هوش مصنوعی در صنعت ساخت و ساز

طبق گزارش هاروارد بیزینس ریویو (Harvard Business Review)، سالانه حدود 48 تریلیون دلار در پروژه‌ها سرمایه‌گذاری می‌شود.

با این حال، تنها 35 درصد از این پروژه‌ها “موفق” تلقی می‌شوند که در درجه‌ی اول به دلیل بلوغ محدود فناوری‌های مدیریت پروژه است. اگر پیشرفت‌هایی مانند هوش مصنوعی (AI) و سایر نوآوری‌های تکنولوژیک بتوانند میزان موفقیت پروژه‌ها را تنها تا ۲۵ درصد افزایش دهند، ارزش حاصله معادل تریلیون‌ها دلار خواهد بود.

هوش مصنوعی در صنعت ساخت و ساز به عنوان یک فناوری ظاهر شده است که آماده است صنعت ما را متحول کند. همانطور که وارد این مرز از فناوری ساخت و ساز می‌شویم، ضروری است که بدانیم هوش مصنوعی چیست و چگونه راه‌حل‌های منحصر به فردی برای پیشبرد بهره‌وری و عملکرد صنعت ساخت و ساز ارائه می‌دهد.

این مقاله یک درک اساسی از هوش مصنوعی در مرحله پیش ساخت ارائه می‌دهد. ما بررسی خواهیم کرد که چگونه هوش مصنوعی راه‌هایی را برای بهبود فرآیندهایی که کسب ‌و کار را برای تصمیم‌گیری بهتر و برنامه‌ریزی استراتژیک پیش‌ساز ارائه می‌کند.

هوش مصنوعی چیست؟

محیط ساخت و ساز مدرن پیچیده و غنی از داده، مزیت بالقوه‌ای را برای آن دسته از مشاغلی که می‌توانند از داده‌ها استفاده کنند، بینش قابل فهمی ‌تولید کنند و تصمیمات استراتژیک آگاهانه بگیرند، ارائه می‌دهد. هوش مصنوعی پس از سال‌ها توسعه و تخیل، در حال ایجاد جایگاهی در صنعت ساخت و ساز است.

هوش مصنوعی اکنون به دلیل پیشرفت در قدرت محاسباتی، الگوریتم‌هایی که مراحل دقیق را دنبال می‌کند، مجموعه بزرگی از داده‌هایی که صنعت تولید می‌کند و نوآوری در سیستم‌هایی که این پیشرفت‌ها را ترکیب می‌کند، اینجا است. اکنون زمان درک و ادغام هوش مصنوعی در تجارت شما فرا رسیده است.

هوش مصنوعی ایده جدیدی نیست، ریشه‌های آن را می‌توان در دهه 1950 جستجو کرد. آرتور ساموئل، پیشگام در این زمینه، آن را به عنوان “رشته تحصیلی که به رایانه‌ها توانایی یادگیری بدون برنامه‌ریزی صریح را می‌دهد” تعریف کرد. به عبارت دیگر، هوش مصنوعی شامل رایانه‌ها و سیستم‌هایی است که از تجربه یاد می‌گیرند. هدف هوش مصنوعی این است که ماشین‌ها کارهایی را انجام دهند که انسان‌ها در حال حاضر انجام می‌دهند، اما آنها را بهتر و سریع‌تر انجام دهند. در سال‌های اخیر موضوعات و مباحثی همچون ساختمان‌های هوشمند و BIM نمونه بارزی از شروع دخالت هوش مصنوعی در صنعت ساخت و ساز می‌باشد.

هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق

هوش مصنوعی رشته‌ای در علم داده است که فناوری رایانه را با مقادیر زیادی داده ترکیب می‌کند تا امکان حل مسئله را فراهم کند. ممکن است هوش مصنوعی را در جستجوی صوتی با الکسای آمازون یا سیری اپل تجربه کرده باشید. موتورهای جستجو همچنین نتایج را با هوش مصنوعی برای جمع‌آوری و بازیابی اطلاعات مربوطه بر اساس درخواست‌های کاربر تقویت می‌کنند. ویدیوهایی که توسط YouTube یا Netflix به شما پیشنهاد می‌شوند، نتایج مبتنی بر هوش مصنوعی هستند که عناوین را بر اساس یادگیری ترجیحات و عادات تماشای شما توصیه می‌کنند.

