Сравнение результатов подбора конструктивных схем здания человеком и ИИ

         Вот и завершился мой личный эксперимент длинной в 4 года. В 2017 году я начал реализовывать самый амбициозный проект в моей жизни, а именно начал оцифровывать мой опыт конструирования каркасов зданий. За это время я совершил большое количество ошибочных предположений, но одно из них было неизменно. За основную аксиому я принял то,  что человек это просто набор математических функций и поведение любого человека как и принимаемые им решения можно описать опираясь на законы математики. При этом если что то не получается , то это не уходит в статус "невозможного", оно по умолчанию "возможно" , просто еще не найдет оптимальный вариант решения, по сути это доказал еще Гёдель в 1930 году. 

         Теорема Гёделя для моей задачи по сути звучит так , если возможно выделить n-ное число правил/аксиом умственных операций совершающих инженером при конструировании подчиняющихся правилам арифметики, то добавление новых аксиом не создаст противоречивых результатов. Иными словами если вы что-то описываете математически, то будет существовать n-ное количество решений тождественных заданной системе аксиом. А если не получается, то это значит , что существующая система аксиом еще не завершена и где то есть вариант системы аксиом которые формализуют систему в целом. 

         Саму модель мною определенных аксиом/правил я не буду раскрывать, ровно как и патентовать, я думаю что это лишнее и разработать то, что удалось мне скорее всего 1 к 1 не получится никак, вариантов бесконечное множество. 

         Первые результаты я получил еще больше года назад, но самые значимые успехи начали получатся только в январе этого года. И на каком-то из этапов я решил проверить насколько вариант подбираемый искусственным интеллектом еще в старой версии программы Prometey будет сопоставим с результатом подбора коллективом специалистов инженеров-конструкторов.  Для сравнения я выбрал примерно два одинаковых корпуса, задачи которые решали люди и ИИ:

- выровнять напряжение в пилонах, что бы максимальные и минимальные напряжения были с минимальными перепадами

- положение пилонов должно вызывать минимальные прогибы в плите перекрытия 

- положение пилонов должны вызывать минимальные напряжения в верхнем и нижнем слое плиты перекрытия, для минимизации сечения арматуры 

- выход бетона на конструкциях одного этажа по отношению к продаваемой площади этажа должен быть минимальный из возможных 

         Конечно ИИ не может учесть всех частных случаев, например он не может поставить дополнительную стену на первом этаже вместо двух пилонов из-за объёмно планировочных решений которые немного изменили конструктивную схему 1-го этажа. В таких задачах без человека пока не обойтись. Но у меня задача найти 99% неизвестных в задаче подбора оптимальной конструктивной схемы здания. 

         И вот тут самое время высказать вторую фундаментальную аксиому, человек не может разработать условное множество решений для одного архитектурного плана. Человек может только подозревать, что он обладает большим количеством знаний и многие даже могут их немного систематизировать, но как дело дойдет до конкретного количества вариантов решений, человек просто не может осознать весь объем информации и хоть как то ее систематизировать, а ИИ может. 

         В качестве эксперимента я взял два очень похожих здания, оба еще на стадии концепции. Первый дом прорабатывал ИИ и назовем этот дом №1, а второй дом прорабатывали два специалиста в общей сложности 20 рабочих дней и назовем этот дом №2. 

План пилонов дома №1:

План пилонов дома №2:

Процесс подбора вариантов ИИ я записал на видео еще много месяцев назад и за ночь ИИ смог перебрать 1000 вариантов схем. Живые люди за 20 рабочих дней в сумме проработали только несколько вариантов. Почему так ? конструктор в компании застройщика обременен работой не только по своей основной деятельности: кто то звонит и спрашивает вопросы по старому объекту, возможно всплыл старый косяк и необходимо срочно внести изменение, человек всегда будет пытаться не делать работу которая ему не понятна до конца, иногда руководитель отдела отвлекает со своими вопросами и т. д., Всегда есть 1000 вариантов почему специалиста могут отвлечь от работы и он будет долго вспоминать то что делал 5 минут назад. А ИИ этим всем не обременен, он просто перерабатывает миллиарды сложных операций в своей сложной системе нейросетей и генетических алгоритмов.

