Нейросеть сказала, что всё нормально. А потом нашли ошибку в стене

Об ИИ на стройке сейчас говорят почти так же часто, как раньше говорили об умном доме. Камеры что-то распознают, дроны осматривают объект, программы сравнивают фотографии с проектом. Кажется, что ещё немного — и строительный контроль тоже можно будет автоматизировать.

Вот только у этой идеи есть слабое место: а если нейросеть ошибётся?

На стройке это не такая уж мелочь. Представьте, что камера должна проверить участок, а алгоритм сообщает: нарушений нет. Инженер смотрит на результат и занимается следующей задачей.

Через некоторое время выясняется, что проблема всё-таки была. Камера стояла под неудобным углом, часть конструкции закрывала обзор или изображение оказалось слишком плохим. Человек мог бы обратить внимание на странность, а алгоритм просто не увидел её.

В этом и заключается одна из главных особенностей ИИ. Он не смотрит на объект так, как смотрит человек. Он анализирует данные и ищет знакомые ему признаки.

А на стройке слишком много вещей, которые меняются каждый день.

Сегодня один участок открыт, завтра его закрыли материалами. Появилась новая техника. Изменился проект. Другой свет. Дождь, пыль, грязь. Даже обычный рабочий в каске может на фотографии выглядеть совсем иначе, чем тот, на котором систему обучали.

Поэтому идея поставить камеры и полностью доверить им контроль мне кажется пока слишком смелой.

Но это вовсе не означает, что ИИ здесь бесполезен.

Наоборот, у него есть очень простая и понятная задача — помочь человеку не утонуть в количестве информации.

Если на объекте несколько десятков камер, инженер не может круглосуточно смотреть на каждую. И не должен. Гораздо разумнее, если система сама отметит несколько подозрительных моментов и предложит их проверить.

Один сигнал окажется ошибкой.

Другой — обычной ситуацией.

А третий действительно укажет на проблему, которую человек мог пропустить.

Получается довольно простой принцип: нейросеть ищет, человек решает.

То же самое можно делать с проектом. Например, сравнивать цифровую модель здания с тем, что уже построено. Если положение конструкции отличается, система может обратить на это внимание.

Но и здесь есть подвох.

Допустим, в проекте стоит старая версия, а на площадке уже работают по новой. Алгоритм найдёт расхождение и сообщит об ошибке. Формально он будет прав. Только ошибки на самом объекте может и не быть.

Поэтому хороший строительный ИИ — это не тот, который принимает больше решений. Скорее наоборот. Он должен вовремя показать человеку то, что тот мог не заметить.

Мне вообще кажется, что вокруг автоматизации строительства иногда создают слишком большие ожидания. Роботы сами строят дома, дроны всё контролируют, искусственный интеллект управляет процессами. На выставке это выглядит убедительно.

На настоящей стройке всё менее аккуратно.

Там погода меняется, люди ошибаются, подрядчики задерживаются, материалы приезжают не вовремя, а проект может поменяться прямо во время работ.

Именно поэтому полностью убрать человека из процесса пока гораздо сложнее, чем научить программу распознавать каску или сравнивать две фотографии.

Но, возможно, этого и не требуется.

Если ИИ позволит инженеру быстрее найти проблему, проверить больше участков и не тратить часы на просмотр однотипных данных — уже будет польза.

Не нужно превращать стройку в полностью автономный объект. Иногда достаточно просто сделать так, чтобы человек увидел ошибку на несколько часов раньше.

Потому что на стройке это может оказаться гораздо важнее любой красивой демонстрации нейросети.

Альберт Валиахметов