AI นำเสนอโอกาสใหม่ ๆ ในหลากหลายสาขาตั้งแต่ธุรกิจไปจนถึงการออกแบบอุตสาหกรรมไปจนถึงความบันเทิง แต่วิศวกรรมโยธาและผังเมืองล่ะ? แมชชีน - เลิร์นนิ่งและการเรียนรู้เชิงลึกจะช่วยให้เราสร้างสภาพแวดล้อมที่ปลอดภัยขึ้นยั่งยืนและยืดหยุ่นได้อย่างไร
ทีมนักวิจัยจาก NSF NHERI SimCenter ศูนย์การสร้างแบบจำลองเชิงคำนวณและการจำลองสำหรับชุมชนวิศวกรรมอันตรายจากธรรมชาติที่มหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์ได้พัฒนาชุดเครื่องมือที่เรียกว่า BRAILS - Building Recognition โดยใช้ AI ในระดับขนาดใหญ่ สามารถระบุลักษณะเฉพาะของอาคารในเมืองโดยอัตโนมัติและยังตรวจจับความเสี่ยงที่โครงสร้างของเมืองจะต้องเผชิญจากแผ่นดินไหวพายุเฮอริเคนหรือสึนามิ
Charles (Chaofeng) Wang นักวิจัยหลังปริญญาเอกจากมหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์และหัวหน้าผู้พัฒนา BRAILS กล่าวว่าโครงการนี้เกิดขึ้นจากความต้องการที่จะกำหนดลักษณะโครงสร้างในเมืองได้อย่างรวดเร็วและน่าเชื่อถือ
“ เราต้องการจำลองผลกระทบของอันตรายที่มีต่ออาคารทั้งหมดในภูมิภาค แต่เราไม่มีคำอธิบายคุณลักษณะของอาคาร” วังกล่าว “ ตัวอย่างเช่นในบริเวณอ่าวซานฟรานซิสโกมีอาคารหลายล้านหลัง การใช้ AI ทำให้เราได้รับข้อมูลที่จำเป็น เราสามารถฝึกโมเดลโครงข่ายประสาทเทียมเพื่ออนุมานข้อมูลการสร้างจากรูปภาพและแหล่งข้อมูลอื่น ๆ ”
BRAILS ใช้การเรียนรู้ของเครื่องการเรียนรู้เชิงลึกและการมองเห็นของคอมพิวเตอร์เพื่อดึงข้อมูลเกี่ยวกับสภาพแวดล้อมที่สร้างขึ้น ถูกมองว่าเป็นเครื่องมือสำหรับสถาปนิกวิศวกรและผู้เชี่ยวชาญด้านการวางแผนในการวางแผนออกแบบและจัดการอาคารและระบบโครงสร้างพื้นฐานได้อย่างมีประสิทธิภาพมากขึ้น
SimCenter เพิ่งเปิดตัว BRAILS เวอร์ชัน 2.0 ซึ่งรวมถึงโมดูลเพื่อทำนายลักษณะอาคารที่กว้างขึ้น สิ่งเหล่านี้รวมถึงระดับการเข้าพัก (เชิงพาณิชย์ครอบครัวเดี่ยวหรือหลายครอบครัว) ประเภทหลังคา (แบนหน้าจั่วหรือปั้นหยา) ความสูงฐานรากปีที่สร้างจำนวนชั้นและอาคารมี "ชั้นอ่อน" หรือไม่ - คำศัพท์ทางวิศวกรรมโยธาสำหรับโครงสร้างที่รวมชั้นล่างที่มีช่องเปิดขนาดใหญ่ (เช่นหน้าร้าน) ซึ่งอาจมีแนวโน้มที่จะพังทลายในช่วงแผ่นดินไหว
เฟรมเวิร์ก BRAILS พื้นฐานที่พัฒนาโดย Wang และผู้ทำงานร่วมกันจะดึงข้อมูลอาคารโดยอัตโนมัติจากดาวเทียมและภาพระดับพื้นดินที่ดึงมาจาก Google Maps และรวมเข้ากับข้อมูลจากหลายแหล่งเช่น Microsoft Footprint Data และ OpenStreetMap ซึ่งเป็นโครงการความร่วมมือเพื่อสร้างสิ่งที่แก้ไขได้ฟรี แผนที่ของโลก กรอบนี้ยังมีตัวเลือกในการหลอมรวมข้อมูลนี้เข้ากับบันทึกภาษีการสำรวจเมืองและข้อมูลอื่น ๆ เพื่อเสริมองค์ประกอบการมองเห็นของคอมพิวเตอร์
