Intelligenza artificiale nel settore edile

Situazione iniziale

Nonostante la pandemia di COVID-19, gli investimenti nell’intelligenza artificiale sono rimasti per lo più costanti nell’ultimo anno, secondo lo studio annuale Hype Cycle di Gartner. Quasi un terzo delle imprese intervistate prevede di aumentare i propri investimenti nell’intelligenza artificiale, mentre solo il 23% delle aziende li ha sospesi o diminuiti. Non si tratta di una coincidenza: soprattutto durante la pandemia si è potuto utilizzare maggiormente l’intelligenza artificiale in vari settori. A livello aziendale, ad esempio, i chatbot hanno aiutato a rispondere alla marea di richieste relative alla pandemia. A livello macroeconomico, il machine learning è stato usato per modellare gli effetti della riapertura del mercato. Secondo Gartner, l’intelligenza artificiale nel suo complesso sta iniziando a scrollarsi di dosso le aspettative eccessive e a generare un valore concreto per le imprese. È quindi giunto il momento di dare un’occhiata più da vicino a questo tema nel contesto del settore principale delle costruzioni.

Note sulla struttura del presente lavoro: dopo una breve spiegazione del termine intelligenza artificiale, vengono illustrati i fondamenti dell’intelligenza artificiale, a partire dalla sua storia per arrivare allo stato dell’arte, alle tendenze attuali e alla morfologia. Nel capitolo successivo vengono discusse le applicazioni attuali e future dell’intelligenza artificiale nel settore dell’edilizia.

Spiegazione dei termini

Anche se le idee sull’intelligenza artificiale risalgono ai filosofi classici e ai loro tentativi di de-scrivere il pensiero umano come un sistema composto da formule e segni, il termine Artificial Intelligence fu utilizzato per la prima volta nel 1956 dal professore di Stanford John McCarthy, dal professore del MIT Marvin Lee Minsky e da altri scienziati durante la prima conferenza sull’AI (cfr. anche cap.: Storia dell’AI). McCarthy definì l’intelligenza artificiale come «la scienza e la tecnologia necessarie per creare macchine intelligenti». Per Minsky era «la scienza di far fare alle macchine cose che avrebbero richiesto intelligenza se fatte da un essere umano.» (stanford.edu, britannica.com)

Immagine: John McCarthy, il «padre dell’intelligenza artificiale», all’Università di Stanford (jmc.stanford.edu)

Queste definizioni si sono mantenute nel tempo in questa forma o in una leggermente modifica-ta. Un’altra definizione è quella di Gartner: «L’intelligenza artificiale applica analisi avanzate e tecniche basate sulla logica, compreso l’apprendimento automatico, per interpretare gli eventi, supportare e automatizzare le decisioni e adottare misure.» (gartner.com). In un senso più ampio, l’intelligenza artificiale descrive qualsiasi macchina che presenta qualche forma di associazione umana, ad esempio, la capacità di apprendere o risolvere problemi.

La letteratura distingue due tipi di intelligenza artificiale, a seconda delle affinità con la mente umana: da un lato si distingue in base alle sue capacità in intelligenza artificiale debole, generale e forte. Dall’altro, sulla base delle sue funzionalità concrete, in macchine reattive, memoria limitata, teoria della mente e consapevolezza (cfr. anche cap. Morfologia). L’intelligenza artificiale odierna è debole: ha capacità limitate ad è utilizzata per risolvere problemi applicativi concreti. Tutte le forme di AI note fino ad oggi rientrano in questo ambito. Tutte le altre forme sono attualmente ancora un’utopia. I due tipi macchine reattive e memoria limitata corrispondono entrambi a un’intelligenza artificiale debole.

In questo testo, per indicare l’intelligenza artificiale, si utilizza l’acronimo inglese AI (Artificial Intelligence).

