BIM, machine learning e deep learning: Assobim spiega come il BIM basato sull’intelligenza artificiale sta rivoluzionando la digitalizzazione.
L’orizzonte concettuale e lo stesso lessico quotidiano del BIM stanno assumendo nuove dimensioni di complessità dovute in parte alla crescente maturazione di questa metodologia ma senza dubbio anche alla sua integrazione e interazione con altri veri e propri ecosistemi tecnologici come l’Intelligenza Artificiale e le sue molteplici declinazioni.
Machine Learning e Deep Learning ne rappresentano senza dubbio due orizzonti di estremo interesse e dal potenziale ancora in parte inesplorato a causa degli stessi meccanismi di apprendimento alla loro base. Entrambi rappresentano infatti un salto concettuale radicale rispetto alla tradizionale imputazione di set di istruzioni che richiedono alla macchina una semplice attività esecutiva.
Nel primo caso, l’uomo non dice cosa e come fare alla macchina ma le fornisce un algoritmo in base al quale quest’ultima gestisce il processo di apprendimento; nel secondo il processo di apprendimento è strutturato per layer, ognuno dei quali rappresenta la base di quello successivo in una rielaborazione delle informazioni continua e sempre più approfondita. Per entrambi la base di dati, o per meglio dire i set di informazioni opportunamente strutturati, è fondamentale ai fini del loro potenziale applicativo e della qualità dei risultati generabili.
A questo proposito va innanzitutto sottolineato come il problema di un loro utilizzo ottimale non sia quantitativo, in quanto ogni processo progettuale e costruttivo genera infatti un’enorme quantità di informazioni; piuttosto ad essere critico è il loro sottoutilizzo, spesso limitato alla sola valutazione di alcuni aspetti del progetto – tipicamente quelli temporali o economici – ma non alla sua ottimizzazione complessiva, che dovrebbe al contrario essere l’obiettivo principale.
L’implementazione di nuove tecnologie come machine learning e deep learning rappresentano, fra le altre cose, una possibile risposta proprio al sottoutilizzo dei dati, consentendo non solo le ottimizzazioni quantitative sopra citate ma, soprattutto, di generare scenari predittivi utili all’individuazione di possibili criticità tecniche, economiche e cronologiche e alla loro risoluzione prima ancora dell’avvio del progetto stesso.
Un fattore chiave nell’implementazione di questa strategia di gestione e utilizzo dei dati è la attenta valutazione delle esigenze, delle risorse e delle scelte necessarie a definirla. Un approccio data-oriented, che preveda la raccolta pianificata di informazioni, la loro strutturazione e l’implementazione di tecnologie e strumenti idonei al loro utilizzo (fra cui, per l’appunto, AI, Machine Learning e Deep Learning) comporta naturalmente investimenti non trascurabili, anche se oggi assai più sostenibili di un tempo, ma soprattutto una meticolosa gestione dei dati.
BIM e intelligenza artificiale predittiva
Se nello scenario ideale l’entità e il cambio di approccio richiesto da tali attività possono scoraggiare l’avvio di un percorso orientato in questa direzione, va detto che molte delle più recenti piattaforme sono dotate di algoritmi predefiniti già oggi in grado di fornire analisi predittive a partire da qualsiasi dato storico inserito nel sistema, e di fatto l’implementazione dell’intelligenza artificiale predittiva non è così complessa come si potrebbe pensare.
Tecnologie e soluzioni software in grado di semplificare e rendere più rapido questo processo sono già oggi disponibili, e le loro capacità sono in grado di generare informazioni utili su performance, criticità e aree critiche di miglioramento del progetto. Soprattutto, l’intelligenza artificiale predittiva può fornire una serie di informazioni per aiutare società di progettazione e imprese di costruzione a operare in modo più efficiente.
Ad esempio, l’analisi predittiva può migliorare l’accuratezza della pianificazione, prevedendo la probabilità e l’entità dei ritardi e quali attività hanno maggiori probabilità di causarli, e parallelamente il machine learning rende tali previsioni sempre più accurate nel tempo.
L’intelligenza artificiale predittiva è anche un efficace strumento per l’analisi precoce dei rischi, e quando integrata da sistemi avanzati di raccolta dati come l’Internet of Things consente di valutare lo stato di salute e il grado di sicurezza di qualsiasi tipo di manufatto.
Allo stesso modo, i budget possono essere definiti con maggiore precisione grazie all’utilizzo dell’intelligenza artificiale predittiva per l’analisi di dati economico finanziari come spese effettive, pagamenti dei subappaltatori, varianti in corso d’opera, modifiche contrattuali e così via.