ممکن است شنیده باشید که یادگیری ماشینی به عنوان هوش مصنوعی ذکر شده است، اما این اصطلاحات کاملاً قابل تعویض نیستند. یادگیری ماشینی زیرمجموعه‌ای از هوش مصنوعی است که از تجربه یاد می‌گیرد، عملکرد را بدون برنامه‌ریزی صریح تطبیق می‌دهد و بهبود می‌بخشد.

سومین بخش از هوش مصنوعی که امروزه بیشتر در معرض دید قرار می‌گیرد، یادگیری عمیق است. هدف تمام هوش مصنوعی تقلید تفکر انسان است و یادگیری عمیق برای استخراج حداکثر ارزش از روش پردازش اطلاعات ما طراحی شده است. مغز ما از چیزی استفاده می‌کند که دانشمندان آن را شبکه‌های عصبی می‌نامند، که مجموعه‌ای از سلول‌های مغزی هستند که به ما در پردازش اطلاعات با اتصال سیگنال‌ها کمک می‌کنند. یادگیری عمیق از شبکه‌های عصبی مصنوعی برای پردازش مقادیر زیادی داده و حل مشکلات با کمک محدود انسان استفاده می‌کند. این شبکه‌های هوش مصنوعی به دلیل توانایی‌شان در مدیریت داده‌های زیاد، ادامه پیشرفت در هنگام آموزش و یادگیری و حل مسائل پیچیده ارزشمند هستند.

هوش مصنوعی در پیش‌ساخت

قبل از شروع ساخت و ساز در یک پروژه ساخت و ساز صنعتی یا تجاری، افراد و تیم‌های مختلفی از رشته‌ها و تخصص‌های مختلف باید با یکدیگر همکاری کرده و نحوه ادامه پروژه را برنامه‌ریزی کنند. پیش‌ساخت، همانطور که نامیده می‌شود، به مراحل ساخت و ساز اشاره دارد که قبل از شروع کار اجرایی واقعی انجام می‌شود. مالکان ساختمان، معماران و مهندسان، پیمانکاران تجاری، پیمانکاران عمومی، تولیدکنندگان محصولات ساختمانی و بسیاری دیگر در پیش‌ساخت شرکت می‌کنند.

فرآیند پیش‌ساخت در ساخت و سازهای تجاری کمک می‌کند تا با شناسایی و پرداختن به توالی افراد و رویدادهایی که پروژه را تکمیل می‌کنند، اطمینان حاصل شود که پروژه به موقع، در حد بودجه و رضایت مشتری انجام می‌شود.

درست مانند پروژه‌هایی که در حال ساخت هستند، کار بنیادی مستحکم در پیش‌ساخت تا حد زیادی بر قوت پروژه تأثیر می‌گذارد. تغییرات در مراحل پیش‌ساخت بسته به متغیرهایی مانند نوع سازه یا پروژه (به عنوان مثال، هتل، مدرسه، جاده یا پل)، روش‌های تحویل پروژه، محدوده کار، یا اینکه پروژه ساخت و ساز دولتی یا خصوصی باشد، رخ می‌دهد.

هوش مصنوعی در مراحل پروژه پیش‌ساخت

مراحل پروژه پیش‌ساخت زیر چارچوبی را برای مراحل قبل از شروع ساخت و ساز و اینکه چگونه هوش مصنوعی نحوه اجرای این برنامه‌ریزی را تغییر می‌دهد، ارائه می‌دهد.

پیش‌طراحی

این مرحله شامل طراحی مفهومی، برنامه‌ریزی اولیه پروژه، توسعه پروژه و مطالعات امکان‌سنجی است. تیم پروژه معمولاً با مفهوم ساختار شروع می‌کند، تجزیه و تحلیل سایت را برای شناسایی موانع بالقوه انجام می‌دهد و برنامه‌ای برای رفع آنها ایجاد می‌کند. این مرحله همچنین شامل توسعه محدوده و بودجه پروژه تقریبی یا کاری است.

