Комментировать

Заменят ли нейросети проектировщиков и экспертов

Глава Минстроя Ирек Файзуллин недавно сказал, что экспертизу со временем полностью передадут искусственному интеллекту (ИИ). Когда, на ваш взгляд, это удастся сделать и удастся ли?

Манылов: Искусственный интеллект — это инструмент в руках человека. И, на мой взгляд, полностью он не заменит человека никогда. В части экспертизы речь идет о максимальной оптимизации рутинных процессов с помощью машинного обучения. Это то, о чем и говорил министр.

Если раньше наши эксперты по несколько часов в сутки разбирали поступивший комплект документов, то сейчас это делает машина за долю секунды. Но обучают ее эксперты.

Мы много лет формировали электронную цифровую среду, накопили огромные данные. У нас уже 30 млн файлов в системах, из них 3 млн — в машиночитаемом виде. Это не просто сканы, копии, схемы и картинки — это формат, который машина, получив, может расшифровать и правильно понять.

Главгосэкспертиза разработала свою систему?

Манылов: В конце года мы запустили первый этап промышленной эксплуатации модуля предиктивной аналитики. Пилотный проект отработали на «Базе типовых замечаний». Тут речь об обменном формате. Он универсальный, никому не принадлежит. Наподобие эсперанто в сфере IT.

Сейчас уже началась следующая фаза — мы начали обучать системы с помощью нейросетей. Например, проводится большая работа по типизации замечаний. Эксперты выдают тысячи замечаний по проектам в год, их физически невозможно проанализировать человеку. Но мы обучили такому анализу ИИ. Машина выступает ассистентом эксперта — говорит, обычно ты в таких случаях выдаешь такие замечания. А мы приучаем ее работать не по контексту, а по смыслу. Она анализирует пакет проектно-сметной документации и говорит, к примеру, какие эксперты (а у нас 40 с лишним направлений) в данном случае нужны. Мы ее перепроверяем, поскольку это новая технология. Например, машина может выдать, что нужны эксперты по экологии. При этом в тексте нет ни слова про экологию, но ИИ по контексту это понял и спрогнозировал такую потребность. Это и есть суть предиктивной аналитики — автоматизированного метода построения прогнозов на основе результатов анализа предыдущих данных. Нейросеть для этих целей мы разработали сами.

Что еще необходимо сделать, чтобы эксперты стали помощниками ИИ, а не наоборот?

Манылов: Все рутинные сопоставления система скоро будет делать сама, для этого действительно эксперт не нужен. Дальше она может отслеживать какие-то параметры — например, ширина проема ниже минимально допустимой и т.п. Это несложно настроить в машиночитаемом формате.

Но я уверен и повторю, что полностью ИИ никогда не заменит человека. Есть, например, такие факторы как архитектурный облик объекта. Если попытаться передать ИИ все, то в конечном итоге мы упремся в нравственный императив. Мы не можем передать ИИ экспертизу атомных станций — это опасная сфера. Плюс человек всегда выступит в защиту человека, что бы он ни делал. У машины этого нет. Приведу пример — требования по пожарной безопасности сделаны так, чтобы не только спасти людей, но и максимально сохранить здание. Потому что это материальные затраты. Машина же может не понять, что спасти людей важнее. Она получает информацию, что жизнь человека застрахована, знает его зарплату, сколько у него детей и пр. И не исключено, что она поставит в приоритет спасение многомиллиардного производства, пожертвовав жизнями двух человек, поскольку материальные потери, в случае их гибели, во много раз меньше.

Еще один момент — навыки межличностного общения. Машина может все идеально рассчитать, просчитать и продумать, но может не учесть фактор человеческого общения — а именно то, что дальше процесс все равно находится в руках людей. Строителей, подрядчиков, контролеров.

Мы, например, учитываем и человеческие свойства команды, которая будет заниматься объектом. Понимая, как устроена организация, как они между собой взаимодействуют, мы при планировании можем что-то учесть. Машина эти факторы не воспринимает.

Третий момент — этические вопросы. Мы можем объявить, что экспертиза отменяется, и теперь все делает машина. Готово ли общество принять такое решение?

Здесь встает вопрос ответственности. Если здание, спроектированное машиной и проверенное вместо экспертов также машиной, рухнет, то с кого спрашивать?

Манылов: Напрашивается ответ, что с машины! Но это не так.

Искусственный интеллект — это именно помощник человека, а не наоборот. Инструмент в руках естественного интеллекта. Его настройщиками и заказчиками являются люди. И они, как человек в пьесе «Тень» Евгения Шварца, должны вовремя сказать ИИ: «Тень, знай свое место!».

Насколько использование ИИ удешевляет процессы в стройке?

Манылов: ИИ и другие цифровые решения позволяют исключить потери времени, дублирующие процессы. Раньше надо было ходить по кабинетам — теперь нет. Традиционное представление — что любой процесс цифровизации дает экономию. Но это не совсем так: он может в одном случае уменьшить расходы, в другом — увеличить.