“ ด้วยความสำคัญของการจำลองระดับภูมิภาคและความจำเป็นในการใช้ข้อมูลสินค้าคงคลังจำนวนมากเพื่อดำเนินการเหล่านี้การเรียนรู้ของเครื่องจึงเป็นทางเลือกเดียวที่จะทำให้เกิดความก้าวหน้า” ผู้ตรวจสอบหลักของ SimCenter และผู้อำนวยการร่วม Sanjay Govindjee กล่าว “ เป็นเรื่องน่าตื่นเต้นที่ได้เห็นวิศวกรโยธาเรียนรู้เทคโนโลยีใหม่ ๆ เหล่านี้และนำไปใช้กับปัญหาในโลกแห่งความเป็นจริง”
การใช้ประโยชน์จากพลังการระดมทุน
เมื่อเร็ว ๆ นี้ SimCenter ได้เปิดตัวโครงการบนเว็บพอร์ทัลพลเมืองวิทยาศาสตร์ Zooniverse เพื่อรวบรวมข้อมูลที่มีป้ายกำกับเพิ่มเติม โครงการนี้เรียกว่า“ การสร้างนักสืบเพื่อเตรียมรับมือกับภัยพิบัติ” ช่วยให้สาธารณชนสามารถระบุลักษณะทางสถาปัตยกรรมที่เฉพาะเจาะจงของโครงสร้างเช่นหลังคาหน้าต่างและปล่องไฟ ป้ายเหล่านี้จะใช้เพื่อฝึกโมดูลการแยกคุณลักษณะเพิ่มเติม
“ เราเปิดตัวโครงการ Zooniverse ในเดือนมีนาคมและภายในสองสามสัปดาห์เรามีอาสาสมัครหนึ่งพันคนและรูปภาพ 20,000 ภาพที่มีคำอธิบายประกอบ” Wang กล่าว
เนื่องจากไม่มีแหล่งข้อมูลใดที่สมบูรณ์หรือถูกต้องครบถ้วน BRAILS จึงทำการปรับปรุงข้อมูลโดยใช้วิธีการทางตรรกะและทางสถิติเพื่อเติมเต็มช่องว่าง นอกจากนี้ยังคำนวณความไม่แน่นอนสำหรับการประมาณการ
หลังจากพัฒนาและทดสอบความแม่นยำของโมดูลเหล่านี้ทีละรายการทีมงานได้รวมโมดูลเหล่านี้เพื่อสร้างเครื่องมือ CityBuilder ภายใน BRAILS การป้อนเมืองหรือภูมิภาคที่ระบุลงใน CityBuilder สามารถสร้างลักษณะเฉพาะของทุกโครงสร้างในพื้นที่ทางภูมิศาสตร์นั้นได้โดยอัตโนมัติ
Wang และผู้ทำงานร่วมกันแสดงชุดการสาธิตการตรวจสอบความถูกต้องหรือที่พวกเขาเรียกว่า testbeds เพื่อตรวจสอบความถูกต้องของแบบจำลองที่ได้รับจาก AI ห้องทดสอบแต่ละห้องจะสร้างรายการโครงสร้างและจำลองผลกระทบของอันตรายตามเหตุการณ์ในอดีตหรือเหตุการณ์ที่เป็นไปได้
ทีมงานได้สร้างแบบทดสอบสำหรับแผ่นดินไหวในซานฟรานซิสโก และพายุเฮอริเคนในเลกชาร์ลส์ลุยเซียนาชายฝั่งเท็กซัสและแอตแลนติกซิตีรัฐนิวเจอร์ซีย์
“ วัตถุประสงค์ของเรามีสองเท่า” วังกล่าว “ ประการแรกเพื่อลดความเสียหายในอนาคตโดยการทำแบบจำลองและให้ผลลัพธ์แก่ผู้ตัดสินใจและผู้กำหนดนโยบาย และประการที่สองเพื่อใช้ข้อมูลนี้เพื่อจำลองสถานการณ์จริงอย่างรวดเร็ว - หลังจากเหตุการณ์ใหม่ทันทีก่อนที่ทีมลาดตระเวนจะถูกนำไปใช้งาน เราหวังว่าผลการจำลองแบบเกือบเรียลไทม์จะช่วยให้คำแนะนำในการตอบสนองเหตุฉุกเฉินได้อย่างแม่นยำยิ่งขึ้น”
ทีมนำเสนอแบบทดสอบสำหรับพายุเฮอริเคนลอร่า (2020) ซึ่งเป็นพายุเฮอริเคนที่แข็งแกร่งที่สุดที่จะสร้างแผ่นดินในรัฐลุยเซียนาในการประชุมเชิงปฏิบัติการปี 2021 เรื่อง SHared Operational Research Logistics In the Nearshore Environment (SHORELINE21)
