Глубокое обучение в строительной отрасли: обзор современного состояния и будущих инноваций

Известно, что строительная отрасль сталкивается с многочисленными проблемами планирования ресурсов, управления рисками и логистики, которые часто приводят к дефектам проектных решений, задержкам сдачи проектов, превышению сметной стоимости и договорным спорам. Эти проблемы стимулировали исследования применения передовых алгоритмов машинного обучения, таких как глубокое обучение, для проведения диагностического и предписывающего анализа их причин и мер профилактики. Однако публичное внимание, привлеченное технологическими компаниями, такими как Google, Facebook и Amazon, к искусственному интеллекту и приложениям для неструктурированных данных, не исчерпывает проблематику данной области. Существует множество пока недостаточно изученных применений глубокого обучения, особенно в строительном секторе, включая планирование и управление строительной площадкой, охрану труда и безопасность, а также прогнозирование стоимости строительства. Основной целью данной статьи был обзор существующих исследований, в которых глубокое обучение применялось к актуальным задачам строительства, включая мониторинг технического состояния конструкций, безопасность на строительной площадке, моделирование заполняемости зданий и прогнозирование энергопотребления. Насколько нам известно, в настоящее время отсутствует комплексный обзор применения методов глубокого обучения в строительной отрасли. Данный обзор призван стимулировать дальнейшие исследования наиболее эффективных способов применения методов обработки изображений, компьютерного зрения и обработки естественного языка на основе глубокого обучения для решения многочисленных задач отрасли. Также рассмотрены ограничения глубокого обучения, с которыми могут столкнуться исследователи и практики строительной отрасли при внедрении некоторых из этих методов, включая проблему «черного ящика», этические аспекты и требования Общего регламента по защите данных (GDPR), кибербезопасность и стоимость.