К примеру, эксперт должен потратить на экспертизу проекта не более 42 дней. Но это может быть проект маленькой школы, а может быть — огромного нефтехимического производства. И тут включается административное регулирование: эксперт за 3 дня проведет экспертизу школы, а в освободившееся время будет заниматься нефтехимией. Примерно так же оптимизирует процесс искусственный интеллект: где-то может сэкономить ресурсы, а по другому проекту — прибавить их.

Через сколько лет удастся достичь максимально возможного использования ИИ?

Манылов: Эти сроки укладываются в считанные годы. Но в сфере строительства есть еще органы, которые находятся на низких стадиях цифровой зрелости.

Напомню, что в Стратегии развития строительной отрасли и жилищно-коммунального хозяйства Российской Федерации на период до 2030 года написано, что должна быть создана единая цифровая система управления строительной отраслью и жилищно-коммунальным.

По цифровизации в стройке мы отстаем от других стран?

Манылов: Мы изучали опыт Великобритании. Они в 1990-е годы создавали группы по цифровому развитию, и у них ушло лет 20, чтобы внедрить цифровые технологии. Быстро сделали в Сингапуре. Но нельзя сказать, что мы плетемся где-то в хвосте. За последние пять лет стройотрасль сделала очень сильный рывок. И в целом идем примерно одинаково с другими странами.

Какие важные проекты рассматривает Главгосэкспертиза?

Манылов: Более 70% проектов, которые мы рассматриваем — это крупные уникальные объекты. В транспортной сфере можно отметить автодорогу М-12. Это сотни объектов — участков, тоннелей, развязок. Другой блок — железнодорожный: Транссиб, БАМ, восточное направление, где тоже сотни мостов, тоннелей, перегонов.

С нашим участием строятся все культурные кластеры — в Севастополе, Калининграде, Кемерове, Владивостоке.

Также можно отметить строительство 17 образовательных кампусов международного уровня. Они предполагают возведение общежитий, лабораторных корпусов, аудиторий, гостиниц и пр.

Повышается ли качество работы проектировщиков или по-прежнему многие проекты не проходят экспертизу с первого раза?

Манылов: По предварительным итогам, в 2023 году Главгосэкспертиза выявила 413 проектных и изыскательских организаций, которые подготовили проектную документацию с нарушением существенных требований. Из них 99 организаций представили проекты, содержащие аварийно-опасные решения по 563 объектам.

Мы тщательно разобрали причины их некачественной работы, выявили слабые места. Пришли к выводу, что нужно укреплять и развивать внутреннюю систему менеджмента качества в проектных организациях. Формировать рейтинги проектировщиков, смотреть статистику — сколько раз заходил в экспертизу, сколько замечаний давали, сколько отработал.

Второй блок проблем — когда участвует очень слабый заказчик, который ничего не понимает в строительстве. Часто бывает, что выделены средства, провели торги, определили, кто проектировщик, кто подрядчик — и заказчик уходит в сторону: мол, я только деньги даю. Такая отстраненность приводит в итоге к удлинению сроков строительства, завышению стоимости. Нужно принимать меры по усилению заказчика, вовлечению его в процесс управления стройкой. Например, мы предлагаем запретить какие-либо изменения параметров, перенос сроков, увеличение сметы и другие существенные корректировки строительства объекта в отсутствие заказчика.

Проводим бесплатные вебинары для заказчиков, есть Учебный центр, который может дать практические знания перед выходом на объект. Через него прошли уже около 3 тыс. человек.

Говорили о том, что будут создаваться «Единые заказчики» на региональном и муниципальном уровнях, которые станут курировать стройки примерно так, как это уже делает «Единый заказчик» на федеральном уровне. Как идет этот процесс?

Манылов: Процесс продвинулся. В регионах созданы или создаются центры управления стройкой. Более половины регионов пошли по этому пути. Зачастую это зависит от объемов строительства — если объектов немного, то можно ограничиться и административным контролем.

Корпорации идут тем же путем — нефтяники, газовики, энергетики создают центры компетенций.

Думаю, в течение следующего года произойдет серьезный рывок в усилении компетенций заказчика. Мы предложили провести Год заказчика. Нас поддержал в этом министр строительства и ЖКХ Ирек Файзуллин.

Источник: Российская Газета

#технологии #искусственный интеллект
Комментировать

Комментарии

Комментировать

Вам может быть интересно

11
#цифровизация

«Мозги» российской нейросети и триллионы рублей от ИИ. О чем говорил Мишустин в Алма-Ате

Председатель правительства РФ рассказал об экономическом эффекте от внедрения технологий ИИ в России, отличии российской нейросети от западной ChatGPT и российских предложениях для зарубежных партнеров
12
#технологии

«Умное стекло» в окнах заменит Wi-Fi

Замена произойдет при помощи солнечного света. Так, исследователи из Университета науки и технологий имени короля Абдуллы (ОАЭ) создали прототип оконного стекла, которое способно служить системой связи в солнечный день
13
#искусственный интеллект

«Сбер» и СПбГУ займутся подготовкой специалистов в области искусственного интеллекта и науки о данных

На новой образовательной программе магистратуры студенты будут изучать прикладные задачи машинного обучения, в том числе, связанные с большими языковыми моделями и их применением в бизнес-задачах