مهندسان عمران چه چیزهایی باید درباره هوش مصنوعی بدانند؟ هوش مصنوعی در حال تغییر روش انجام بسیاری از فعالیتهای مهندسی عمران است و میتواند در تحلیل داده، طراحی، بازرسی سازهها، مدیریت پروژه و تهیه گزارشهای فنی کاربرد داشته باشد. بااینحال، AI جایگزین دانش، تجربه و قضاوت حرفهای مهندسان نمیشود و خروجی آن باید همیشه بررسی و راستیآزمایی شود. آشنایی با ابزارهای هوش مصنوعی، تحلیل داده و مهارتهای دیجیتال میتواند به افزایش بهرهوری مهندسان کمک کند. همچنین استفاده از ابزارهای تخصصی مانند نرم افزار حسابداری میتواند مدیریت اطلاعات مالی شرکتهای پیمانکاری را سادهتر کند.
در ادامه با مهمترین کاربردها، خطرات و مهارتهای موردنیاز برای استفاده از هوش مصنوعی آشنا شوید.
هوش مصنوعی و مهندسی عمران: چه تغییری در راه است؟
هوش مصنوعی این روزها در تقریباً هر صنعتی رد پایی از خود بهجا گذاشته و مهندسی عمران نیز از این قاعده مستثنا نیست. اما برخلاف تصور رایج که هوش مصنوعی قرار است جای مهندسان را بگیرد، بسیاری از متخصصان برجسته این حوزه معتقدند دقیقاً برعکس این اتفاق در حال رخدادن است: هرچه ابزارهای هوشمند بیشتر وارد فرایند طراحی، ساخت و نگهداری پروژهها میشوند، نیاز به قضاوت انسانی، تجربه فنی و مسئولیتپذیری مهندسان پررنگتر میشود.
در این مطلب مروری داریم بر اینکه هوش مصنوعی امروز دقیقاً چه کاربردهایی در مهندسی عمران دارد، چه شرکتهایی از آن استفاده میکنند، چه ریسکهایی همراه آن است و چرا مدیریت مالی و اجرایی پروژههای عمرانی، حتی در دنیای هوش مصنوعی، همچنان به ابزارهای تخصصی نیاز دارد.
نکتهای که این موضوع را برای مدیران پروژه، پیمانکاران و صاحبان دفاتر مهندسی حائز اهمیت میکند این است که تحول هوش مصنوعی صرفاً به بخش فنی طراحی و محاسبات محدود نمیماند. هر تغییری در نحوه انجام کار مهندسی، دیر یا زود بر ساختار سازمانی، مدل هزینهگذاری پروژهها و حتی نحوه گزارشدهی مالی به کارفرمایان نیز اثر میگذارد. به همین دلیل، شناخت دقیق این فناوری، فراتر از یک کنجکاوی فنی، به بخشی از برنامهریزی راهبردی هر شرکت فعال در حوزه ساختوساز تبدیل شده است.
هوش مصنوعی در مهندسی عمران دقیقاً کجا استفاده میشود؟
پاسخ این پرسش بهاندازه خود ابزارهای هوش مصنوعی متنوع است. برخی شرکتهای مهندسی از هوش مصنوعی برای مدیریت داراییها استفاده میکنند، برخی دیگر آن را در مهندسی حملونقل یا ساخت مدلهای پیشبینی سیل به کار میگیرند. دیوید اوده، مدیر ارشد سازههای ساختمانی در شرکت WSP USA، تأکید میکند که با وجود هیاهوی رسانهای زیاد درباره جایگزینی مهندسان با رایانهها، واقعیت این است که هوش مصنوعی هنوز بهطور مؤثر برای حل مسائل روزمره مهندسی به کار گرفته نشده و صنعت راه درازی تا بهرهبرداری کامل از این فناوری در پیش دارد.
