Joaquim Nogueira de Almeida

21 de jul.13 min para ler

O SECTOR DA CONSTRUÇÃO É TECNOLÓGICO e TEM IA

Atualizado: 22 de jul.

A INTELIGÊNCIA ARTIFICIAL ESTÁ NA ORDEM DO DIA, MAS DE ONDE ELA VEM E PARA ONDE ELA VAI? E JÁ AGORA COMO SE A APLICA NA ENGENHARIA CIVIL E NA CONSTRUÇÃO?

Foi na sequência dum convite da TUU Academy para ser orador numa conferencia em Coimbra, sobre o assunto da IA na Engenharia Civil e Construção, que desenvolvi este tema neste moldes, que complementa vários artigos que já escrevi sobre este assunto, e que aproveito para faze uma introdução da história da IA antes de ela ser IA.

DO VÍCIO À INTELIGÊNCIA ARTIFICIAL

Devemos em grande parte aos viciados em vídeo jogos, o atual desenvolvimento da Inteligência Artificial (IA).

A maioria das pessoas não sabem que foi o desenvolvimento de constantes melhorias na qualidade dos vídeos jogos que permitiu um salto de gigante no desenvolvimento da IA.

O que começou como uma forma de entretenimento evoluiu para se tornar uma das forças motrizes mais poderosas da nossa era digital.

A paixão e o desejo dos jogadores por desafios constantes e novas experiências forçaram a indústria a inovar. Os jogadores querem personagens que se comportem de uma maneira realista, em ambientes realistas e que se adaptem às suas ações e histórias que respondam às suas escolhas.

Neste sentido e porque os CPU (Central Processing Unit) das consolas de jogo, ficavam muito sobrecarregados com a renderização das imagens, começaram a aparecer umas cartas gráficas, especificamente para tratar dos processamentos das imagens libertando os CPU para os outros cálculos necessários. Estas cartas gráficas foram mais tarde substituídas pelos agora muito famosos GPU (Graphical Processing Unit).

Nos anos 80 e 90, os videojogos começaram a ganhar popularidade e transformaram-se numa indústria bilionária. Jogos como "Super Mario Bros." e "The Legend of Zelda" não apenas entretinham, mas também desafiavam a criatividade e a habilidade dos jogadores. Com o tempo, os jogos tornaram-se mais complexos, incorporando gráficos avançados, narrativas envolventes e mecânicas de jogo sofisticadas.

A invenção da GPU pela NVIDIA em 1999 foi um marco significativo. Originalmente desenvolvida para melhorar os gráficos dos jogos, a GPU rapidamente encontrou aplicações noutras áreas devido à sua capacidade de processar grandes volumes de dados em paralelo. Isto abriu caminho para avanços em simulações científicas, modelação 3D e, finalmente, na inteligência artificial.

A influência dos jogos na IA vai além do hardware. Muitos conceitos de design de jogos, como a criação de ambientes virtuais e a simulação de comportamentos complexos, são aplicados no desenvolvimento de IA. Por exemplo, os algoritmos de IA usados em jogos para criar personagens que reagem de maneira realista às ações dos jogadores são agora utilizados em robótica e simulações de treino.

