يوفر الذكاء الاصطناعي فرصًا جديدة في مجموعة من المجالات، بدءًا من الأعمال التجارية وحتى التصميم الصناعي وحتى الترفيه. ولكن ماذا عن الهندسة المدنية وتخطيط المدن؟ كيف يمكن أن يساعدنا التعلم الآلي والتعلم العميق في إنشاء بيئات مبنية أكثر أمانًا واستدامة ومرونة؟
قام فريق من الباحثين من NSF NHERI SimCenter، وهو مركز النمذجة والمحاكاة الحسابية لمجتمع هندسة المخاطر الطبيعية ومقره في جامعة كاليفورنيا، بيركلي، بتطوير مجموعة من الأدوات تسمى BRAILS - التعرف على البناء باستخدام الذكاء الاصطناعي على نطاق واسع - والتي يمكنه التعرف تلقائيًا على خصائص المباني في المدينة وحتى اكتشاف المخاطر التي قد تواجهها هياكل المدينة في حالة وقوع زلزال أو إعصار أو تسونامي.
يقول تشارلز (تشاوفينج) وانج، باحث ما بعد الدكتوراه في جامعة كاليفورنيا، بيركلي، والمطور الرئيسي لبرنامج برايلز، إن المشروع نشأ من الحاجة إلى توصيف الهياكل في المدينة بسرعة وبشكل موثوق.
وقال وانغ: "نريد محاكاة تأثير المخاطر على جميع المباني في المنطقة، ولكن ليس لدينا وصف لخصائص المبنى". "على سبيل المثال، في منطقة خليج سان فرانسيسكو، هناك الملايين من المباني. باستخدام الذكاء الاصطناعي، نحن قادرون على الحصول على المعلومات المطلوبة. يمكننا تدريب نماذج الشبكات العصبية لاستنتاج معلومات البناء من الصور ومصادر البيانات الأخرى.
يستخدم برايلز التعلم الآلي، والتعلم العميق، ورؤية الكمبيوتر لاستخراج المعلومات حول البيئة المبنية. تم تصوره كأداة للمهندسين المعماريين والمهندسين ومحترفي التخطيط لتخطيط وتصميم وإدارة المباني وأنظمة البنية التحتية بشكل أكثر كفاءة.
أصدر SimCenter مؤخرًا الإصدار 2.0 من BRAILS والذي يتضمن وحدات للتنبؤ بمجموعة أكبر من خصائص البناء. وتشمل هذه الفئة فئة الإشغال (تجاري، أو عائلة واحدة، أو عائلات متعددة)، ونوع السقف (مسطح، أو جملوني، أو منحدر)، وارتفاع الأساس، وسنة البناء، وعدد الطوابق، وما إذا كان المبنى يحتوي على "قصة ناعمة" - مصطلح في الهندسة المدنية يشير إلى الهياكل التي تتضمن طوابق أرضية ذات فتحات كبيرة (مثل واجهات المتاجر) والتي قد تكون أكثر عرضة للانهيار أثناء حدوث زلزال.
يقوم إطار عمل برايلز الأساسي الذي طوره وانغ ومعاونوه باستخراج معلومات البناء تلقائيًا من صور الأقمار الصناعية والصور على مستوى الأرض المستمدة من خرائط جوجل ويدمجها مع بيانات من عدة مصادر، مثل Microsoft Footprint Data وOpenStreetMap - وهو مشروع تعاوني لإنشاء خريطة مجانية قابلة للتحرير. خريطة العالم. يوفر الإطار أيضًا خيار دمج هذه البيانات مع السجلات الضريبية، واستطلاعات المدن، وغيرها من المعلومات، لاستكمال مكون الرؤية الحاسوبية.
"نظرًا لأهمية عمليات المحاكاة الإقليمية والحاجة إلى بيانات مخزون كبيرة لتنفيذها، فإن التعلم الآلي هو في الحقيقة الخيار الوحيد لتحقيق التقدم،" أشار الباحث الرئيسي والمدير المشارك لـ SimCenter سانجاي جوفيندجي. "من المثير أن نرى المهندسين المدنيين يتعلمون هذه التقنيات الجديدة ويطبقونها على مشاكل العالم الحقيقي."
الاستفادة من قوة التعهيد الجماعي
مؤخرًا، أطلق SimCenter مشروعًا على البوابة الإلكترونية لعلوم المواطن، Zooniverse، لجمع بيانات إضافية مصنفة. يمكّن المشروع، المسمى "بناء المخبر للتأهب للكوارث"، الجمهور من تحديد السمات المعمارية المحددة للهياكل، مثل الأسطح والنوافذ والمداخن. سيتم استخدام هذه التصنيفات لتدريب وحدات استخراج الميزات الإضافية.
وقال وانغ: "لقد أطلقنا مشروع Zooniverse في مارس/آذار، وفي غضون أسبوعين كان لدينا ألف متطوع، و20,000 ألف صورة مشروحة".
نظرًا لعدم وجود مصدر بيانات كامل أو دقيق تمامًا، يقوم نظام برايلز بإجراء تحسينات للبيانات باستخدام أساليب منطقية وإحصائية لملء الفجوات. كما أنه يحسب عدم اليقين لتقديراته.