با این حال برخی متخصصان دیگر دیدگاه متفاوتی دارند. استفانی اسلوکام، مدیرعامل شرکت Engineers Rising، معتقد است هوش مصنوعی دیگر یک فناوری آینده نیست، بلکه همین امروز در حال شکلدادن به صنعت است و شرکتهایی که هرچه زودتر برای استفاده از آن سیاستگذاری کنند، از مزیت رقابتی قابلتوجهی در بازار برخوردار خواهند شد.
سابقهای که به دهههای قبل برمیگردد
برخلاف تصور عمومی، هوش مصنوعی برای مهندسی عمران پدیدهای کاملاً تازه نیست. آناند استفان از شرکت Gannett Fleming به یاد میآورد که استفاده از الگوریتمهای یادگیری ماشین برای تحلیل روسازی راهها، از اواخر دهه ۱۹۹۰ در برخی دانشگاهها آموزش داده میشد. دیوید مارتین، مهندس طراح در شرکت Degenkolb، نیز تأکید میکند که این فناوری دستکم دو دهه است در صنعت ساختوساز حضور دارد.
آنچه واقعاً تغییر کرده، دسترسپذیری این ابزارهاست. با ظهور مدلهای زبانی بزرگ مانند ChatGPT، دیگر نیازی به دانش برنامهنویسی برای بهرهگیری از هوش مصنوعی نیست. بورجو آکینجی، رئیس گروه مهندسی عمران و محیطزیست دانشگاه کارنگی ملون، این تحول را «فراگیر شدن هوش مصنوعی برای همه» توصیف میکند؛ چرا که این سیستمها رابطهای سادهای دارند که هر مهندسی، بدون پیشزمینه فنی خاص، میتواند با آنها تعامل کند و به دادهها و تحلیلهای سفارشی دست پیدا کند.
همین علاقه فزاینده باعث شده دانشگاههای معتبری مانند کارنگی ملون برنامههای آموزشی تخصصی در حوزه «مهندسی هوش مصنوعی و دوقلوهای دیجیتال» راهاندازی کنند تا مهندسان ارشد و مدیران پروژه بتوانند این فناوریها را در محیط کار واقعی به کار بگیرند.
یکی از نمونههای جالب این برنامهها، یک بستر آزمایشی فیزیکی در مقیاس کوچک است که در آن یک پل و یک لوکوموتیو سادهشده، بهصورت زنده و از راه دور در اختیار دانشجویان قرار میگیرد تا بتوانند متغیرهایی مانند سرعت، بار وارده و سختی سازه را تغییر دهند و نتایج را در قالب داده واقعی دریافت کنند. کاترین فلانیگان، استادیار مهندسی عمران دانشگاه کارنگی ملون، هدف از طراحی چنین بستری را یکپارچهسازی محیط فیزیکی و محیط دیجیتال میداند؛ مفهومی که هسته اصلی فناوری دوقلوهای دیجیتال را تشکیل میدهد.
این روند نشان میدهد که ورود هوش مصنوعی به مهندسی عمران، یک اتفاق ناگهانی نیست، بلکه ادامه طبیعی مسیری است که از دههها پیش با نخستین مدلهای محاسباتی و شبیهسازی آغاز شده و اکنون با ابزارهای زبانی و بینایی ماشین به مرحله تازهای رسیده است.
کاربردهای واقعی هوش مصنوعی در پروژههای عمرانی
فراتر از بحثهای نظری، امروز شرکتهای مهندسی معتبر جهان کاربردهای مشخصی برای هوش مصنوعی تعریف کردهاند:
تولید سریع طرحهای اولیه. شرکت Thornton Tomasetti از سال ۲۰۱۱ گروهی داخلی به نام CORE studio تأسیس کرده که ابزارهایی مانند اپلیکیشن Asterisk را توسعه داده است؛ ابزاری که میتواند در عرض چند ثانیه طرحهای شماتیک و مفهومی تولید کند، کاری که با روش سنتی ماهها زمان میبرد.