Fondamenti dell’intelligenza artificiale

La storia dell’AI

La storia dell’intelligenza artificiale è contrassegnata da fantasie, possibilità, dimostrazioni e promesse. Fin dai tempi della mitologia greca, i filosofi hanno ipotizzato l’esistenza di macchine intelligenti per rispondere alla domanda relativa all’essenza dell’essere umano. Gli scrittori di fantascienza, in particolare Jules Verne (nel XIX secolo) e Isaac Asimov (nel XX secolo), ma anche L. Frank Baum con Il mago di Oz, hanno sfruttato il potenziale delle macchine intelligenti per stimolare l’immaginazione delle persone sull’intelligenza non umana. L’origine dell’AI concreta risale al 1950 quando Alan Turing propose il famoso test di Turing: un computer è in grado, attraverso la comunicazione, di convincere una persona di essere anch’esso umano? Lo stesso anno, gli studenti di Princeton costruirono la prima rete neurale artificiale (Artificial Neural Network, ANN) utilizzando 300 tubi elettronici e un’unità pilota portatile. Nel 1956 il termine Artificial Intelligence fu usato da John McCarthy e altri scienziati del Dartmouth College per la prima conferenza scientifica sull’argomento. Nello stesso anno alcuni ricercatori negli Stati Uniti crearono il primo programma informatico di AI. Martin Lee Minsky fondò poi l’AI Laboratory al MIT di Cambridge alla fine degli anni Cinquanta.

Tuttavia, negli anni Settanta, gli investimenti nell’AI, che fino a quel momento provenivano principalmente dal governo degli Stati Uniti, diminuirono a causa della mancanza di casi applicativi concreti. Negli anni Ottanta fu sviluppato anche il primo veicolo autonomo e nel 1997 Deep Blue, il programma di AI di IBM, sconfisse per la prima volta il grande maestro di scacchi Garri Kasparov. Fino al XXI secolo, tuttavia, non ci fu una grande richiesta per l’AI a causa delle aspettative esagerate del passato.

Solo nel XXI secolo l’interesse per l’AI ha sperimentato una rinascita. Grazie a computer più per-formanti, alla maggiore disponibilità di dati e ai progressi nell’ambito del deep learning, la fiducia nella praticabilità e quindi nella redditività dell’AI è aumentata di nuovo tra gli investitori e i ricercatori. Tramite algoritmi migliorati, in grado di riconoscere modelli in montagne di dati, maggiori stanziamenti destinati alla ricerca e potenti processori grafici in grado di eseguire calcoli matematici completamente nuovi, le capacità dell’AI sono aumentate notevolmente da allora.

Immagine: Alcune tappe fondamentali nella storia dell’AI (propria rappresentazione – non esaustiva)

Stato attuale

Anche oggi, gli investimenti nell’AI, trainati in particolare dalle grandi aziende tecnologiche co-me Amazon, Apple, Baidu e Google, sono ancora in forte crescita. Nel 2016 gli investimenti globali nell’AI si attestavano ancora tra circa 30 e 40 miliardi di dollari. Nel 2019 ammontavano già a più di 70 miliardi di dollari, la maggior parte dei quali destinata alla ricerca e allo sviluppo di veicoli autonomi. L’AI è ora la disciplina più popolare tra le specializzazioni dei dottorati in informatica. Più di una laurea su cinque nel 2018 riguardava l’AI o il machine learning. Anche se l’AI è progressivamente diventata una fonte di guadagno, poche aziende ne stanno sfruttando appieno il potenziale. Queste aziende pioniere aumenteranno probabilmente i loro ricavi alla luce della pandemia del coronavirus e dell’ondata digitale che seguirà, il che potrebbe portare a una forte disparità tra i leader dell’AI e la grande maggioranza delle aziende.

Tendenze

Secondo lo studio annuale Hype Cycle di Gartner, che analizza le varie fasi dell’attenzione pubblica nei confronti di una nuova tecnologia, l’AI come concetto generale attualmente ha appena superato il picco delle aspettative eccessive ed è all’imbocco della «valle della delusione». Ciò significa che la comunicazione pubblica diminuirà bruscamente perché le aspettative elevate e per lo più eccessive degli ultimi anni sono state tradite. Tuttavia, la tecnologia continua a fare progressi e si libererà dei problemi iniziali. Nel lungo termine, le aspettative sui benefici, ma anche i limiti, dell’AI stanno convergendo verso le sue reali capacità. Inoltre, due mega tendenze stanno attualmente dominando il panorama dell’AI.

