19
Set
Artificial Intelligence, Machine Learning o Deep Learning? Possibili applicazioni all’ecosistema BIM?
L’intelligenza artificiale è fantascienza. L’intelligenza artificiale è il futuro. L’intelligenza artificiale è già parte della nostra vita quotidiana. Tutte queste affermazioni sono vere, dipende solo dalla tipologia di AI a cui ci si riferisce. Nell’ultimo periodo nel settore delle costruzioni si sente sempre più parlare di queste terminologie, ma in realtà cosa sono Artificial Intelligence, Machine Learning e Deep Learning? In che modo tali innovazioni potranno essere utilizzate e integrate nella tecnologia BIM?
Quando nel 2016 il programma AlphaGo di Google DeepMind ha sconfitto il maestro sudcoreano Lee Se-dol nel gioco da tavolo GO, i termini di Artificial Intelligence, Machine Learning e Deep Learning sono comparsi sui media al fine di descrivere come DeepMind sia riuscito a vincere. Queste tecnologie sono parte del motivo per cui AlphaGo ha abbattuto Lee Se-Dol, ma ognuna di esse ha le proprie peculiarità.
Il modo più semplice per pensare alla loro relazione è quello di connotarli come insiemi e sottoinsiemi: L’Artificial Intelligence è l’idea nata per prima, la più grande, nel sottoinsieme viene poi la Machine Learning e infine il Deep Learning che si inserisce all’interno di entrambi.
Artificial Intelligence – Intelligenza Umana applicata alle macchine
Coniato per la prima volta nel 1956 da John McCarthy, studioso di informatica e scienze cognitive, l’Artificial Intelligence sta a indicare quelle macchine che possono assolvere compiti che sono tipici dell’intelligenza umana. In altre parole mansioni quali: la pianificazione, la comprensione del linguaggio, il riconoscimento di oggetti e il problem solving.
Quello dell’estate del ’56 era il sogno dei pionieri dell’epoca di costruire macchine complesse che avessero le stesse caratteristiche dell’intelligenza umana. Questo è il concetto di “General AI“, nome coniato per indicare macchine fantascientifiche che possiedono tutti i nostri sensi, sviluppano un proprio carattere e sono esseri, o per meglio dire macchine, pensanti, proprio come l’uomo.
<
King me: i programmi informatici che giocavano a dama erano tra i primi esempi di intelligenza artificiale, creando un’onda precoce di eccitazione negli anni Cinquanta
Machine Learning – L’apprendimento automatico
Fu Arthur Samuel a definire il Machine Learning, non molto tempo dopo che fosse coniato il termine Artificial Intelligence nel 1959, come “l’abilità di imparare senza essere espressamente programmato”.
Il Machine Learning, tradotto come apprendimento automatico, è una branca dell’AI che consente ai computer di “imparare dall’esperienza”, inteso come abilità delle macchine di apprendere senza essere state esplicitamente e preventivamente programmate. L’apprendimento automatico alimenta la maggior parte dei progressi odierni nell’intelligenza artificiale.
Secondo Il Machine Learning, invece di fornire al computer un set di istruzioni su come fare qualcosa, viene fornito un algoritmo su come imparare a fare quella determinata operazione.
Secondo l’informatico statunitense, tramite il Machine Learning la macchina “allena” l’algoritmo così da imparare come eseguire un dato compito, fornendo una ingente quantità di dati all’algoritmo stesso. In questo modo la macchina sarà capace di correggersi e adeguarsi, migliorando autonomamente.
Spam free diet: il Machine Learning aiuta a mantenere la casella di posta (relativamente) libera da spam
Deep Learning – Una tecnica per migliorare il machine learning
Il Deep Learning è un sottoinsieme e una evoluzione del Machine Learning, tecnologia che emula l’apprendimento della mente umana.
Il Deep Learning implica l’utilizzo di reti neurali profonde, algoritmi e sistemi computazionali che a potrebbero essere paragonati al campo delle neuroscienze, con la finalità di affrontare i problemi del Machine Learning.
