и подобласти ИИ1
Существует три типа ИИ, а именно; узкий искусственный интеллект (ANI), общий искусственный интеллект (AGI) и сверх искусственный интеллект (ASI). Узкий искусственный интеллект, иногда называемый слабым ИИ, это форма ИИ, в которой машины проявляют интеллект в определенной области, такой как игра в шахматы, прогнозирование продаж, предложения фильмов, языковой перевод и прогнозы погоды, которые превосходят человеческие возможности в нескольких областях.
Основные компоненты ИИ, как показано на рисунке, являются обучение, представление знаний, восприятие, планирование, действие и коммуникация. Некоторые исследования также классифицировали некоторые из этих компонентов как задачи, которые может выполнять ИИ по сравнению с человеком.
Машинное обучение связано с разработкой и использованием компьютерных программ для изучения опыта или прошлых данных с целью моделирования, контроля или прогнозирования с использованием статистических методов без явного программирования. Методы машинного обучения включают в себя:
• машинное обучение под наблюдением это связано с изучением того, как машины принимают решения на основе того, что они узнали из помеченных наборов данных, т. е. пар входных и выходных данных. Он подразделяется на классификацию и регрессию;
• неконтролируемое машинное обучение это связано с тем, чтобы заставить машины изучать основную структуру в немаркированных наборах данных. Он подразделяется на методы кластеризации и уменьшения размерности;
• обучение с подкреплением это определяется как «изучение сопоставления ситуаций с действиями, чтобы максимизировать скалярное вознаграждение или сигнал подкрепления. Это вычислительный подход, предполагающий обучение на основе результатов взаимодействия с окружающей средой;
• глубокое обучение: это современное состояние машинного обучения, которое, как оказалось, дает более точные прогнозы, чем обычные методы машинного обучения.
Компьютерное зрение — это междисциплинарная область, связанная с искусственным моделированием зрительной системы человека. Чтобы достичь конечной цели — заставить машины имитировать человеческий интеллект, компьютерное зрение стремится обеспечить высокий уровень понимания цифровых и многомерных изображений путем захвата изображений с помощью соответствующих устройств; их обработка с использованием современных алгоритмов и анализ изображений для облегчения принятия решений.
Планирование — это подобласти ИИ, связанное с тем, чтобы позволить интеллектуальным системам достигать желаемых целей или задач путем тщательного выбора и последовательности действий на основе их ожидаемых результатов. Планирование включает в себя выбор планов и распределение времени и ресурсов, необходимых для достижения желаемых целей, исходя из общего количества доступных ресурсов. Методы планирования и составления графиков используются для предоставления решений сложных приложений, которые лучше соответствуют ограничениям проблемы и потребностям пользователя. Планирование из -за сложности, расходов и временных затрат используется в ситуациях, когда его преимущества перевешивают доходы. Общие эвристики и алгоритмы, используемые для планирования и составления графика, включают методы поиска, методы оптимизации и генетические алгоритмы.
Роботы — это высокоавтоматизированные устройства, которые выполняют физические действия в реальном мире. Робототехника — это междисциплинарная инженерная деятельность, которая включает проектирование, производство, эксплуатацию и техническое обслуживание роботов и других компьютерных действий, имитирующих физические действия человека. Роботы предназначены для узкоспециализированных задач, принимают формы, наиболее подходящие для их использования, а не обязательно гуманоидную форму, и взаимодействуют с окружающей средой с помощью датчиков и приводов. В исследовании показано, что большинство проблем обучения в робототехнике — это проблемы машинного обучения с подкреплением.
1 Составлено автором на основе исследования
Системы, основанные на знаниях (KBS), — это ветвь искусственного интеллекта, связанная с машинным принятием решений на основе существующих знаний. По сути, KBS состоит из базы знаний, механизма логического вывода и пользовательского интерфейса для взаимодействия. База знаний создается из хранилища экспертных знаний в предметной области, прошлых случаев или опыта или других соответствующих источников. Его основным преимуществом является повышенная производительность и эффективность легкого доступа и взаимодействия с большими необходимыми знаниями предметной области. KBS делает выводы и приходит к выводам, которые являются эвристическими, гибкими и прозрачными, и обеспечивает логику, лежащую в основе рекомендаций, которые даются, когда это необходимо. KBS классифицируются как (А) экспертные системы: база знаний состоит из конкретных знаний от эксперта в определенной области для имитации принятия решений людьми для решения конкретных проблем.
Обработка естественного языка (МЬР) — это область искусственного интеллекта, которая занимается созданием вычислительных моделей, имитирующих лингвистические способности человека.. НЛП применяется в таких областях, как машинный перевод, обработка и обобщение текста на естественном языке, пользовательские интерфейсы, поиск многоязычной и межъязыковой информации, распознавание речи и экспертные системы. Задачи, связанные с НЛП, включают тегирование частей речи, разбиение на фрагменты, распознавание именованных сущностей и маркировку семантических ролей.