هوش مصنوعی در مرحله برنامه‌ریزی و توسعه پروژه پیش از طراحی یا اولیه برای مطالعات امکان‌سنجی برای تعیین اینکه آیا یک پروژه قابل اجرا است یا خیر، مفید است. ریسک‌ها را می‌توان با داده‌های مختلفی از جمله داده‌های مالی، داده‌های بازار و داده‌های مربوط به تأثیر بالقوه پروژه بر محیط‌زیست شناسایی و تجزیه و تحلیل کرد. تجزیه و تحلیل ریسک می‌تواند به تصمیم‌گیری در مورد ادامه پروژه کمک کند. هوش مصنوعی در این مرحله ابزار قدرتمندی است زیرا دقت را همراه با عدم تعصب عمومی‌‌ ارائه می‌دهد.

طراحی و توسعه

این مرحله شامل توسعه اسناد طراحی دقیق است که پروژه را هدایت می‌کند. اسناد موجود در این مرحله شامل نقشه‌های معماری، سازه، مکانیک، برق و لوله‌کشی می‌باشد.

توسعه طراحی یک مرحله حیاتی در فرآیند توسعه پروژه است که شامل گرفتن طرح مفهومی ‌و تبدیل آن به طرحی دقیق‌تر و قابل ساخت‌تر، حرکت از ایده‌های عمومی ‌به ایده‌های خاص‌تر است. مرحله توسعه طراحی جایی است که بسیاری از تصمیمات مهم گرفته می‌شود که پروژه نهایی را شکل می‌دهد، از جمله هزینه، کارایی انرژی و عملکرد کلی. هوش مصنوعی با ارائه ابزارها و تکنیک‌های جدید برای بهبود کارایی و کیفیت فرآیند توسعه طراحی می‌تواند نقش بسزایی در این مرحله ایفا کند.

اسناد ساخت و ساز

این مرحله شامل تدوین اسناد نهایی ساخت و ساز شامل نقشه‌های دقیق اجرایی، مشخصات محصول ساختمان و اسناد قرارداد می‌باشد. برنامه زمان‌بندی نهایی‌ ساخت و ساز تهیه شده است که توالی و مدت زمان مورد انتظار تمام فعالیت‌های مورد نیاز برای تکمیل پروژه را مشخص می‌کند.

ابزارهای مبتنی بر هوش مصنوعی می‌توانند برای خودکارسازی فرآیند استخراج، تجزیه و تحلیل و پردازش داده‌ها از اسناد ساخت و ساز استفاده شوند. به عنوان مثال، پردازش زبان طبیعی (NLP) می‌تواند برای تجزیه و تحلیل نیازمندی‌های پروژه و ایجاد یک سند محدوده پروژه دقیق بر اساس نقشه‌های ساخت و ساز دو بعدی مانند فایل‌های PDF استفاده شود. NLP بیش از نیم قرن است که وجود داشته و جزئی از هوش مصنوعی است که زبان انسان، نوشتاری و گفتاری را درک و تفسیر می‌کند و در مقایسه با روش‌های معمولی، مانند ورود دستی داده‌ها یا محاسبات صفحه گسترده می‌تواند در زمان و منابع صرفه جویی کند.

مناقصه و مذاکره

این مرحله شامل توزیع طرح‌ها بین بازرگانان، پیمانکاران و سازندگان برای مناقصه است. تیم پروژه پیشنهادها را بررسی می‌کند، با پیمانکاران مذاکره می‌کند و مناقصه‌های برنده را انتخاب می‌کند. برای پیمانکاران عمومی ‌‌و پیمانکاران تجاری، این مرحله ضروری است که شامل تولید و ارائه تخمین‌های دقیق و برآوردها برای ارائه یک پیشنهاد رقابتی است.

مدیران پروژه با شناسایی پیمانکاران تجاری، پیمانکاران عمومی ‌‌و تولیدکنندگان تامین کننده ساختمان، محدوده پروژه را ارزیابی می‌کنند، فرصت‌هایی را برای پیگیری شناسایی می‌کنند، استراتژی‌های مناقصه را تحلیل می‌کنند و تصمیم می‌گیرند که کدام پروژه مانع موفقیت را برطرف کند. پیمانکاران تجاری می‌توانند از قدرت هوش مصنوعی برای ساده‌سازی فرآیندها، خودکارسازی وظایف تکراری مانند برآورد و بهبود سرعت تصمیم‌گیری‌هایی مانند بررسی پروژه‌های سودآور استفاده کنند.