Mega tendenza 1: democratizzazione dell’AI

Democratizzazione significa che l’AI non riguarda più solo gli esperti, ma che le aziende ora in-tendono usare l’AI per fare il prossimo passo nella loro strategia di digitalizzazione. Questo include l’uso diffuso dell’AI da parte di clienti, aziende partner e collaboratori per un’ampia gamma di compiti.

Mega tendenza 2: industrializzazione delle piattaforme di AI

L’industrializzazione dell’AI consente il riutilizzo, la scalabilità e la sicurezza dell’AI, il che a sua volta ne aumenta l’accettazione e la crescita. Ad esempio qui il focus è sull’AI responsabile e sul controllo dell’AI. Si definiscono così quei processi specifici che affrontano i rischi dell’AI in termini di conformità e protezione dei dati.

Immagine: Gartner Hype Cycle per AI, 2020 (www.gartner.com)

Morfologia

L’AI copre un’ampia gamma di tecnologie e applicazioni, alcune delle quali sono solo estensioni di tecniche precedenti, mentre altre sono completamente nuove. In base ai due tipi di differenziazione l’AI è inoltre suddivisa in un totale di sette tipi diversi:

Immagine: Categorizzazione dell’AI (schema proprio)

Da un lato si opera una distinzione basata sulle capacità dell’intelligenza artificiale in relazione agli esseri umani. L’AI debole o Artificial Narrow Intelligence si riferisce a macchine che sono molto indietro rispetto agli umani in termini di intelligenza. Sono programmate per risolvere un singolo problema specifico utilizzando abilità simili a quelle umane, ma non possono fare altro. Queste tecnologie rientrano nella categoria del machine learning, che non significa altro che la macchina impara sulla base di migliaia di input. Un esempio è l’AI per il riconoscimento fotografico: se a un computer vengono mostrate migliaia o addirittura milioni di foto di cani, col tempo imparerà come è fatto un cane e lo riconoscerà autonomamente dalle immagini. Tutte le applicazioni di AI a noi oggi note sono di intelligenza artificiale debole. L’AI generale o Artificial General Intelligence descrive una macchina che è intelligente quanto un essere umano sotto tutti gli aspetti. Impara come una persona, percepisce le cose allo stesso modo, capisce e funziona come un essere umano. Questa tecnologia, descritta anche come intelligenza delle macchine è ancora un’utopia. Tuttavia, alcuni scienziati sostengono che si potrà raggiungere l’Artificial General Intelligence già nel 2060. L’AI forte o Artificial Super Intelligence è ancora più lontana nel futuro e descrive una macchina altamente intellettuale, superiore agli esseri umani in quasi tutti i settori. Questa tecnologia viene spesso rappresentata nei film di fantascienza, ma è ancora molto lontana dalle potenzialità odierne.

Nella seconda differenziazione, l’AI si distingue in base alle funzionalità e alla somiglianza con gli esseri umani. Le macchine reattive rappresentano la forma più antica di sistemi di AI e hanno capacità molto limitate. Non hanno funzionalità basate sulla memoria e quindi non possono imparare da esperienze precedenti, ma rispondono solo in modo automatico a una combinazione limitata di input. Un esempio di una macchina AI reattiva è Deep Blue, il computer per giocare a scacchi che ha sconfitto il grande maestro Garri Kasparov nel 1997.

Le macchine con una memoria limitata hanno, oltre a queste funzionalità, la capacità di imparare dai dati storici e quindi di adattare le loro decisioni nel corso del tempo. Questi sistemi sono alimentati con ingenti quantità di dati, che vengono combinati nella loro memoria per formare un modello di riferimento per risolvere problemi. Quasi tutte le odierne applicazioni di AI, dai chatbot agli assistenti virtuali ai veicoli autonomi, sono alimentate da AI con memoria limitata.