Оптимизация связана с принятием решений или вариантов выбора, обеспечивающих наилучшие результаты с учетом набора ограничений. Согласно Бойду и Ванденберге, Л., задача оптимизации — это конструкция задачи выбора наилучшего из набора вариантов. Оптимизация — это явление на всю жизнь, первоначально известное как математическая дисциплина, занимающаяся поиском оптимального решения любой заданной проблемы. С появлением ИИ в 1950-х годах появилось новое семейство метаэвристических были созданы алгоритмы, известные как эволюционные алгоритмы (ЭА). Некоторые из недавних алгоритмов, принадлежащих к семейству ЕА, включают эволюционные стратегии (ES), эволюционное программирование (ЕР), генетические алгоритмы ^А), дифференциальную эволюцию фЕ) и оптимизацию роя частиц (PSO).
Более 60,0% исследований по применению ИИ в строительстве было проведено за последнее десятилетие и привело к появлению или ускорению появления передовых технологий, включая квантовые вычисления, Интернет вещей (1оТ), Кибербезопасность и Блокчейн. Квантовые вычисления способны решать определенные вычислительные задачи более эффективно, чем классические (или традиционные) компьютеры. Вследствие особой природы квантовой информации квантовые алгоритмы более эффективны, чем классические (или традиционные) алгоритмы. ИИ может использовать возможности квантовых вычислений для ускорения решения проблем и оптимизации своих решений.
Интернет эволюционировал от того, чтобы просто позволить людям общаться друг с другом, до обеспечения связи между несколькими объектами и людьми для создания интеллектуальной среды. Это преобразование стало возможным благодаря последним достижениям в области технологий, таких как датчики, приводы, беспроводные технологии (например, RFID), облачные вычисления, более быстрые и дешевые устройства с расширенными возможностями обработки. В строительной отрасли 1оТ во многих отношениях интегрируется с ИИ, в том числе: энергосбережение по запросу для интеллектуального мониторинга энергопотребления здания; Платформа информационного моделирования зданий с поддержкой 1оТ для обеспечения видимости и прослеживаемости в режиме реального времени в сборных конструкциях; и для создания заблаговременных предупреждений и сигналов тревоги в качестве динамических барьеров безопасности для опасной энергии на подземных строительных площадках.
Многочисленные преимущества, вызванные расширением доступа к Интернету и взаимосвязанным системам во всем мире, находятся под угрозой из-за постоянно развивающихся киберугроз. Некоторые примеры киберугроз, которые распространены в строительной отрасли, включают вредоносное ПО, социальную инженерию и фишинг. Исследование показало, что, хотя строительная отрасль не имеет большого значения в выводах о кибербезопасности, внедрение платформ информационного моделирования знаний уровня 3 с растущим доверием к виртуальности увеличит подверженность киберпреступности. Растущая интеграция платформ информационного моделирования знаний с данными из других внешних источников делает его особенно уязвимым для кибератак. На самом деле, любые цифровые технологии, используемые в строительной отрасли, дополненная и виртуальная реальность, 1оТ и даже ИИ, такие как жесткие и мягкие роботы, подвержены риску кибератак, если нет надлежащего плана сетевой безопасности и реагирования.
Таким образом, ИИ способен оказать огромное влияние на методы работы в нескольких отраслях как инновационный подход к повышению производительности и решению проблем. Строительная отрасль сталкивается с проблемой производительности и другими бесчисленными проблемами, которые может решить искусственный интеллект. С увеличением количества данных, генерируемых на протяжении всего жизненного цикла здания, и появлением других цифровых технологий ИИ может использовать эти данные и использовать возможности других технологий для улучшения строительных процессов. Чтобы ответить на исследовательские вопросы в этом исследовании, мы изучили, в какой степени технологии ИИ используются в строительстве. Мы рассмотрели не только последние исследования, но и соответствующие исследования, опубликованные за последние шесть десятилетий в нескольких областях применения в строительстве. Кратко объясняются концепции, типы, компоненты и подполя ИИ, а также объясняются работы, использующие эти подполя. Был представлен основной обзор областей применения, преимуществ, ограничений и преимуществ
каждой области ИИ, используемой в строительстве.
Список литературы (Bibliography)
1.
2. Abdurakhmanov K.Kh, Kudbiev Sh.D.Magroupov A.Yul. «Human capital basis of development of innovative economy». International Journal of Psychosocial Rehabilitation, Vol. 24, Issue 04, 2020 ISSN: p. 14757192
3. Abdurakhmanov K., Zokirova N. Human development. Textbook. Bremerhaven-2014. p.423.
4. Chien C.D.-P.S., Huh W., Jang Y., Morrison J., Artificial intelligence in manufacturing and logistics systems: algorithms, applications, and case studies, Publication Cover Int. J. Prod. Res. 58 (9) (2020) 2730-2731.
5. Delgado J.M.D., Oyedele L., Ajayi A., Akanbi L., Akinade O., Bilal M., Owolabi H., Robotics and automated systems in construction: understanding industry-specific challenges for adoption, Journal of Building Engineering 26 (2019), 100868.
6. Schwabe K., Teizer J., M. K'onig, Applying rule-based model-checking to construction site layout planning tasks, Autom. ConStruct. 97 (97) (2019) 205-219.
7. Yao X., Zhou J., Zhang J., Bo'er C.R., From Intelligent Manufacturing to Smart Manufacturing for Industry 4.0 Driven by Next Generation Artificial Intelligence and Further on, 5th International Conference on Enterprise Systems, Beijing, 2017 (ES).
8. Искандаров Э.Б. Современные приоритеты городского строительства в условиях роста. // «Проблемы Архитектуры строительства» научно-технический журнал, 2019г. №1 3бет