شناسایی آسیبهای سازهای. محصول دیگر همین شرکت، T2D2، یک سیستم ابری مبتنی بر بینایی ماشین است که با تحلیل تصاویر و ویدئوهای بازرسی، آسیبهای قابلمشاهده در سازههای بتنی، فولادی، بنایی و چوبی را بهصورت خودکار شناسایی میکند. این سیستم بر پایه هزاران تصویر واقعی از بازرسیهای میدانی آموزش دیده و در سال ۲۰۲۱ به شرکتی مستقل تبدیل شد.
تحلیل دادههای سازهای برای طراحی بهتر. در شرکت WSP، از مدلهای تحلیل ساختمان برای بررسی پاسخ سازهها به بارها، مصالح و تعامل سیستمهای مختلف استفاده میشود. هدف نهایی، استخراج بینشهایی است که به کاهش کربن نهفته در سازه و دستیابی به اهداف پایداری کمک کند.
تولید محتوا و مستندات فنی. استفاده از مدلهای زبانی برای کمک به نگارش گزارشهای فنی، ایمیلهای پروژه و حتی تصاویر بازاریابی، یکی دیگر از کاربردهای رایج است که به گفته اوده صرفهجویی قابلتوجهی در زمان مهندسان ایجاد میکند.
دوقلوهای دیجیتال. در دانشگاه توکیو، ساختمانها بهصورت دوقلوهای دیجیتال در فضای مجازی بازسازی میشوند تا با ترکیب مدلهای پیشبینی و بهینهسازی مبتنی بر هوش مصنوعی، سیستمهای انرژی ساختمان بهینه شوند. دیلیپ باروا، مهندس هیدرولیک و سواحل، معتقد است مهندسان آمریکای شمالی هنوز بهاندازه همتایان آسیایی خود از این ظرفیت بهره نبردهاند.
هوش مصنوعی وقتی داده کم است هم به کار میآید
یکی از تصورات غلط رایج این است که هوش مصنوعی فقط با مجموعهدادههای بسیار بزرگ کارآمد است. اسلوکام تأکید میکند که در مرحله ایدهپردازی، هوش مصنوعی میتواند در چند ثانیه دهها ایده برای کاهش کربن در یک پروژه ارائه دهد؛ کاری که در گذشته نیازمند جلسات طولانی کارشناسی بود.
اما سارا بیلینگتون، رئیس گروه مهندسی عمران دانشگاه استنفورد، نمونهای متفاوت مطرح میکند: تیم او از هوش مصنوعی برای پیشبینی ریسک نیروی کار اجباری در زنجیرههای تأمین مصالح ساختمانی و صنایع کشاورزی استفاده کرده است. در این پروژه، یک مجموعهداده کوچک اما دقیق، در کنار دادههای پراکندهتر سطح کشوری به کار گرفته شده تا مدلهای پیشبینیکننده آموزش ببینند. به همین ترتیب، ریشی جین از همین دانشگاه توانسته با ترکیب شبیهسازی و یادگیری ماشین، بدون ورود فیزیکی به هزاران ساختمان مدرسه در کالیفرنیا، ممیزی انرژی «بدون تماس» انجام دهد.
چرا مهندسان همچنان جایگزینناپذیرند؟
با وجود همه این پیشرفتها، اجماع میان متخصصان صنعت روشن است: هیچ ابزاری نمیتواند جای قضاوت حرفهای، تجربه و شهود یک مهندس واجد صلاحیت را بگیرد.
بزرگترین ریسک فنی هوش مصنوعی، بهویژه در مدلهای زبانی بزرگ، پدیده «توهمزایی» است؛ یعنی زمانی که سیستم پاسخی را که نمیداند، از خود میسازد و آن را با اطمینان کامل ارائه میدهد. اسلوکام هشدار میدهد که یک گزارش فنی تولیدشده توسط هوش مصنوعی محاورهای ممکن است در ظاهر کاملاً قانعکننده باشد، درحالیکه از نظر فنی «واقعاً، واقعاً اشتباه» است.