مجوزها و تاییدیه‌ها

این مرحله شامل ارائه اسناد ساخت و ساز به سازمان‌های دولتی مربوطه، در صورت لزوم، برای بررسی و تایید است. در این مرحله از هوش مصنوعی برای تایید انطباق با قوانین ساختمانی و مدیریت فرآیند پروانه ساختمان استفاده می‌شود.

پیش ساخت را نهایی کنید

این مرحله شامل نهایی کردن قراردادها، بسیج پیمانکاران و شروع فعالیت‌های عمرانی است. برنامه‌ریزی مؤثر پیش‌ساخت و تصمیم‌گیری استراتژیک، مؤلفه‌های کلیدی سودآوری برای تجارت، پیمانکاران عمومی ‌‌و تولیدکنندگان محصولات ساختمانی است.

مراحل پیش‌ساخت به دلیل ماهیت پروژه، نیاز ذاتی به ارتباط و همکاری موثر بین تیم‌ها و مقررات محلی و ملی و غیره می‌تواند پیچیده‌تر شود. مسائل زمان و بودجه به طور مداوم محرک‌های یک پروژه ساخت و ساز سودآور هستند. فناوری مانند هوش مصنوعی فرصتی برای بهبود عملکرد در طول چرخه عمر پیش از ساخت ارائه می‌دهد.

جایی که دیگر هوش مصنوعی و ساخت و ساز با هم متحد می‌شوند

به غیر از پیش‌ساخت، هوش مصنوعی یک فناوری است که همچنان در سایر زمینه‌های ساخت ‌و ساز ظهور می‌کند و باعث بهبود عملکرد و ایمنی می‌شود.
برخی از نمونه‌ها عبارتند از:

• تعمیر و نگهداری پیش‌بینی‌کننده: هوش مصنوعی می‌تواند برای تجزیه و تحلیل داده‌های سیستم‌های ساختمان، مانند سیستم‌های تهویه مطبوع و برق، برای پیش‌بینی زمان نیاز به تعمیر و جلوگیری از خرابی تجهیزات استفاده شود.

• ایمنی سایت: دوربین‌ها و حسگرهای مجهز به هوش مصنوعی (حتی برخی از آنها که توسط کارگران استفاده می‌شود) می‌توانند مکان‌های ساخت و ساز را از نظر خطرات احتمالی ایمنی نظارت کنند و به کارگران و مدیران در مورد خطرات احتمالی هشدار دهند.

• رباتیک: بهره‌وری هوش مصنوعی و یادگیری ماشینی راه خود را در آجرکاری روباتیک، جوشکاری و حتی ساختن کل سازه‌ها با چاپ سه بعدی پیدا کرده است.

• مدیریت پروژه: هوش مصنوعی می‌تواند تخصیص کار و مواد را بهینه کند و زمان‌بندی وظایف ساخت و ساز را کارآمدتر و مقرون به صرفه‌تر کند.

• کنترل کیفیت: دوربین‌ها و حسگرهای مجهز به هوش مصنوعی می‌توانند کیفیت کار ساخت و ساز را کنترل کنند، عیوب را شناسایی کنند، و کارگران و مدیران را در مورد مسائلی که نیاز به رسیدگی دارند، آگاه کنند.

• عملکرد ساختمان: هوش مصنوعی می‌تواند برای تجزیه و تحلیل داده‌های سیستم‌های ساختمان به منظور بهینه‌سازی بهره‌وری انرژی، کیفیت هوای داخل ساختمان و سایر معیارهای عملکرد استفاده شود. به عنوان مثال، شبیه‌سازی کارایی ساختمان با هوش مصنوعی، امکان شناسایی مناطق بالقوه محروم از انرژی را برای طراحی و ساخت بهتر فراهم می‌کند.

تقویت کننده دانش و بینش

شنیدن این موضوع که رایانه‌هایی که برای تفکر مانند انسان‌ها آموزش دیده‌اند، تهدیدی برای سرقت مشاغل از مردم هستند، بسیار رایج است. اما ساخت و ساز ذاتاً متکی به دانش نهادی و فردی گسترده است، چیزی که هوش مصنوعی نمی‌تواند جایگزین آن شود. در جایی که قضاوت انسان درگیر است و ما می‌دانیم که در همه جا در طول چرخه عمر پروژه ساخت و ساز وجود دارد، هوش مصنوعی توانایی ما انسان‌ها را ندارد.

