건설에서 인공지능을 보다 직접적으로 사용하는 사례 중 하나는 ALICE Technologies의 기계 학습 알고리즘 인 ALICE에 의해 수행 된 프로젝트 스케줄링 분석이다.
ALICE 알고리즘은 프로젝트의 4D 일정 및 BIM 시뮬레이션을 실행하여 프로젝트를 실행하는 수천 가지 가능한 방법을 추정하고 프로젝트 "레시피"에서 변수 입력이 조정될 때 재조정한다. 사용자는 입력을 조정하고 ALICE는 건설 일정에 어떤 영향을 미칠지 알려준다.
데이터가 준비되어 있다면 AI 어드바이저를 직접 구축하는 것이 좋다. DPR Construction은 방대한 프로젝트 데이터 저장소를 최대한 활용하기 위해 다년간의 여정을 진행해 왔으며 현재 자체 AI 알고리즘을 구축하여 궁극적으로 회사의 의사 결정 프로세스에 영향을 미치고 있다. Maha는 이 기술을 입찰 준비 및 프로젝트 계획에 사용할 것이라고 말한다.
DPR은 Kwant.ai의 웨어러블 모니터링 태그도 시험해 왔다. Kwant에서 제공하는 노동 추적 데이터에 대한 경험은 사이트에 대한 신뢰를 얻는 것에 도움을 준다.
Kwant.ai는 무선 태그를 착용한 작업자로 부터 위치 데이터를 수집하고, 이 기술은 주로 최신 인원 수를 제공하고 안전 사고를 기록하는 데 중점을 둔다. Kwant.ai는 머신 러닝과 AI를 데이터 세트에 적용하기 위해 노력하고 있다. 생산성을 고려하여 Kwant.ai는 과거 성과를 기반으로 인력 추천을 제공 할 수 있다.
Taft Stettinius & Hollister LLP의 파트너 인 Joseph A. Cleves Jr.는“AI의 근본적인 문제는 학습이 정교해질 때 문제가 발생하면 이를 인간의 잘못으로 간주 할 수 없을 때이다"라고 말한다. Cleves는 AI 또는 머신 러닝을 기반으로 한 중요한 결정이 바람직하지 않은 프로젝트 결과로 이어질 경우를 고려해, 공통적인 표준 사용자 라이센스 계약이 적용될 수 있다고 말한다.
건설법은 AI의 과제를 처리하기에는 너무 취약한 것은 아니며, 계약 언어는 항상 새로운 기술을 수용하기 위해 변경 될 수 있다고 로펌 Nixon Peabody LLP의 Tracy Ickes는 말한다. Ickes와 그녀의 동료들은 인공 지능과 신기술이 건설에 미치는 영향을 연구 해 왔으며, 이러한 기술이 더 많은 위험을 감수함에 따라 당사자 간의 일부 계약 방식이 변경 될 수 있다고 말한다.
Maha는 AWS 및 Azure 클라우드 분석 도구를 데이터 과학에 대한 투자 사례를 구축 할 수 있는 장소로 꼽는다. 기업이 데이터를 정리하고 클라우드에 투자 한 후 에는 데이터 모델링 및 분석에 관련 경험이 있는 사람들을 여기로 끌어들이는 것이 중요하다. 기업이 데이터 과학이나 머신 러닝을 따로 작업하는 함정에 빠지지 말아야. AI 비서 알고리즘이 통찰력을 형성하려면 지식을 가진 전문가 조직의 참여가 필요한다.
레퍼런스
- AI-based construction site safety issues detection
- How AI can transform construction
- AI is not perfect
- Computer Vision engineer (structionsite.com)
- Critical Review of Machine Vision Application in Construction
- Construction of deep learning development environment
- AI application in construction and building
- Powering up Technology Innovation in construction industry
- Applications of object detection in modular construction
댓글 없음:
댓글 쓰기