بعد تطوير واختبار دقة هذه الوحدات بشكل فردي، قام الفريق بدمجها لإنشاء أداة CityBuilder داخل BRAILS. يمكن أن يؤدي إدخال مدينة أو منطقة معينة في CityBuilder إلى إنشاء توصيف لكل هيكل في تلك المنطقة الجغرافية تلقائيًا.
أجرى وانغ ومعاونوه سلسلة من عروض التحقق من الصحة، أو كما يطلقون عليها، وحدات الاختبار، لتحديد دقة النماذج المشتقة من الذكاء الاصطناعي. يُنشئ كل اختبار جردًا للهياكل ويحاكي تأثير الخطر بناءً على الأحداث التاريخية أو المعقولة.
أنشأ الفريق منصات اختبار للزلازل في سان فرانسيسكو؛ والأعاصير في بحيرة تشارلز، لويزيانا، وساحل تكساس، وأتلانتيك سيتي، نيو جيرسي.
قال وانغ: "أهدافنا ذات شقين". "أولاً، تخفيف الأضرار في المستقبل من خلال إجراء عمليات المحاكاة وتقديم النتائج لصانعي القرار وصانعي السياسات. وثانيًا، استخدام هذه البيانات لمحاكاة سيناريو حقيقي بسرعة، أي بعد حدث جديد على الفور، قبل نشر فريق الاستطلاع. نأمل أن تساعد نتائج المحاكاة في الوقت الفعلي تقريبًا في توجيه الاستجابة لحالات الطوارئ بدقة أكبر.
قدم الفريق اختبارًا لإعصار لورا (2020)، وهو أقوى إعصار يصل إلى اليابسة في لويزيانا، في ورشة عمل 2021 حول لوجستيات البحوث التشغيلية المشتركة في البيئة القريبة من الشاطئ (SHORELINE21).
قال وانغ عندما سئل عن أداء نظام برايلز: "بالنسبة لبعض النماذج، مثل الإشغال، نرى أن الدقة تقترب من 100%". "بالنسبة للوحدات الأخرى، مثل نوع السقف، فإننا نشهد دقة تبلغ 90%."
الموارد الحسابية
لتدريب وحدات برايلز وتشغيل عمليات المحاكاة، استخدم الباحثون أجهزة الكمبيوتر العملاقة في مركز تكساس للحوسبة المتقدمة (TACC) - ولا سيما فرونتيرا، أسرع كمبيوتر أكاديمي عملاق في العالم، ومافريك 2، وهو نظام قائم على وحدة معالجة الرسومات مصمم للتعلم العميق.
وأوضح وانغ: "بالنسبة لأحد النماذج، يمكن الانتهاء من التدريب في غضون ساعات قليلة، ولكن هذا يعتمد على عدد الصور، وعدد وحدات معالجة الرسومات، ومعدل التعلم، وما إلى ذلك".
TACC، مثل SimCenter، هي شريك ممول في برنامج NSF NHERI. قامت TACC بتصميم وصيانة DesignSafe-CI (Cyberinfrastructure) - وهي منصة للحساب وتحليل البيانات والأدوات التي يستخدمها الباحثون في مجال المخاطر الطبيعية.
وقالت إلين راثجي، أستاذة الهندسة المدنية في جامعة تكساس في أوستن: "يعد هذا المشروع مثالًا رائعًا على كيف يمكن للحوسبة المتقدمة من خلال DesignSafe أن تتيح طرقًا جديدة لأبحاث المخاطر الطبيعية وأدوات جديدة، مع عمل العديد من مكونات NHERI معًا". الباحث الرئيسي في مشروع DesignSafe.
تم تصميم BRAILS/CityBuilder للعمل بسلاسة مع أداة SimCenter لتحديد المرونة الإقليمية (R2D). R2D هي واجهة مستخدم رسومية لإطار تطبيق SimCenter لقياس التأثير الإقليمي الناجم عن المخاطر الطبيعية. وتشمل مخرجاتها حالة الضرر ونسبة الخسارة – النسبة المئوية لتكلفة إصلاح المبنى إلى قيمة استبداله – لكل مبنى عبر مدينة أو منطقة بأكملها ودرجة الثقة في التنبؤ.
قال وانغ: "إن محاكاة الأحداث الخطرة - تطبيق حقول الرياح أو اهتزاز الأرض على آلاف أو ملايين المباني لتقييم تأثير الإعصار أو الزلزال - تتطلب الكثير من الموارد الحاسوبية والوقت". "لمدينة واحدة على مستوى المدينة محاكاة، اعتمادًا على الحجم، عادةً ما يستغرق تشغيل TACC ساعات.
يقول وانغ إن TACC هي بيئة مثالية لهذا البحث. فهو يوفر معظم الحسابات التي يحتاجها فريقه. "من خلال العمل في مشاريع NSF المتعلقة بـ DesignSafe، يمكنني إجراء العمليات الحسابية تقريبًا دون قيود. إنه رائع."
الآثار
ولجعل مجتمعاتنا أكثر قدرة على الصمود في مواجهة المخاطر الطبيعية، نحتاج إلى معرفة مستوى الضرر الذي سنواجهه في المستقبل، لإبلاغ السكان وصناع السياسات حول ما إذا كان ينبغي تعزيز المباني أو نقل الناس إلى أماكن أخرى.
وقال وانغ: "هذا ما يمكن أن توفره المحاكاة والنمذجة". "كل ذلك من أجل خلق بيئة مبنية أكثر مرونة."