با اجرای هوش مصنوعی، به احتمال زیاد نقش‌ها و مسئولیت‌های خاصی تغییر خواهند کرد. هوش مصنوعی همراه با دانش سازمانی یک شرکت، فرصت‌های استراتژیک بسیار بیشتری را نسبت به فرصت‌هایی ارائه می‌کند که از فناوری‌هایی برای ساده‌سازی عملکرد و تصمیم‌گیری بهتر مبتنی بر داده استفاده نمی‌کنند.

نتیجه

حوزه مدیریت پروژه ساخت و ساز – رشته‌ای چند وجهی که شامل هدایت و سازماندهی هر بخش از چرخه عمر پروژه ساخت و ساز برای تحویل پروژه‌ها به موقع و با بودجه است – مطمئناً می‌تواند از اجرای فناوری هوش مصنوعی بهره‌مند شود. با این حال، مانند هر فناوری دیگری، هوش مصنوعی محدودیت‌هایی دارد.

مزایا

یکی از بارزترین مزایای هوش مصنوعی برای مدیریت پروژه ساخت و ساز، اتوماسیون وظایف تکراری مانند ورود داده‌ها، پر کردن فرم و تولید گزارش است. با خودکارسازی این وظایف مکرر و زمان‌بر، مدیران پروژه می‌توانند تلاش خود را بر روی وظایف مبتکرانه یا خلاقانه‌تر متمرکز کنند و به آن‌ها اجازه دهند تأثیر بیشتری بر پروژه‌ها بگذارند. با این حال، کمک به مسئولیت‌های تکراری تنها مزیت هوش مصنوعی در مدیریت پروژه ساخت و ساز نیست.
مزایای دیگر عبارتند از:

• واقعیت مجازی و افزوده: تقویت تجسم پروژه با ایجاد مدل‌های سه بعدی و شبیه‌سازی‌هایی که می‌توانند برای بررسی طراحی، آموزش ایمنی و ارتباط با سهامداران استفاده شوند، پیشنهاد بسیار مفیدی توسط هوش مصنوعی است. این به مدیران پروژه کمک می‌کند تا درک پروژه را بهبود بخشند و خطاها را کاهش دهند.

این صنعت از یادگیری ماشینی در قالب طراحی مولد مبتنی بر هوش مصنوعی برای شناسایی و کاهش درگیری‌ها بین مدل‌های مختلف تولید شده توسط تیم‌های مختلف برای جلوگیری از کار مجدد استفاده می‌کند. نرم‌افزاری وجود دارد که از الگوریتم‌های یادگیری ماشین برای بررسی تمام تغییرات یک راه‌حل استفاده می‌کند و جایگزین‌های طراحی را تولید می‌کند. هنگامی که کاربر الزامات را در مدل تنظیم می‌کند، نرم افزار طراحی مولد مدل‌های سه بعدی بهینه شده برای محدودیت‌ها را ایجاد می‌کند و از هر تکرار یاد می‌گیرد تا زمانی که به مدل ایده‌آل برسد.

• تجزیه و تحلیل پیش‌بینی کننده و مدیریت ریسک: هوش مصنوعی همچنین می‌تواند برای تجزیه و تحلیل داده‌ها از منابع مختلف مانند حسگرها، پیش‌بینی‌های آب و هوا و همچنین داده‌های تاریخی گذشته و پایگاه‌های داده پروژه برای پیش‌بینی خطرات احتمالی و شناسایی مناطق برای بهبود استفاده شود. که نتایج آن می‌تواند به مدیران پروژه در تصمیم‎گیری آگاهانه و اتخاذ اقدامات پیشگیرانه برای کاهش خطرات کمک کند. امروزه راه‌حل‌های هوش مصنوعی و یادگیری ماشینی وجود دارد که پیمانکاران عمومی از آنها برای نظارت و اولویت‌بندی ریسک در محل کار استفاده می‌کنند، بنابراین تیم پروژه می‌تواند زمان و منابع محدود خود را بر روی بزرگترین عوامل خطر متمرکز کند.

