Jak sztuczna inteligencja wpłynie na pracę projektantów i inżynierów?

16 sierpnia 2023

Jakub Tryngiel, starszy asystent projektanta srk i inżynier budowy w Multiconsult Polska

Potencjał i bariery wykorzystania AI

Budownictwo przez wiele lat skutecznie opierało się dynamicznej cyfryzacji, a już w szczególności wiodło w tym prym budownictwo kolejowe. Motorem zmian była i nadal pozostaje branża architektoniczna, która zainicjowała powstanie oprogramowania takiego jak Revit czy ArchiCAD oraz w głównym stopniu odpowiada za rozwój metodyki BIM.

Naturalnym krokiem są pierwsze próby wdrożeń AI w tej branży, realizowane w obszarach renderowania obrazu (Arko.ai), wizualizacji koncepcji architektonicznej (Midjourney) czy generowania prostych obiektów kubaturowych na podstawie opisu tekstowego (Hypar). Jako branżyści srk przyglądamy się temu z zaciekawieniem, jednak dzisiaj wiążemy dużo większe nadzieje z automatyzacją wybranych procesów projektowych wewnątrz organizacji, ulepszając i wykorzystując dotychczasowe narzędzia. Liczymy również na rozwój i popularyzacją dedykowanych nakładek na oprogramowania CAD, takich jak np. RailCOMPLETE.

Czynnikiem wstrzymującym wykorzystanie AI na szerszą skalę jest aktualna forma rozporządzeń, standardów technicznych czy instrukcji. Przepisy są zbyt ogólne, nie uwzględniają szerszego kontekstu zagadnienia, w tym powiązania z innymi branżami, oraz pozostawiają zbyt duże pole do interpretacji. Coraz częściej spotykamy się z tendencją zamawiających do własnych interpretacji przepisów, rekomendowania rozwiązań nietypowych oraz uzyskiwania odstępstw. Wynika to z faktu, że projektujemy linie kolejowe w coraz bardziej zurbanizowanym otoczeniu i potrzebujemy ograniczać wszelkie koszty, zarówno te finansowe, jak i społeczne. Zdecydowanie łatwiej jest automatyzować procesy charakteryzujące się ściśle określonymi kryteriami.

Rozwiązania AI, takie jak ChatGPT, bazują na dużych modelach językowych składających się ze sztucznych sieci neuronowych o wielu parametrach, wytrenowanych na ogromnych ilościach danych. Pomimo kolejnych aktualizacji, nadal generują fałszywe rozwiązania. Przepisy, opis przedmiotu zamówienia czy indywidualne wymagania danego zakładu linii kolejowych, będące czasami w sprzeczności ze sobą, wymagają również wykorzystania umiejętności miękkich oraz dyskusji w celu wypracowania ostatecznych rozwiązań.

W takich warunkach praca naszego hipotetycznego projektanta AI jest mocno utrudniona. Dlatego kluczowe jest bardziej algorytmiczne tworzenie przepisów, ukierunkowane na szczegółową definicję kryteriów oraz przypisanie im odpowiednich wag.

Algorytmy AI mogłyby uczyć się na dotychczasowych projektach. Należy jednak zauważyć, że w przypadku pojedynczych biur projektowych liczba wykonanych zleceń jest mocno ograniczona. Prawdopodobnie, jedynie baza projektów PKP PLK byłaby wystarczająca do prób wytrenowania takich narzędzi. Wymagałoby to integracji wielu algorytmów, zarówno przetwarzania obrazu, tekstu, jak i modeli w wybranych środowiskach CAD.

AI, a usprawnienie pracy projektantów kolejowych/srk

Aktualnie rozwijają się nowe standardy czy inicjatywy, takie jak RailML, Eulynx, RCA. W ostatnich latach pojawił się szereg nowych procedur administracyjnych, wymagających zaangażowania projektanta (np. certyfikacja podsystemu CCS, procedury SMS czy preautoryzacja systemu ETCS). Wraz z powstaniem spółki CPK, do projektowania kolejowego coraz odważniej wkracza metodyka BIM. Równolegle, cały czas następuje rozwój oprogramowania CAD. Wszystko to wymaga ciągłego dokształcania. Narzędzia AI mogą nas odciążyć w wykonywaniu niektórych powtarzalnych procesów. Zaoszczędzony czas moglibyśmy wykorzystać na bardziej szczegółową weryfikację projektów, rozwój własnych kompetencji, udoskonalanie wewnętrznych narzędzi, procesów czy przekazywanie wiedzy w zespole.