به همین دلیل، شرکتهایی مانند Thornton Tomasetti سیاستهای داخلی مشخصی برای راستیآزمایی خروجی هوش مصنوعی وضع کردهاند. رابرت اوتانی، مدیر ارشد فناوری این شرکت، تأکید میکند بزرگترین نگرانی زمانی است که کسی بدون بررسی، مستقیماً از خروجی هوش مصنوعی استفاده کند. راهکار پیشنهادی او انجام محاسبات مستقل، بررسی منابع ارجاعی سیستم و پیروی از یک راهبرد راستیآزمایی سهگانه است.
این فرایند کنترل کیفیت، هزینهای پنهان دارد که باید در محاسبه صرفهجویی واقعی هوش مصنوعی لحاظ شود. برای نمونه، اگر هزینه انجام یک وظیفه با مهندس انسانی ۱۰۰ دلار و با هوش مصنوعی تنها ۵ دلار باشد، افزودن هزینه بازبینی و کنترل کیفیت ممکن است این رقم را به حدود ۵۰ دلار برساند؛ همچنان صرفهجویی قابلتوجه، اما بسیار کمتر از آنچه در نگاه اول به نظر میرسد.
ملاحظات اخلاقی که نباید نادیده گرفت
استفاده گسترده از هوش مصنوعی در مهندسی عمران، پرسشهای اخلاقی تازهای هم به همراه دارد؛ از مالکیت تصاویر تولیدشده توسط هوش مصنوعی گرفته تا کنترل دادههای جمعآوریشده و سوگیریهای احتمالی که ممکن است بهطور ناخواسته وارد سیستم شده باشد.
در دانشگاه استنفورد، هیئتی مسئول بررسی اخلاقی پروژههای مرتبط با هوش مصنوعی است و از پژوهشگران میخواهد پیش از دریافت بودجه، ریسکهای اخلاقی و اجتماعی طرح خود را ارزیابی کنند. بیلینگتون که پروژهاش درباره طراحی ساختمان انسانمحور از همین فرایند عبور کرده، میگوید این تجربه او را وادار کرد عمیقتر به پیامدهای حریم خصوصی دادهها فکر کند؛ موضوعی که اکنون در هر سخنرانیاش نیز به آن اشاره میکند.
باروا نیز بر ضرورت توجه بیشتر به حکمرانی هوش مصنوعی تأکید دارد، بهویژه از این جهت که محصولات و خدمات مبتنی بر این فناوری با سرعتی نمایی در فضایی تا حد زیادی فاقد مقررات مشخص در حال گسترش هستند. برای شرکتهای مهندسی ایرانی نیز، حتی پیش از شکلگیری چارچوبهای قانونی رسمی، تدوین یک رویه داخلی برای مالکیت دادهها، حفظ حریم خصوصی کارفرمایان و شفافیت در استفاده از خروجیهای هوش مصنوعی میتواند از بروز اختلافات حقوقی و حرفهای در آینده جلوگیری کند.
آینده شغلی مهندسان عمران در عصر هوش مصنوعی
شاید یک مهندس عمران معمولی نیازی به مدرک علوم کامپیوتر نداشته باشد، اما آشنایی با ابزارهای برنامهنویسی و هوش مصنوعی بهسرعت به یک مزیت رقابتی جدی تبدیل شده است. اوده معتقد است این مهارتها بهزودی تقریباً به پیشنیازی برای فعالیت در این حرفه بدل خواهند شد.
جملهای که استفان در این باره مطرح میکند، شاید بهترین جمعبندی این تحول باشد: «هوش مصنوعی قرار نیست شغل شما را از شما بگیرد؛ فردی که از هوش مصنوعی استفاده میکند شغل شما را خواهد گرفت.» به گفته او، رشد اهمیت مهارتهای هوش مصنوعی در این صنعت، در نهایت به شکلگیری نوعی چارچوب مقرراتی، شبیه به نظام مجوز مهندسی حرفهای، منجر خواهد شد.
