Dit artikel werd op 1 april gepubliceerd door Bouwwereld
Artificial Intelligence maakt de bouw efficiënter
Artificial Intelligence (AI) gaat voorlopig niet doen wat science fiction films beloven, maar het gaat de bouw de komende jaren wel sneller en efficiënter maken en de kwaliteit verhogen. Vooral op het gebied van waarnemen en interpreteren kan AI veel betekenen. Zo gaan binnenkort drones over een wijk vliegen om kozijnen in te meten en de staat van onderhoud daarvan te bepalen.
Alle taken die herhaaldelijk terugkeren en waar wel specialistische kennis en ervaring voor nodig is, lenen zich in principe voor Artificial Intelligence. “In de bouw gebeurt van alles op dat vlak. Vaak gaat het om waarnemen door te zien, te horen, te ruiken en soms te voelen en die waarnemingen vervolgens te interpreteren en daar de juiste acties op te plannen. Denk aan het bepalen van de kwaliteit van het wegdek, de staat van een telefoonmast, het onderhoud van bijvoorbeeld kozijnen, scheurvorming in beton en de leidingen boven een systeemplafond”, zegt Jasper Wognum, CEO en medeoprichter van BrainCreators, dat zich bezig houdt met de ontwikkeling van Artificial Intelligence.
“Nu rijdt er bijvoorbeeld voor de inspectie van wegdek een auto met karretje rond dat videobeelden maakt, die een expert achteraf beoordeelt. Dat kan AI ook doen. De expert kan zich dan bezig houden met het ontwikkelen van nieuwe dingen. En het karretje kan veel vaker rond gaan rijden. De kosten zitten vooral in het beoordelen en niet in het rondrijden om data te verzamelen.”
Lerend vermogen
Wognum is zich er van bewust dat de ideeën rondom Artificial Intelligence nogal uiteenlopend zijn. Enerzijds zijn er de hoge verwachtingen vanuit de Hollywood-films; anderzijds wordt er allerlei ‘gewone’ software betiteld als AI. “Het hangt af van je definitie van intelligentie. Voor ons is dat het vermogen om nieuwe kennis en kunde op te doen en toe te passen. Dat is lerend vermogen. Dat is een skill die mensen ook hebben. We noemen het ook wel machine learning. Dat betekent dat een machine kennis overneemt en uitbreidt. Dat is wat anders dan programmeren. Een groot verschil is dat je bij programmeren elke situatie en uitzondering vastlegt in een programmeerregel. Bij machine learning doe je dat niet en moet de machine de situatie zelf gaan herkennen, zonder dat je elke uitzondering benoemd hebt. Denk aan een zelfrijdende auto die een stoeprand herkent, hoe verschillend ook. Kijk ook naar een metselrobot. Voor inzet in een fabriek is die prima te programmeren. Maar metselen in het werk is veel lastiger. Dan kun je niet alle situaties van tevoren definiëren en programmeren, inclusief alle uitzonderingen. De machine zal die zelf moeten herkennen en dan heb je AI nodig.”
Data interpreteren
BrainCreators ontwikkelde zo met MapXact AI voor een grondradar die met name kabels en leidingen in de ondergrond in kaart brengt (binnenkort meer hierover in Bouwwereld). “MapXact haalde met de grondradar enorm veel data uit de bodem. Maar doordat het werkt op basis van reflectie tekent elk object in de bodem zich af als een hyperbool. Zelfs een zandkorrel doet dat als je maar ver genoeg inzoomt. Interpreteren van die data was alleen maar mogelijk met zeer gespecialiseerde kennis. Die kennis en kunde kun je aan een machine overdragen. De vraag moet daarbij niet zijn: ik heb hier data, wat kun je er uit halen? Maar je moet kijken naar werkprocessen: Welke taken herhalen zich waar wel expertise voor nodig is?”
Maar is dat dan programmeren of is er sprake van lerend vermogen? “De machine wordt steeds intelligenter. Die genereert ook nieuwe informatie, zoals nieuwe typen ondergrond of objecten in die ondergrond. Vervolgens moeten wij die een naam gaan geven. Dat zal de machine nooit zelf kunnen gaan doen. Daar blijft een expert voor nodig.”
Theorie uit jaren 60
Volgens Wognum is AI zoals het op dit moment functioneert, eigenlijk nog betrekkelijk simpel. “Het is een beetje zoals een kind leert: Je laat een bloempje zien en nog een en nog een en daarna weet een kind hoe een bloem er uit ziet. Het is meer de intelligentie van het menselijk geheugen dan de die van het creatieve vermogen. We zitten met AI op dit moment ook vooral in de implementatiefase van theorie en algoritmes die er in de jaren 60 al waren. Alleen hebben we pas sinds zes of zeven jaar machines die snel genoeg zijn om er mee te werken. Grof gezegd hebben we alles geprogrammeerd wat de afgelopen 30 jaar konden programmeren; wat overgebleven is kunnen we nu doen met AI. Maar echt revolutionair nieuwe dingen gaat AI nu nog niet brengen. Dan moet je naar heel andere ontwikkelingen. Zo zijn er universiteiten bezig met het aanbrengen van organisch materiaal op een chip. Dan combineer je organische intelligentie met de rekensnelheid van een computer. Dat kan nieuwe dingen op gaan leveren.”
Tabel in potlood
Toch zal AI ook op de bouwplaats steeds verder oprukken en heeft BrainCreators al diverse projecten uitgevoerd. “Soms ook heel basaal, zoals iemand die in hetwerk met een potlood op papier cijfers in een tabel zette, die vervolgens op kantoor werden overgetypt in een Excel-bestand. Met een foto wordt die potloodtabel nu automatisch ingelezen. Maar soms ook heel innovatief, zoals de drone die in ontwikkeling is om kozijnen in te meten en de staat van onderhoud te bepalen, in plaats van allerlei onderhoudsinspecties. Dat is op korte termijn reëel.”
Uitvoering
Voorlopig zal dit vooral nog gaan over de bouwvoorbereiding en bouwinspecties. In de uitvoeringsfase is AI vooral interessant in combinatie met robotica. “Dat is echt een ander gebied dan waar wij ons mee bezig houden. In de robotica gaat het nu ook vooral om de mate van precisie en de mate van vrijheid in armbeweging. Het wordt mooi waar AI en robotica elkaar gaan vinden. Dat zie je nu bijvoorbeeld al in de afvalverwerking. Onze AI herkent afval en de robotarm pikt het daarna op van de band.”
Betekent dit nu dat we in de bouw steeds meer datascientists nodig hebben? “Nee, juist niet. Dat is wel vaak het idee wel: als er een nieuw technisch speeltje beschikbaar is heb je technici nodig om daar mee om te gaan. Maar we hebben geen mensen nodig om te programmeren maar mensen met kennis, die hun kennis voor herhalende taken kunnen overdragen aan de machine. Wij zetten dat in ons platform en dat platform valt je niet lastig met techniek. De fase dat er een datascientist nodig is, kan de bouw dan achter zich laten om de aandacht juist weer te richten op de inhoudelijke kennis.”