La teoria della mente rappresenta lo stadio evolutivo successivo e attualmente esiste solo a livello concettuale. Oltre alle capacità summenzionate emergeranno nelle macchine emozioni, bisogni, credenze e processi di pensiero. Queste macchine devono essere in grado di «capire» gli esseri umani.

La consapevolezza è lo stadio finale dello sviluppo dell’AI ed è spesso profetizzata dai detrattori come il potenziale tramonto dell’umanità. Dato che una macchina consapevole può anche elaborare idee come quella dell’autoconservazione, questo timore non è del tutto infondato. Ep-pure siamo ancora lontani decenni, se non secoli, dalla realizzazione di macchine dotate di una propria consapevolezza.

Aree di applicazione dell’AI in edilizia

Mentre altri settori, in particolare quelli tecnologici, stanno già usando l’AI con profitto, in quello edile non si sta muovendo molto. La bassa crescita della produttività degli ultimi decenni – circa l’1% annuo, significativamente inferiore alla crescita a livello mondiale della produttività globale del 2,8% annuo – è talvolta anche un segno dell’incapacità di adattarsi a nuove condizioni e possibilità tecniche. Ci si chiede quindi se e come l’AI possa essere utilizzata con profitto anche nell’edilizia per sovvertire questa tendenza. Secondo McKinsey, non si prevede che l’AI possa trovare una vasta diffusione nell’edilizia nel prossimo futuro. Questo perché molte aziende – nonostante il ROI a volte elevato sugli investimenti in AI – non hanno le competenze per implementare l’AI (persone, processi e strumenti). Tuttavia, l’influenza dell’AI sui processi aziendali non può più essere ignorata, neppure nell’edilizia. Secondo le previsioni il mercato dell’intelligenza artificiale nell’edilizia raggiungerà circa 4,5 miliardi di dollari in tutto il mondo entro il 2026. Con un volume di mercato globale di circa 430 miliardi di dollari, si tratta di circa il 10% del totale dell’intero settore edile.

Le industrie correlate (ad esempio i trasporti, la produzione di beni) stanno abbattendo le barriere esistenti tra loro e agiscono sempre più come ecosistemi interconnessi. Questo aumenta la probabilità che stakeholder non tradizionali entrino nel settore edile. La barriera all’ingresso in edilizia è già relativamente bassa a causa della semplicità del modello di business (segmenti, attività, focus geografico). Questi settori sono inoltre già avvantaggiati per quanto riguarda l’uso dell’AI. Vale quindi la pena dare un’occhiata più da vicino all’impatto dell’AI sul settore principale della costruzione.

Casi di applicazione dell’AI in edilizia

L’uso dell’AI nel settore principale della costruzione è ancora molto limitato rispetto ad altri ambiti. Inoltre, gli investimenti previsti nell’AI nei prossimi anni sono più alti nella maggior parte degli altri settori industriali. Abbiamo già affrontato alcune delle ragioni di questa situazione (risorse insufficienti, mancanza di know-how). Un altro motivo è che gli algoritmi dell’AI si basano sull’esperienza pregressa e quindi richiedono una certa massa critica di dati per essere utilizzati con profitto. Le imprese hanno perciò bisogno di ingenti quantità di dati – in questo caso progetti di costruzione – per essere in grado di addestrare un algoritmo dell’AI in modo adeguato. Questa operazione risulta molto più semplice per le grandi imprese di costruzione che per le numerose piccole e medie imprese che compongono in particolare il settore principale della costruzione in Svizzera.

Nonostante la bassa maturità nel settore edile, ci sono già alcune imprese, per lo più su scala globale, che utilizzano l’AI per le seguenti applicazioni.