• کنترل کیفیت: فناوری هوش مصنوعی همچنین می‌تواند به نظارت بر سایت‌های ساخت و ساز و شناسایی خطرات احتمالی ایمنی، مسائل کیفی و انحرافات از طراحی کمک کند. بنابراین مدیران پروژه این اختیار را دارند که اقدامات اصلاحی را در زمان واقعی انجام دهند و در نتیجه کیفیت و کارایی پروژه را بهبود بخشند.

• بهینه‌سازی منابع: تجزیه و تحلیل داده‌ها از منابع مختلف مانند برنامه زمان‌بندی پروژه‌ها و بهره‌وری نیروی کار برای تنظیم تخصیص منابع یکی دیگر از مزایای ارائه شده توسط هوش مصنوعی است که به مدیران پروژه اجازه می‌دهد تا ضایعات را کاهش دهند، بهره‌وری را بهبود بخشند و پروژه‌ها را در چارچوب بودجه تکمیل کنند. شرکت‌هایی هستند که شروع به ارائه ماشین‌آلات ساخت‌ و ساز خودران کرده‌اند تا کارهای تکراری را کارآمدتر از همتایان انسانی خود انجام دهند، مانند ریختن بتن، آجرکاری، جوشکاری و تخریب. عملیات خاک‌برداری و آماده‌سازی توسط بولدوزرهای مستقل یا نیمه مستقل انجام می‌شود که می توانند با کمک برنامه نویس انسانی یک محل را با مشخصات دقیق آماده کنند. این کار کارگران انسانی را برای سایر کارهای اجرایی آزاد می‌کند و زمان کلی لازم برای تکمیل پروژه را کاهش می‌دهد. مدیران پروژه همچنین می‌توانند کار در محل کار را در زمان واقعی ردیابی کنند. آن‌ها از تشخیص چهره، دوربین‌های موجود در محل و فناوری‌های مشابه برای ارزیابی بهره‌وری کارگران و انطباق با رویه‌ها استفاده می‌کنند.

محدودیت‌ها

علیرغم توانایی هوش مصنوعی برای کمک به مدیران پروژه در تصمیم‌گیری بهتر، کاهش ریسک، بهبود کیفیت و افزایش کارایی، هوش مصنوعی نیز با محدودیت‌هایی همراه است:

• فقدان زمینه و درک: سیستم‌های هوش مصنوعی ممکن است نتوانند به طور کامل تفاوت‌های ظریف یک پروژه یا سایت آن، تأثیر عوامل خارجی یا نیازها و انتظارات منحصر به فرد ذینفعان خاص را درک کنند.

• مسائل مربوط به کیفیت داده‌ها: هوش مصنوعی برای تصمیم‌گیری آگاهانه به داده‌های دقیق و جامع متکی است. پروژه‌های ساختمانی حجم وسیعی از داده‌ها را تولید می‌کنند، اما بسیاری از آن‌ها می‌توانند بدون ساختار باشند که تجزیه و تحلیل آنها را مشکل می‌کند. این می‌تواند دقت الگوریتم‌های هوش مصنوعی را محدود کند و ارائه بینش‌های عملی را دشوار کند. اگر داده‌های مورد استفاده برای آموزش هوش مصنوعی ناقص، نادرست یا مغرضانه باشد، خروجی سیستم نیز نمی‌تواند قابل اعتماد باشد، به این معنی که تصمیم‌ها بدون مجموعه کامل و دقیق اطلاعات گرفته می‌شوند.

• چالش‌های هزینه پیاده‌سازی: پیاده‌سازی هوش مصنوعی در مدیریت پروژه می‌تواند پیچیده، زمان‌بر و پرهزینه باشد. ممکن است نیاز به سرمایه‌گذاری قابل توجهی در فناوری و تخصص داشته باشد، به غیر از تغییرات بالقوه بزرگ در فرآیندها و سیستم‌های موجود – چیزی که در برخی از شرکت‌ها می‌تواند با تردید یا مقاومت مواجه شود.

• وابستگی به فناوری: در نهایت، هوش مصنوعی می‌تواند وابستگی به فناوری ایجاد کند، که در صورت شکست یا عملکرد نادرست فناوری، می‌تواند مشکل ساز شود. بنابراین، مدیران پروژه‌های ساخت و ساز باید برای رسیدگی به این مسائل در صورت بروز و ظهور، برنامه‌های اضطراری در محل داشته باشند.