آکینجی نیز با نگاهی خوشبینانه میگوید هوش مصنوعی مهندسان را وادار خواهد کرد بهترین نسخه ممکن از خودشان باشند؛ چرا که وقتی سیستمهای هوشمند به دلیل داده نادرست یا سوگیری دچار خطا میشوند، این جامعه است که برای اصلاح و مسئولیتپذیری نهایی به مهندسان عمران متکی خواهد بود. به باور او، «هیچ سیستمی نمیتواند جایگزین شهود، تفکر خلاق، تفکر انتقادی و اخلاق حرفهای یک مهندس عمران شود.»
مطالعه بیشتر: آینده شغل حسابداری در عصر هوش مصنوعی | کدام حسابداران حذف میشوند؟
چالشهای پیادهسازی هوش مصنوعی در دفاتر فنی و مهندسی
فاصله میان «شنیدن درباره هوش مصنوعی» و «استفاده روزمره و مؤثر از آن» در بسیاری از شرکتهای مهندسی هنوز قابلتوجه است. چند مانع اصلی در این مسیر وجود دارد که مدیران پروژه باید به آنها توجه کنند.
نخستین مانع، نبود سیاست مشخص سازمانی است. همانطور که اسلوکام تأکید میکند، هر شرکت مهندسی که هنوز چارچوبی برای استفاده کارکنانش از ابزارهای هوش مصنوعی تدوین نکرده، باید هرچه سریعتر این کار را انجام دهد؛ چرا که استفاده بدون قاعده از این ابزارها میتواند ریسکهای فنی، حقوقی و حتی امنیتی برای پروژه به همراه داشته باشد.
دومین مانع، شکاف دانشی میان نسلهای مختلف مهندسان است. بسیاری از مهندسان جوان که بهتازگی وارد بازار کار شدهاند، از قبل با مفاهیم پایه برنامهنویسی و ابزارهای هوشمند آشنایی دارند، اما مهندسان باتجربهتر ممکن است نیاز به دورههای آموزشی هدفمند داشته باشند تا بتوانند این ابزارها را بهدرستی در جریان کار روزانه خود ادغام کنند.
سومین و شاید مهمترین مانع، نبود فرایند راستیآزمایی است. همانطور که پیشتر اشاره شد، خروجی مدلهای زبانی میتواند در ظاهر کاملاً قانعکننده اما از نظر فنی نادرست باشد. شرکتهایی که بدون تعریف مرحله بازبینی مستقل، مستقیماً از این خروجیها در مستندات فنی یا محاسبات سازهای استفاده میکنند، خود را در معرض ریسکهای جدی مسئولیت حرفهای قرار میدهند.
راهکار عملی برای عبور از این موانع، حرکت تدریجی و مرحلهای است: شروع از کاربردهای کمریسک مانند تولید ایدههای اولیه یا پیشنویس گزارشهای غیرفنی، سپس گسترش تدریجی به حوزههای تخصصیتر، همراه با تعریف شفاف نقش انسان در هر مرحله از بازبینی و تأیید نهایی.
مدیریت مالی پروژههای عمرانی: جایی که هوش مصنوعی هنوز به انسان نیاز دارد
فارغ از اینکه هوش مصنوعی در طراحی و تحلیل سازه چه جایگاهی پیدا کند، واقعیت این است که موفقیت هر پروژه عمرانی در نهایت به مدیریت دقیق مالی و اجرایی آن گره خورده است. پروژههای پیمانکاری با چالشهایی مانند صورتوضعیتهای پیشرفت کار، تهاتر مصالح، مدیریت قراردادهای فرعی، محاسبه بهای تمامشده هر پروژه بهصورت مجزا و کنترل نقدینگی در طول دوره اجرا روبهرو هستند؛ مسائلی که هیچ الگوریتمی بهتنهایی از عهده آنها برنمیآید و نیازمند سیستمی دقیق و متناسب با ماهیت کار پیمانکاری است.