Immagine: Casi di applicazione dell’AI nel settore edile (schema proprio)

1) Ottimizzazione della pianificazione del progetto e minimizzazione dei rischi

I progetti di costruzione comportano rischi significativi in termini di qualità, sicurezza, tempi e costi. Influenze esterne imprevedibili come le condizioni atmosferiche aumentano questi rischi. Aziende come l’inglese nPlan utilizzano l’AI e il machine learning a supporto dell’ottimizzazione della pianificazione dei progetti simulando continuamente milioni di alternative per lo svolgimento del progetto. I dati storici come le date di inizio e fine pianificate e i costi sono usati dai modelli predittivi per prevedere tempistiche e costi totali realistici per i progetti futuri. Il piano generale del progetto può quindi essere sempre adattato alle condizioni più recenti.

Immagine: Pianificazione del progetto più precisa grazie all’analisi intelligente dei dati (www.nPlan.io)

2) Droni intelligenti

Nell’azienda californiana Skycatch i droni vengono addestrati con l’AI per il loro futuro impiego nei cantieri. Con l’obiettivo finale di ottenere un cantiere completamente automatizzato, ai droni viene insegnato per gradi come funziona un cantiere. Innanzi tutto, si sono identificati i singoli elementi del sito – gru, magazzini, persone ecc. Poi il drone ha imparato a individuare le singole parti delle macchine, seguite da azioni, poi sequenze di azioni, processi nel contesto ecc. In futuro, queste competenze apprese saranno utilizzate per rendere i cantieri più efficienti e produttivi. Inoltre è aumentata, la sicurezza sul lavoro: le condizioni potenzialmente pericolose, come l’assenza dei dispositivi di protezione o le strutture non sicure, possono essere individuate dal software di riconoscimento delle immagini.

Immagine: Droni con software di riconoscimento delle immagini in cantiere (www.skycatch.com)

3) Design generativo

Il design generativo rappresenta uno dei maggiori punti di forza dell’AI: la capacità di esplorare molte varianti diverse di un modello per trovare l’opzione migliore. Finora è stato usato solo nella produzione, ma aziende come Alice Technologies stanno lavorando per introdurlo nell’edilizia in combinazione con il BIM. Il modello dell’edificio in 3D è generato da un algoritmo di apprendimento automatico, che elimina le fasi di lavoro significative come il dimensionamento costruttivo al di là del progetto. L’algoritmo esamina tutte le possibili varianti di una soluzione e crea alternative più stabili o favorevoli per il design. Si possono anche evitare potenziali conflitti tra diverse parti dell’edificio, installazioni elettriche e condutture.

4) Progetti di costruzione sostenibili con l’AI

La start-up britannica Qualis Flow utilizza il machine learning per analizzare e monitorare i dati ambientali dei cantieri. La piattaforma analizza i dati sulla sostenibilità dei progetti di costruzione e prevede i fattori di rischio ambientale. Inoltre, il rispetto delle linee guida di sostenibilità è costantemente monitorato e in caso di potenziali conflitti si attiva immediatamente un allarme. Poiché la piattaforma è interamente nel cloud, tutte le parti coinvolte possono accedere ai dati senza limitazioni.

5) Macchine autonome

Già ora i bulldozer e gli escavatori che operano autonomamente sono una realtà – ad esempio alla Built Robotics. Questi possono lavorare in teoria 24 ore su 24, il che accelera notevolmente l’avanzamento del progetto. In futuro potranno essere utilizzati anche robot muratori autonomi, piccoli robot mobili e persino robot per l’edilizia simili all’uomo. I robot avanzati sono controllati dall’AI e diventano nel tempo sempre più precisi nella loro esecuzione grazie all’esperienza di apprendimento.

6) Rilevamento intelligente dei problemi

Poiché l’AI rappresenta la soluzione ideale per analizzare i dati storici e ricavarne previsioni di eventi futuri o probabilità, questi dati possono essere utilizzati ad esempio per prevedere i difetti di costruzione. Oppure tramite sensori, ad esempio con la gestione della flotta CAT, si raccolgono grandi quantità di dati provenienti dalle macchine da costruzione e l’intelligenza artificiale viene utilizzata per elaborare previsioni di danni futuri dovuti all’usura, al carico di lavoro ecc.