Pensiamo ad esempio al riconoscimento del segnale di stop. Gli attributi dell’immagine di questo segnale sono scomposti ed “esaminati” dai neuroni: la forma ottagonale, il colore rosso, le lettere, la dimensione. Tutto viene computato dal cervello umano.
Il compito della rete neurale è quello di discriminare e comprendere di che segnale si tratta. È un segnale di stop? Il Deep Learning si presenta come un “vettore di probabilità”, una congettura altamente soggetta all’allenamento volto all’apprendimento e basata sulla ponderazione.
L’addestramento è indispensabile. È necessario che la macchina esamini centinaia di migliaia, anche milioni di immagini, affinché i coefficienti di peso degli ingressi del neurone vengano sintonizzati in modo preciso ricevendo la risposta esatta praticamente ogni volta. È a questo punto che la rete neurale avrà imparato a riconoscere il segnale di stop, un volto qualora venisse impiegato per la ricerca sui social, un gatto e qualsiasi altro input figurato.
Ma come è possibile applicare l’AI all’ecosistema BIM?
Con l’avvento della tecnologia BIM, i modelli digitali aumentano l’efficienza e l’efficacia della gestione delle informazioni per tutto il ciclo di vita dell’edificio. Viene fornita una fonte di dati univoca e accessibile a tutti i soggetti coinvolti durante le fasi di progettazione, costruzione e manutenzione dell’organismo edilizio.
La capacità di strutturare i contenuti informativi in modo corretto è la chiave per un processo BIM di valore. Questo il più delle volte viene sottovalutato e i dati presenti all’interno dei modelli non vengono sfruttati, validati e gestiti nel modo corretto.
La maggior parte dei nostri final output, sono dei PDF che il più delle volte vengono stampati in formato cartaceo senza che venga data la possibilità alle informazioni di evolvere ed espandersi oltre alla consegna del progetto.
Integrando l’apprendimento automatico e comparando più modelli nelle varie discipline, ovvero facendo evolvere le informazioni, è possibile rendere il processo ‘intelligente’, ottimizzando i dati nella progettazione, nello studio delle analisi energetiche, nella manutenzione predittiva e in molti altri ambiti.
Così il progettista non utilizzerà più il modello come obiettivo della rappresentazione digitale, quanto piuttosto come laboratorio di analisi per rispondere alla domanda ”qual è la migliore soluzione possibile per il mio edificio?”.
È ovvio che queste innovazioni non potranno mai sostituire l’apporto umano; potranno però espanderlo moltiplicandone il potenziale. La tecnologia BIM potrà dare al progetto quel valore aggiunto rendendo il lavoro del progettista migliore e unico.
Proprio per questo motivo abbiamo instaurato una collaborazione con alcuni cervelli italiani nella silicon valley, cuore pulsante della AI. Uno di questi è Alberto Tono che sta svolgendo un progetto di ricerca presso HOK su questa connessione tra BIM e AI. E’ tra i fondatori delle community Deeplearningitalia, San Francisco Computational Design User Group e collabora con la MIT University.
Attualmente con la fondazione delle community BIMHOX abbiamo avviato una collaborazione per approfondire queste sperimentazioni e aprire il dialogo con altri professionisti in diversi settori.
In occasione del Digital&BIM di quest’anno, illustreremo i risultati di alcune ricerche effettuate, presentando alcuni possibili campi di applicazione dell’intelligenza artificiale al mondo BIM, spaziando dalla progettazione alla manutenzione dell’edificio.
Andrea Agostini
BIM Implementation Consultant
Andrea Agostini ha lavorato per anni come BIM Manager per alcune delle più grandi realtà del settore edilizio italiano, prima Manes-Tifs spa, poi Cimolai spa dove ha creato e gestito il dipartimento BIM. Collaborando con Operamed srl, ha sviluppato metodologie BIM non solo legate alla progettazione ma finalizzate alla produzione.
Si occupa di formazione tenendo lezioni in numerose organizzazioni ed è membro del BIM User Group Italy (BUG).
Attualmente, come freelance, si occupa di consulenza orienta al change management, formazione e sviluppo di soluzioni BIM-Based che utilizzano tecnologie innovative.