دقیقاً همینجاست که استفاده از یک نرمافزار حسابداری پیمانکاری تخصصی میتواند نقش تعیینکنندهای ایفا کند. چنین نرمافزاری امکان ثبت هزینهها بهتفکیک هر پروژه، صدور و پیگیری صورتوضعیتها، مدیریت قراردادهای دست دوم و تهیه گزارشهای سود و زیان پروژهمحور را در اختیار مدیران مالی و پیمانکاران قرار میدهد. درست همانطور که هوش مصنوعی در کنار مهندسان عمران بهعنوان یک ابزار کمکی عمل میکند نه جایگزین آنها، نرمافزار حسابداری پیمانکاری نیز مکمل تصمیمگیری مالی مدیران پروژه است؛ ابزاری که با دقت و سرعت بالاتر، پایهای قابلاتکا برای تصمیمهای کلان فراهم میکند.
برای شرکتهای مهندسی و پیمانکاری که بهدنبال هماهنگسازی فناوریهای نوین طراحی و تحلیل با یک سیستم مالی منسجم هستند، سرمایهگذاری روی نرمافزار حسابداری پیمانکاری، دقیقاً مانند سرمایهگذاری روی ابزارهای هوش مصنوعی، سرمایهگذاری روی آینده کسبوکار محسوب میشود.
از منظری عملیتر، همانطور که هوش مصنوعی در بخش فنی به شرکتها کمک میکند تصمیمهای بهتری بگیرند، یک نرمافزار حسابداری پیمانکاری نیز دادههای مالی پراکنده هر پروژه را در یک بستر واحد گردآوری میکند و امکان مقایسه عملکرد مالی پروژههای مختلف را در کنار هم فراهم میسازد. این موضوع بهویژه برای شرکتهایی که بهطور همزمان چند پروژه پیمانکاری را مدیریت میکنند اهمیت دوچندانی دارد؛ چراکه بدون تفکیک دقیق هزینهها و درآمدها بهازای هر پروژه، تشخیص پروژههای سودآور از پروژههای زیانده تقریباً غیرممکن میشود.
مطالعه بیشتر: دریافت دموی رایگان نرم افزار حسابداری پیمانکاری
همچنین، تهیه گزارشهای مالی استاندارد برای کارفرمایان دولتی و خصوصی، که معمولاً بخش جداییناپذیر قراردادهای پیمانکاری بزرگ است، در نرمافزارهای تخصصی حسابداری پیمانکاری بهشکل خودکار و منطبق با فرمتهای موردنیاز انجام میشود؛ کاری که در صورت انجام دستی، ساعتها زمان کارشناسان مالی را میگیرد و احتمال خطای انسانی در آن بالاست.
جمعبندی
هوش مصنوعی بیتردید صنعت مهندسی عمران را دگرگون خواهد کرد؛ از تولید سریع طرحهای اولیه و شناسایی آسیبهای سازهای گرفته تا پیشبینی ریسک در زنجیره تأمین و ممیزی انرژی بدون تماس. اما این تحول، جایگزینی مهندسان نیست، بلکه بازتعریف نقش آنهاست. مهندسانی که یاد بگیرند از این ابزارها هوشمندانه استفاده کنند، بدون آنکه از قضاوت حرفهای، کنترل کیفیت و مسئولیت اخلاقی خود فاصله بگیرند، برندگان اصلی این دوران خواهند بود؛ دورانی که در آن، دقیقاً مانند حوزه طراحی و اجرا، مدیریت مالی پروژهها نیز به ابزارهای هوشمند و تخصصی نیاز دارد تا بتواند همگام با سرعت تحولات فناوری پیش برود.