Applicazioni future dell’AI da altri settori

Con il machine learning, il natural language processing (elaborazione del linguaggio naturale) e la robotica, l’AI combina diverse tecnologie e casi d’uso già utilizzati in altri settori che in futuro potrebbero trovare applicazione nell’edilizia.

Algoritmi per l’ottimizzazione dei percorsi di trasporto

I vettori stanno già utilizzando l’AI per ottimizzare i percorsi di trasporto. Questa tecnologia continua inoltre ad essere perfezionata: in futuro i calcoli dovranno diventare ancora più precisi e in grado di includere aspetti come il prezzo della benzina. Una tale tecnologia potrebbe quindi essere integrata direttamente nella pianificazione del progetto durante la costruzione e calcola-re i migliori percorsi di trasporto sulla base di progetti simili.

Ottimizzazione della logistica nel commercio al dettaglio

L’AI ha già fornito enormi benefici al commercio al dettaglio, diminuendo i tempi morti nella produzione, riducendo le eccedenze e aumentando la prevedibilità delle consegne. Poiché la modularizzazione e la prefabbricazione acquisiscono un’importanza sempre maggiore nell’edilizia, questa tecnologia potrebbe essere impiegata subito nel nostro settore.

 

 


Bibliografia

Gartner (2020). «2 Megatrends Dominate the Gartner Hype Cycle for Artificial Intelligence»

https://www.gartner.com/smarterwithgartner/2-megatrends-dominate-the-gartner-hype-cycle-for-artificial-intelligence-2020/

 

J. Bughin et al. (2017). «Artificial Intelligence – The Next Digital Frontier?» McKinsey Global Institute Discussion Paper

 

B. Buchanan (2006). «A (very) brief history of artificial intelligence» AI Magazine Volume 26 Number 4

 

McKinsey (2020). «The state of AI in 2020» McKinsey.com

https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/global-survey-the-state-of-ai-in-2020

 

N. Joshi (2019). «7 Types of Artificial Intelligence» Forbes.com

https://www.forbes.com/sites/cognitiveworld/2019/06/19/7-types-of-artificial-intelligence/

 

K. Johnson (2019). «AI Index 2019 assesses global AI research, investment, and impact» In refe-rence to the AI Index Annual Report 2019

https://venturebeat.com/2019/12/11/ai-index-2019-assesses-global-ai-research-investment-and-impact/

 

https://www.britannica.com/biography/Marvin-Lee-Minsky

 

https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf

 

https://codebots.com/artificial-intelligence/the-3-types-of-ai-is-the-third-even-possible

 

https://research.aimultiple.com/artificial-general-intelligence-singularity-timing/

 

N. Josi (2019). «How Far Are We From Achieving Artificial General Intelligence?» Forbes.com

https://www.forbes.com/sites/cognitiveworld/2019/06/10/how-far-are-we-from-achieving-artificial-general-intelligence/?sh=151014c46dc4

 

J. Blanco et al. (2018). «Artificial intelligence: Construction technology’s next frontier» McKinsey.com

https://www.mckinsey.com/business-functions/operations/our-insights/artificial-intelligence-construction-technologys-next-frontier

 

S. Rao (2019). «The Benefits of AI In Construction» Constructible/Trimble

https://constructible.trimble.com/construction-industry/the-benefits-of-ai-in-construction

 

D. Chen (2019). «Big Data, Little Drones: How UAVs are Changing the World of AI» Skycatch.com

https://blog.skycatch.com/big-data-little-drones-how-uavs-are-changing-the-world-of-ai

 

https://www.globenewswire.com/news-release/2019/07/23/1886563/0/en/Artificial-Intelligence-AI-in-Construction-Market-to-Reach-USD-4-51-Billion-By-2026-Reports-And-Data.html

 

https://www.planradar.com/ch/ki-im-bauwesen/

Circa l'autore

pic

Moritz Lüscher

Responsabile digitalizzazione

[email protected]

Condividi questo articolo