Πηγή Εικόνας: απε - μπεΗ χρήση Τεχνητής Νοημοσύνης και μία εικόνα από το Street View των Google Maps, ήταν αρκετά προκειμένου οι ερευνητές στο Πανεπιστήμιο του Τορόντο, στον Καναδά, να αντλήσουν λεπτομερείς πληροφορίες όπως η ηλικία και το εμβαδόν του εικονιζόμενου κτιρίου.
Τα πρόσθετα δεδομένα για ένα κτίρια που προκύπτουν από τη νέα μέθοδο που ανάπτυξαν οι ερευνητές, μπορούν στη συνέχεια να χρησιμοποιηθούν για την αξιολόγηση του κτιριακού αποθέματος, της ροής υλικών κατασκευής και των ενσωματωμένων αερίων του θερμοκηπίου.
«Είναι η πρώτη δημοσίευση που γνωρίζουμε όπου οι άνθρωποι έβγαλαν μια φωτογραφία της πρόσοψης του κτιρίου και στη συνέχεια προέβλεψαν πράγματα που δεν είναι φαίνονται στην εικόνα», αναφέρει σε σχετική ανακοίνωση, η Shoshanna Saxe, αναπληρώτρια καθηγήτρια στο τμήμα πολιτικών και ορυκτών μηχανικών της Σχολής Εφαρμοσμένων Επιστημών και Μηχανικής, η οποία ηγήθηκε της ερευνητικής ομάδας μέσω του Κέντρου για το Βιώσιμο Δομημένο Περιβάλλον.
Αρχικός στόχος ήταν η έρευνα να επικεντρωθεί στον ενσωματωμένο άνθρακα που υπάρχει στα κτίρια, ωστόσο, σύμφωνα με την καθηγήτρια, το εργαλείο θα φανεί χρήσιμο και σε διαφορετικές έρευνες όπως σε εκτιμήσεις για την ανθεκτικότητα των κτιρίων.
Καθώς το Google Street View είναι ευρέως διαθέσιμο, η μέθοδος που αναπτύχθηκε προσφέρει έναν οικονομικά αποδοτικό τρόπο για τη δημιουργία κτιριακών δεδομένων μεγάλης κλίμακας.
«Ξοδέψαμε ίσως 1.000 δολάρια σε φωτογραφίες για να πάρουμε δεδομένα που διαφορετικά θα κόστιζαν εκατομμύρια δολάρια», σημειώνει η ίδια και πρόσθεσε ότι «η ύπαρξη μεθόδων που μας επιτρέπουν να κατανοήσουμε τις γειτονιές και τα κτίρια σε κλίμακα είναι πραγματικά χρήσιμη».
Η ομάδα εκπαίδευσε την τεχνητή νοημοσύνη να εκτιμά τα χαρακτηριστικά του κτιρίου με βάση τις εξωτερικές εικόνες της δομής, επιτυγχάνοντας ακρίβεια 70% για την πρόβλεψη της ηλικίας και 80% για την πρόβλεψη του εμβαδού.
Η μέθοδος που αναπτύχθηκε «δίνει μια ισχυρή εκτίμηση των πόρων που χρησιμοποιούνται για την κατασκευή, τη συντήρηση και τη λειτουργία των κτιρίων», σύμφωνα με τον συν-συγγραφέας της έρευνας Alex Olson, ανώτερο ερευνητή ΤΝ στο Κέντρο Αναλυτικής & Τεχνητής Νοημοσύνης Μηχανικής του Πανεπιστήμιου του Τορόντο.
Η χρήση της τεχνητής νοημοσύνης για να την εξέταση των κτιρίων πέρα από την πρόσοψη θα μπορούσε να βοηθήσει τους πολεοδόμους να κατανοήσουν καλύτερα τις ανάγκες των πόλεων σε πόρους και να δώσουν προτεραιότητα στα μελλοντικά έργα υποδομής.
Σύμφωνα με τον ερευνητή, η νέα μέθοδος αν και δεν μοντελοποιεί το μέλλον, περιγράφει με αρκετή ακρίβεια την τρέχουσα κατάσταση και επιτρέπει την αξιοποίηση των δεδομένων για τον σχεδιασμό της χρήσης των πόρων μας και για το τι θέλουμε να κάνουμε στο μέλλον.
Η έρευνα δημοσιεύεται στο Journal of Industrial Ecology.
