На полях форума по Устойчивому Развитию Городов состоялась дискуссия «Использование искусственного интеллекта в ТИМ-проектах: вызовы и перспективы». Применение цифровых технологий, искусственного интеллекта и нейросетей вызывает живой интерес у представителей отрасли, особенно у молодёжи, и это было ясно по тому, что в зале были заняты все места, и часть слушателей даже стояли, но не уходили.

Основной посыл и главную проблему мероприятия озвучил член Правления АНО «ЦТИИ НЕЙРОЛАБ» Николай Бурлуцкий: применение ИИ в стройке составляет всего 0,3 % от общего применения искусственного интеллекта (ИИ) в стране. По этому показателю строительная отрасль не входит в десятку отраслей по применению ИИ, а основная проблема такого низкого прогресса, – это консерватизм отрасли, архаичность и сопротивление регионов во внедрении современных технологий. Вот с этих позиций и стоит посмотреть и на ИИ в строительстве, и на цифровизацию отрасли в целом.

Президент НОТИМ Михаил Викторов отметил, что сегодня критически важно не просто создавать, а активно внедрять в реальный сектор экономики практичные IT-решения: «Мы видим огромную перспективу в применении передовых разработок – нейросетей и автоматических платформ – для решения самых актуальных задач. Речь идет о тендерных процедурах, их проверке, существенном упрощении формирования смет и ценообразования. В нынешних условиях – это не просто инновация, а насущная необходимость. Ключевая задача НОТИМ – выявлять такие решения и предлагать их как государственному, так и частному сектору, выступая мостом между талантливыми разработчиками, которым зачастую не хватает маркетинговых ресурсов, и рынком, остро нуждающимся в их технологиях».

Развивая свою мысль о проникновении ИИ в стройку, Николай Бурлуцкий заявил, что от общего оборота в триллион рублей, которые сегодня приходятся на ИИ, на строительную отрасль уходят всего 5 млрд рублей, т.е. 0,5 %. При этом проведенный анализ показывает, что прирост цифровых технологий в строительстве занимает примерно 25 % от года к году, и есть значительный потенциал для их дальнейшего развития и внедрения.

Основные сферы применения ИИ в стройке на данный момент приходятся на электронный документооборот, эксплуатацию и обследование зданий, а также на финансовый сектор. При этом экономический эффект от внедрения ИИ может составить до одного триллиона рублей. Но пока стройка остается настолько консервативной, как сейчас, данного эффекта добиться не получится. В качестве примера Николай Бурлуцкий привел опыт крупного строительного холдинга, где внедрили технологии информационного моделирования, а также нейросеть в сферу документооборота – это позволило после завершения строительства оформлять необходимые документы вместо одного-двух дней, как было ранее, за два-три часа.

Стоит отметить, что лидирующие позиции в мире по применению ИИ занимают США, Европа и Китай, при том, что Китай как раз очень активно внедряет ТИМ в строительный бизнес. Однако и в России есть весьма интересный опыт применения ИИ в строительной сфере – и разработчики готовы им поделиться.

В условиях стремительного развития строительной отрасли и растущих требований к скорости и детализации проектной документации традиционные методы сбора и обработки данных становятся неэффективными. О том, как инновационные технологии, в частности, искусственный интеллект и дистанционное сканирование, решают эту проблему и трансформируют строительный комплекс столицы, рассказал заместитель управляющего ГБУ «Мосгоргеотрест» Николай Лесников.

Нужно сказать, что Москва постоянно задает самые передовые направления развития цифровизации в градостроительстве и щедро делится своим опытом с регионами. Вот и опыт «Мосгоргеотреста» может быть очень интересен коллегам по всей стране.

Николай Лесников рассказал, что в последнее десятилетие компания пристально изучает методы получения информации, позволяющие обрабатывать большие объемы данных. В итоге одним из ключевых решений стал переход к дистанционным методам получения информации, в частности, лазерному сканированию объектов.

Сегодня компания активно использует весь спектр доступных на рынке инструментов, в том числе мобильные сканеры на базе автомобилей и квадроциклов для оперативного сбора данных в городе, беспилотники и ручные SLAM-сканеры для работы в труднодоступных местах и детальной съемки объектов. Использование сканирующего оборудования позволило значительно ускорить сбор данных на объектах и готовить широкий спектр документов, необходимых для обеспечения строительных и благоустроительных работ.

Однако наряду с преимуществами таких технологий возникла новая задача – обработка и классификация огромного массива данных, получаемых с помощью сканирующего оборудования. «Мы накапливаем огромное количество данных, которые требуют обработки, классификации, оцифровки», – отметил Н. Лесников. В частности ежегодная панорамная съемка улиц Москвы составляет 15 тысяч километров.

Решением стала технология лазерного сканирования, позволяющая оперативно собирать огромные объемы данных о местности и объектах. Однако это породило новую проблему: как быстро и эффективно обработать эти данные, превратив их в полезную информацию для проектировщиков и строителей? Благодаря новым технологиям сокращается время в поле, но увеличивается трудоемкость в офисе. Это требует мощных компьютеров и, самое главное, программных решений, которые «видят» объекты не просто как набор точек, а как осмысленные элементы городской среды.

Компания активно обучает нейросети распознавать объекты в облаках точек и космоснимках. Первый этап – это классификация объектов, видимых в облаке. Например, деревьев – прообраза для создания полноценного плана. Но пока нейросети далеки от совершенства. По словам специалиста, коэффициент корректного распознавания составляет около 0.7, а коэффициент ошибок – около 0.3. То есть в 30 % случаев нейросеть ошибается.

«Эти цифры нас пока не удовлетворяют, но мы продолжаем работу», – заявил Лесников, демонстрируя пример распознавания объектов недвижимости на космоснимках. Изображение показывает, как нейросеть определяет здания, но в тоже время допускает ошибки, о чем свидетельствует расхождение красных контуров, очерченных нейросетью, с желтыми – данными топографического плана. «Мосгоргеотрест» планирует к 2027 году достичь практически 100 % точности распознавания объектов, а к 2030 году – создать программное обеспечение, которое сможет автоматически формировать модель местности, готовую к использованию в проектных работах.

Компания приглашает к сотрудничеству всех, кто заинтересован в развитии технологий ИИ в градостроительстве и готов тестировать свои разработки на больших объемах данных. Москва, как всегда, доказывает, что внедрение инноваций – это не просто тренд, а необходимость для города, стремящегося к постоянному развитию и созданию комфортной городской среды.

Роман Поршнев