همچنین مهم است که اذعان کنیم که الگوریتم‌های هوش مصنوعی ذاتاً در توانایی آنها برای مدیریت موقعیت‌های غیرمنتظره که به سرعت به وجود می‌آیند محدود هستند، عمدتاً به این دلیل که بر روی داده‌های تاریخی آموزش دیده‌اند. این عدم چابکی در شرایط پیش‌بینی نشده یکی از ویژگی‌های اساسی سیستم‌های هوش مصنوعی است. رویدادهای پیش‌بینی نشده و بسیار غیرمحتمل که پیامدهای مهمی ‌را به همراه دارند، گاهی اوقات به عنوان رویدادهای قو سیاه (اشاره به قوی سیاه دریاچه قو که نماد اختلال بود) شناخته می‌شوند، مفهومی‌که توسط مقاله‌نویس و آماردان ریاضی، نسیم نیکلاس طالب رایج شده است. همه‌گیری کووید-19 به عنوان نمونه بارز چنین رویدادی عمل می‌کند، که در آن سیستم‌های هوش مصنوعی به دلیل اتکا به داده‌های گذشته با چالش‌های مهمی‌در فرمول‌بندی سریع راه‌حل‌های مؤثر مواجه می‌شوند.

وقتی صحبت از مدیریت پروژه ساخت ‌و ساز و حوادث قو سیاه، مانند شکست فیزیکی ساخت ‌و ساز می‌شود، نقش ضروری رهبری و نظارت انسانی با ناتوانی هوش مصنوعی در جایگزینی کافی برای مهارت‌های حیاتی مورد نیاز برای پیش‌بینی، کاهش و هدایت چنین رویدادی آشکار می‌شود.

شکی نیست که هوش مصنوعی با افزایش کارایی، بهبود کیفیت پروژه و کاهش هزینه‌ها می‌تواند ارزش زیادی در مدیریت پروژه‌های ساخت و ساز ایجاد کند. با این حال، مهم است که اطمینان حاصل شود که سیستم‌های هوش مصنوعی به درستی در فرآیندهای مدیریت پروژه ادغام شده‌اند و این سیستم‌ها به صورت اخلاقی و مسئولانه استفاده می‌شوند.

مهارت‌های انسان محور – مانند رهبری، حل تعارض، ایجاد توافق، انگیزه و متقاعدسازی، تصمیم‌گیری، هوش هیجانی و حل خلاقانه مشکلات – همگی برای اجرای روان هر پروژه ضروری هستند. این مهارت‌ها در حال حاضر خارج از حوزه هوش مصنوعی هستند. بنابراین، هوش مصنوعی زمانی در بهترین حالت خود قرار می‌گیرد که یک «کمک خلبان» باشد که به جای جایگزینی، پرسنل حرفه‌ای را تقویت می‌کند.

سیستم‌های هوش مصنوعی می‌توانند به مهارت‌ها و فرآیندهای بی‌نظیر و تحت هدایت انسان کمک کرده و آن را تکمیل کنند و کارایی و نتایج پروژه را به حداکثر برسانند. در ساخت و ساز، این در نهایت به معنای مکان‌های بهتر برای مردم است.

آینده روشن برای هوش مصنوعی در ساخت و ساز

حال و آینده هوش مصنوعی در صنعت ساخت ‌و ساز امیدوارکننده است زیرا ابزارها و تکنیک‌های مبتنی بر هوش مصنوعی بیشتر در جریان کار ادغام می‌شوند. با پیشرفت فناوری، انتظار می‌رود هوش مصنوعی به بخشی جدایی ناپذیرتر از فرآیند ساخت تبدیل شود و به بهبود کارایی، کاهش هزینه‌ها و افزایش نتایج عملکرد ساخت ‌و ساز کمک کند. هوش مصنوعی در صنعت ساخت و ساز فرود آمد. برای آن آماده شوید.

گردآوری و ترجمه: آقای مهندس فرشاد علیزاد صانع

منابع

AI in Construction has landed- Doug Dockery, February 2024
How can AI enhance construction project management and what are its limitations? – Alyaa Al Wahab, September 2023
The Benefits of AI In Construction-Sumana Rao, April 2022