Szansa czy zagrożenie

Biura projektowe, które szybko opracują strategię wdrożenia narzędzi AI i będą trzymały rękę na pulsie, w dłuższej perspektywie mogą zdobyć przewagę technologiczną i zwiększyć efektywność pracy, co przełożyć się może również na efekty finansowe i pozycję biznesową. Największe biura projektowe, będące częścią zagranicznych spółek, z pewnością będą miały łatwiejszy dostęp do najnowszych narzędzi oraz będą mogły przeznaczyć więcej środków na prace R&D, aby rozwijać własne narzędzia. Grozi to powstaniem monopoli i wyparciem z rynku mniejszych biur projektowych. Z drugiej strony hamulcem może okazać się jednak obawa przed zbyt dużym inwestowaniem w innowacje związane z AI z powodu niskiego poziomu standaryzacji oraz jakości przepisów, zarówno w Polsce, jak i na świecie.

Pojawiają się również pierwsze próby okiełznania narzędzi AI, w tym m.in. dyskusje o prawach autorskich, kwestiach etycznych czy odpowiedzialności za błędy. Komisja Europejska przyjęła propozycję dyrektywy w sprawie odpowiedzialności za sztuczną inteligencję (AI Liability Directive, AILD). Dyskusja o zasadach korzystania z AI staje się coraz głośniejsza, również w branży AEC.

Stawia to przed nami zupełnie nowe pytania. Jaka będzie rola przyszłego projektanta i jakie powinien mieć kompetencje? Kto jest rzeczywistym autorem projektu? Czy oprócz uprawnień i znajomości przepisów powinien również znać mechanizmy i zasady działania narzędzi AI, którymi się posługuje? Zasadniczą sprawą jest również to, w jakim stopniu będzie to w ogóle możliwe.

Co z kształceniem kadr?

Kolejnym zagrożeniem może okazać się kształcenie nowych kadr na stanowiskach asystenckich. Dążenie do automatyzacji i pozbycia się powtarzalnych procesów wydaje się sprzeczne z tym, w jaki sposób obecnie utrwalamy wiedzę. To doświadczenie związane z wielokrotnym rozmieszczaniem urządzeń lub ich elementów na planach zagospodarowania terenu czy schematach sprawia, że stajemy się coraz lepszymi projektantami, a młodzi adepci inżynierii nabywają niezbędnego doświadczenia. Przekazując te obszary sztucznej inteligencji, narażamy się na ryzyko zmniejszenia kompetencji pracowników w przyszłości oraz ograniczania wiedzy w zakresie niektórych czynności. Jak wtedy  weryfikować efekty pracy narzędzia AI?

Można też założyć, zgodnie ze społecznymi schematami, że część doświadczonych projektantów  niechętnie odniesie się do tak rewolucyjnych rozwiązań. Z drugiej strony, nowe pokolenie bardziej otwarte na zmiany, nie może być pozostawione bez nadzoru. Wyobraźmy sobie sytuację, w której asystent korzysta z jakiegoś narzędzia AI — skuszony ekspresowym dostarczeniem końcowego produktu, ale nie wie, w jaki sposób to narzędzia działa lub czy w nietypowych przypadkach nie wygeneruje złego rozwiązania. A to niestety gotowy przepis na katastrofę. Musimy działać razem, międzypokoleniowo, identyfikować zagrożenia i mieć pełną świadomość, w jaki sposób pracują te narzędzia.

Oczywiście pojawiają się także pytania, czy angażując się w rozwijanie narzędzi AI, sami nie wykluczamy się z profesji. Dlaczego algorytmy bazujące na doświadczeniach i owocach naszej pracy, mają nas jej pozbawić? Musimy mieć strategię wdrażania AI w procesie projektowym, zarówno na poziomie biur projektowych, zarządców infrastruktury i ustawodawców, ale także w kontekście kosztów społecznych.

Na koniec hipotetyczne pytanie z gatunku science-fiction – czy gdy dojdziemy kiedyś do bardzo wysokiego poziomu inteligencji narzędzi AI, pozwoli nam ono wprowadzić zmiany do projektu, które wydają się z naszego punktu widzenia (projektanta lub zamawiającego) zasadne, ale z punktu widzenia AI będą rozwiązaniami gorszymi lub błędnymi?