“ สำหรับบางรุ่นเช่นจำนวนผู้ใช้งานเราเห็นว่าความแม่นยำอยู่ใกล้ 100%” วังกล่าวเมื่อถูกถามเกี่ยวกับประสิทธิภาพของ BRAILS “ สำหรับโมดูลอื่น ๆ เช่นประเภทหลังคาเราเห็นว่ามีความแม่นยำ 90%”
ทรัพยากรการคำนวณ
ในการฝึกอบรมโมดูล BRAILS และเรียกใช้การจำลองนักวิจัยได้ใช้ซูเปอร์คอมพิวเตอร์ที่ Texas Advanced Computing Center (TACC) ซึ่งไม่ใช่ Frontera ซึ่งเป็นซูเปอร์คอมพิวเตอร์ด้านวิชาการที่เร็วที่สุดในโลกและ Maverick 2 ซึ่งเป็นระบบที่ใช้ GPU ที่ออกแบบมาเพื่อการเรียนรู้เชิงลึก
“ สำหรับรุ่นเดียวการฝึกอบรมอาจเสร็จสิ้นภายในไม่กี่ชั่วโมง แต่ขึ้นอยู่กับจำนวนภาพจำนวน GPU อัตราการเรียนรู้ ฯลฯ ” วังอธิบาย
TACC เช่น SimCenter เป็นพันธมิตรที่ได้รับทุนในโครงการ NSF NHERI TACC ออกแบบและดูแล DesignSafe-CI (Cyberinfrastructure) ซึ่งเป็นแพลตฟอร์มสำหรับการคำนวณการวิเคราะห์ข้อมูลและเครื่องมือที่นักวิจัยด้านอันตรายจากธรรมชาติใช้
“ โครงการนี้เป็นตัวอย่างที่ดีว่าการประมวลผลขั้นสูงผ่าน DesignSafe สามารถเปิดช่องทางใหม่ในการวิจัยอันตรายจากธรรมชาติและเครื่องมือใหม่ ๆ โดยมีองค์ประกอบหลายอย่างของ NHERI ที่ทำงานร่วมกัน” Ellen Rathje ศาสตราจารย์ด้านวิศวกรรมโยธาแห่งมหาวิทยาลัยเท็กซัสออสตินและ ผู้ตรวจสอบหลักของโครงการ DesignSafe
BRAILS / CityBuilder ได้รับการออกแบบให้ทำงานร่วมกับเครื่องมือ SimCenter Regional Resilience Determination (R2D) ได้อย่างราบรื่น R2D เป็นอินเทอร์เฟซผู้ใช้แบบกราฟิกสำหรับเฟรมเวิร์กแอปพลิเคชัน SimCenter สำหรับการหาปริมาณผลกระทบในระดับภูมิภาคจากอันตรายจากธรรมชาติ ผลลัพธ์ของมันรวมถึงสถานะความเสียหายและอัตราส่วนการสูญเสียซึ่งเป็นเปอร์เซ็นต์ของค่าซ่อมแซมอาคารต่อมูลค่าทดแทนของอาคารแต่ละหลังทั่วทั้งเมืองหรือภูมิภาคและระดับความเชื่อมั่นในการคาดการณ์
“ การจำลองเหตุการณ์อันตรายโดยใช้สนามลมหรือพื้นดินสั่นสะเทือนกับอาคารหลายพันหรือหลายล้านหลังเพื่อประเมินผลกระทบของพายุเฮอริเคนหรือแผ่นดินไหวต้องใช้ทรัพยากรและเวลาในการคำนวณจำนวนมาก” วังกล่าว “ สำหรับหนึ่งเมือง จำลองขึ้นอยู่กับขนาดโดยทั่วไปจะใช้เวลาหลายชั่วโมงในการทำงานบน TACC”
TACC เป็นสภาพแวดล้อมที่เหมาะสำหรับการวิจัยนี้ Wang กล่าว มันให้การคำนวณส่วนใหญ่ที่ทีมของเขาต้องการ “ การทำงานในโครงการ NSF ที่เกี่ยวข้องกับ DesignSafe ฉันสามารถคำนวณได้โดยแทบไม่มีข้อ จำกัด มันเจ๋งมาก."
ผลกระทบ
เพื่อให้ชุมชนของเรามีความยืดหยุ่นต่ออันตรายจากธรรมชาติมากขึ้นเราจำเป็นต้องรู้ว่าเราจะได้รับความเสียหายในระดับใดในอนาคตเพื่อแจ้งให้ผู้อยู่อาศัยและผู้กำหนดนโยบายทราบว่าจะเสริมสร้างอาคารหรือย้ายผู้คนไปที่อื่น
“ นั่นคือสิ่งที่การจำลองและการสร้างแบบจำลองสามารถให้ได้” วังกล่าว “ ทั้งหมดนี้เพื่อสร้างสภาพแวดล้อมที่มีความยืดหยุ่นมากขึ้น”