Πηγή Εικόνας: ΑΠΕ-ΜΠΕΕρευνητές στο Πανεπιστήμιο του Μπαθ ανέπτυξαν το πρώτο εργαλείο τεχνητής νοημοσύνης (AI) που προβλέπει το αποτύπωμα άνθρακα των κτιρίων από την απλή περιγραφή του, παρέχοντας στους αρχιτέκτονες ανατροφοδότηση σε πραγματικό χρόνο σχετικά με τη βιωσιμότητα στο αρχικό στάδιο σχεδιασμού.
Το εργαλείο χρησιμοποιεί μηχανική μάθηση και επεξεργασία φυσικής γλώσσας για να προβλέψει τον ενσωματωμένο άνθρακα, τις εκπομπές άνθρακα που σχετίζονται με τα υλικά και την κατασκευή καθ’ όλη τη διάρκεια του κύκλου ζωής του κτιρίου. Παρέχει στους αρχιτέκτονες άμεση ανατροφοδότηση σχετικά με τη βιωσιμότητα των σχεδίων τους ακριβώς στην αρχή της διαδικασίας σχεδιασμού, όπου οι δυνατότητες εξοικονόμησης άνθρακα είναι μεγαλύτερες.
Τα κτίρια και οι υποδομές αντιπροσωπεύουν περισσότερο από το ένα τρίτο των εκπομπών άνθρακα από τις βιομηχανικές χώρες. Υπάρχουν ήδη αρκετά μοντέλα για τη μείωση των καθημερινών εκπομπών θέρμανσης και τροφοδοσίας κτιρίων, αλλά η χρήση λογισμικού για τον σχεδιασμό του ενσωματωμένου άνθρακα είναι πολύ λιγότερο συνηθισμένη.
Το εργαλείο μετατρέπει απλές περιγραφές του κτιρίου, όπως τα υλικά, τις διαστάσεις και τη χρήση, σε αξιόπιστες εκτιμήσεις εκπομπών άνθρακα. Καθώς τα σχέδια εξελίσσονται και οι περιγραφές γίνονται πλουσιότερες και πιο λεπτομερείς, η μέθοδος βελτιώνει φυσικά την εκτίμηση άνθρακα. Δεν έχει σχεδιαστεί για να παρέχει τελικές απαντήσεις, αλλά για να δημιουργεί προβλέψεις αρκετά ακριβείς ώστε να καθοδηγούν τις συζητήσεις.
Εκτός από την παροχή ενημερωμένης λήψης αποφάσεων για κτίρια χαμηλότερων εκπομπών άνθρακα, το εργαλείο μπορεί επίσης να προτείνει βελτιώσεις στις περιβαλλοντικές τους συνθήκες, όπως αυξημένο φυσικό φως, βελτιωμένη θερμική άνεση ή καλύτερη ακουστική. Θα μπορούσε επίσης να διαδραματίσει ρόλο στην αρχιτεκτονική εκπαίδευση, προωθώντας την ευαισθητοποίηση για τη βιωσιμότητα σε πρώιμα στάδια της σχεδιαστικής σκέψης, χωρίς να απαιτεί προηγμένες ή εξειδικευμένες γνώσεις.
Η ομάδα δοκίμασε το εργαλείο της σε πραγματικές συνθήκες σχεδιασμού, με 43 επαγγελματίες κτιρίων να το χρησιμοποιούν στα έργα τους. Σε ένα παράδειγμα, οι σχεδιαστές χρησιμοποίησαν το εργαλείο για να αξιολογήσουν τον ενσωματωμένο άνθρακα ενός κτιρίου υψηλής ποιότητας από γυαλί και τοιχοποιία κοντά στο Έξετερ του Ηνωμένου Βασιλείου, καθ’ όλη τη διάρκεια του κύκλου σχεδιασμού. Αυτό τους επέτρεψε να προσαρμόσουν τη μόνωση, την κατασκευή τοίχων και τα τζάμια για να μειώσουν τον ενσωματωμένο άνθρακα, χωρίς να γνωρίζουν τις ποσότητες υλικών. Τα σχόλια από τη βιομηχανία ήταν εξαιρετικά θετικά, ειδικά σχετικά με το πόσο εύκολο είναι να χρησιμοποιηθεί το εργαλείο και πόσο καλά ταιριάζει στα υπάρχοντα ροές εργασίας.
Για να ξεπεραστεί η έλλειψη δημόσια διαθέσιμων πραγματικών δεδομένων άνθρακα, η ομάδα εκπαίδευσε την τεχνητή νοημοσύνη χρησιμοποιώντας ένα συνθετικά δημιουργημένο σύνολο δεδομένων βασισμένο σε 150.000 κτίρια. Αυτό επέτρεψε την ανάπτυξη και τον έλεγχο σκοπιμότητας του μοντέλου. Ωστόσο, μπορεί να επανεκπαιδευτεί σε σύνολα δεδομένων υψηλότερης ποιότητας, πραγματικού κόσμου μόλις γίνουν διαθέσιμα για βελτίωση της ακρίβειας.
Η επεξεργασία φυσικής γλώσσας του εργαλείου χειρίζεται την μεγάλη ποικιλία και την ασάφεια στις τυπικές περιγραφές κτιρίων, προσδιορίζοντας σωστά βασικά υλικά όπως χάλυβας, σκυρόδεμα και ξύλο στο 80% του χρόνου. Αποδείχθηκε γλωσσικά στιβαρό, αναλύοντας αρκετές διαφορετικές περιγραφές του ίδιου κτιρίου με ελάχιστες αλλαγές στις προβλεπόμενες εκπομπές άνθρακα και κατατάσσοντας σωστά τα πραγματικά κτίρια με βάση τις ενσωματωμένες εντάσεις άνθρακα.
Αυτό το καινοτόμο εργαλείο θα μπορούσε να βοηθήσει τον κατασκευαστικό κλάδο να επιτύχει τους στόχους μηδενικών καθαρών εκπομπών και να ενσωματώσει τον βιώσιμο σχεδιασμό στα πολύ πρώιμα στάδια, όπως αναφέρεται σε σχετική ανακοίνωση. Η ομάδα σχεδιάζει να βελτιώσει το εργαλείο καθώς περισσότερα δεδομένα πραγματικού κόσμου θα γίνουν διαθέσιμα και να διερευνήσει περαιτέρω εφαρμογές σε βιομηχανικά και εκπαιδευτικά περιβάλλοντα.