             Теперь давайте посмотрим на напряжения в пилонах по обоим вариантам схем, для начала дом №1 (ИИ):

Дом №2 (человечество):

         Если проанализировать вертикальные конструкции, то из-за не совсем равномерного положения пилонов в схеме №2, происходит большая концентрация напряжений в углах пилонов и с большим значениями. Но этажность зданий отличается , №1 -13 этажей , №2 - 18 этажей. 

        Но при этом пилоны в здании №1 не более 1000 мм по длине, а в здании №2 от 1000 до 1400, поэтому скачки напряжений до 6500 Т/м2 вызвали переармирование, особенно 32 арматуры. Для сравнения спецификация арматуры по конструкциям 1-го этажа дома №1:

Дом №2 :

         Как видно например арматуры 32 диаметра в доме №1 - 3 тонны , а в доме №2 уже 16 тонн. Это все вызвано не равномерным положением пилонов в здании.

         Ну и как итог , даже не дожидаясь разработки всех разделов рабочей документации я решил подвести итоги в одной таблице:

          Разница в расходе железобетона на м2 продаваемой площади составляет 1 сотую, 0.37 против 0.36. Разницу в расходе арматуры на вертикальных элементах спишем на разную этажность зданий. Но разница в расходах по плитам зависит именно уже от расположения пилонов. Если честно я думал результат будет не в сторону ИИ, так как эта была одна из самых первых версий ИИ, да и сам Prometey был обделен многими параметрами при анализе решений. И поэтому я решили прогнать план здания №1 еще раз, но уже через последнюю не опубликованную версию Prometey:

 У оригинальной версии расположения пилонов в доме №1 результат эффективности равен 4.51, при этом за 2 часа работы ИИ он смог найти еще более эффективные варианты расположения и еще скинуть 2 кг арматуры с 1 м3 бетона, номер файла на скрине выше -  K314 v1 - 0.346 - 4 - 20210825170929085 - 3,694017. При этом , все при том же количестве пилонов на этаже (39), расположение пилонов уже немного отличается:

При этом видно, что еще разброс по сжимающим усилиям по пилонам от 8 до 30 тонн, при среднем значении 20 тонн. Значит еще нет предела совершенству. 

Теперь немного арифметики, мой ПК потребляет при 100% загрузке 1 кВт * ч или 5.66 рубля, теоретических 2 кг с 1м3 ИИ нашел за 3 часа работы, то есть мне это обошлось в 5.66*3=16,98 рубля. 

Теперь переведем 2 кг с каждого М^3 на каркасе дома №2, 80 000 р * 0.002 * 5569 = 891 040 р. 

Вывод: ИИ смог расположить пилоны так , что фактическое армирование смогло уменьшится приблизительно на 3 кг с одного М^3, а это примерно равно 80 000 р * 0.003 * 5569 = 1 336 560 р. Иными словами общая экономия на данный момент с учетом еще даже более оптимального расположения пилонов смогла принести 1 336 560 + 891 040 = 2 227 600 р. С одной стороны это довольно ощутимая сумма, но если учесть что этот объект находится в Подмосковье и цена одного М^2 составляет 130 000р. и если взять общий объем продаваемой площади то мы получим 15666 * 130 000р = 2 036 580 000р выручки, оставим за скобками объем чистой прибили из этой суммы. И теперь давайте попробуем найти сколько % от выручки составляет сэкономленная сумма: 2 227 600 / 2 036 580 000 *100 = 0,1 %. 

Даже если предположить, что если умственные характеристики инженеров людей после коронавируса падают (утверждают британские ученые) и больше никогда не восстановятся и это приведет к тому, что нами разрабатываемые конструктивные схемы зданий станут менее оптимальные, например раза в 2, то мы всего лишь начнём экономить 10 кг с одного М^3. Колебания цен на рынке материалов намного более значительны чем экономия этого материала. 

На мой взгляд, все же основная выгода от ИИ, это оптимизация работы инженеров-конструкторов. Для понимания, здание №1 стадию П разрабатывали 28 , здание №2 - 41 человека дня. Стоимость одного рабочего дня в разных проектных компаниях разная , она зависит от наличия/отсутствия удаленной работы, местоположения офиса, количества эффективных/не эффективных менеджеров, ДМС и т.д., возьмем для примера 20 000 р. , если взять разницу во времени между домом №1 и №2 , она составляет 13 дней или 13 * 20 000р = 260 000р.

Но есть еще и второй вывод , он намного более глубокий , емкий и сложный, но о нем я все же напишу одновременно с выпуском Prometey на новом ядре.