CRONOLOGIA DOS VIDEOJOGOS NAS FUNDAÇÕES DA IA

1977 – Atari 2600, Pac-Man, Space Invaders, Pitfall, Asteroids, Frogger, Donkey Kong
1983 – Nintendo Entertainement System (NES), Super Mario Bros, The Legendo of Zelda, Donkey Kong
1986 – Atari 7800, Pole Position, Pac-Man, Centipede, Dig Dug, Robotron
1988 – Sega Genesis (Mega Drive), Sonic the Hedgehog
1994 – Sony Playstation, com os 1ºs gráficos 3D, Final Fantasy VII, Metal Gear Solid
1996 – Nintendo 64, Super Mario 64, Ocarina of Time
1994 – Sega Saturn, gráficos 3D
1998 – Sega Dreamcast, gráficos avançados
2000 – Sony PlayStation 2
2001 – Nintendo GameCube, Super Smash Bros, Melle
Microsoft Xbox, conectividade online, Halo
2004 – Nintendo Ds
2005 – Xbox 360, gráficos em HD, Gears of Wars
2004 – Nintendo Ds
2005 – Xbox 360, gráficos em HD, Gears of Wars
2005 -Sony PlayStatio e, gráficos HD, leito blu-Ray
2006 – Nintendo Wii, controle de movimentos, Twilight Princess
2011 – Nintendo 3DS, gráficos 3D
2022 – Sony PlayStation Vita, gráficos avançados
2012 – Nintendo Wii U, controle com tela sensível ao toque
2013 - Sony PlayStation 4, gráficos avançados, Uncharted 4, Last of Us Part II
2013 – Xbox One, gráficos avançados, Halo 5, Forza Horizon
2017 – Nintendo Switch, Super Mario Odissey, Breath of the Wild
2020 – PlayStation 5, gráficos 4K, SSD ultrarápido, Demon’s Souls, Ratcet & Clank
2020 – Xbox Series X/S, gráficos 4K, SSD ultrarápido

O desenvolvimento de GPUs pela NVIDIA teve um impacto significativo no avanço da IA de várias maneiras

Processamento Paralelo Massivo
Redes Neurais Profundas
Frameworks e Bibliotecas de IA
Aplicações em Diversas Áreas
Os GPUs da NVIDIA têm sido utilizadas numa ampla gama de aplicações de IA, desde a pesquisa acadêmica até a indústria. incluindo áreas como:
Saúde: Diagnóstico assistido por IA, análise de imagens médicas
Automóveis: Condução autônoma, sistemas avançados de assistência ao motorista
Finanças: Análise de risco, detecção de fraudes
Jogos: Criação de personagens mais inteligentes, ambientes de jogo dinâmicos
Infraestrutura de Computação em Cloud

OS DADOS EM SI SÓ NÃO CHEGAM PARA TER IA

Nos anos 80, o conceito de redes neurais artificiais ganhou destaque, inspirado no funcionamento do cérebro humano.

Linguagens de programação como Prolog e Lisp foram fortemente utilizadas em pesquisas de IA, especialmente em sistemas próprios e em processamento de linguagem natural.

Tal como já vimos, dos anos 90 a 2000, o desenvolvimento de unidades de processamento gráfico (GPUs) revolucionou a computação gráfica e os videojogos. Originalmente projetadas para renderização gráfica, os GPUs mostraram-se extremamente eficazes no processamento paralelo, tornando-se essenciais para o treino de redes neurais profundas devido à sua capacidade de manipular grandes volumes de dados simultaneamente.

Com o advento do big data, a capacidade de interpolar e analisar milhões de dados tornou-se crucial. Os GPUs facilitaram o desenvolvimento de algoritmos complexos de Deep Learning, permitindo avanços significativos em áreas como o reconhecimento de imagem, processamento de linguagem natural e jogos.

As duas principais linguagens de programação utilizadas atualmente em IA são Python e R.

Python, com as suas bibliotecas como TensorFlow e PyTorch, que se tornaram a escolha preferida para o desenvolvimento de modelos de aprendizagem profunda.

R é amplamente utilizado em estatísticas e análise de dados, sendo uma ferramenta poderosa para cientistas de dados.

Nos últimos anos, os novos desenvolvimentos em IA incluem modelos de linguagem avançados como GPT-3 e GPT-4, que conseguem gerar texto de maneira quase indistinguível da escrita feita por humanos. Além disto, a IA começou a ser aplicada em áreas emergentes como o da saúde, finanças, e veículos autônomos, prometendo transformar diversos setores da sociedade.

O QUE PARECE IA MAS É NA REALIDADE IO

A Investigação Operacional (IO) tem desempenhado um papel fundamental no desenvolvimento da IA ao fornecer métodos e técnicas para a otimização e tomada de decisões complexas:

Modelar e Otimizar (Algoritmos de otimização, como programação linear e não linear, são frequentemente utilizados na IA para melhorar a eficiência de sistemas e processos)
Teoria dos Jogos (A teoria dos jogos, um ramo da IO, é crucial para o desenvolvimento de algoritmos de IA que envolvem múltiplos agentes interagindo entre si. Isto é particularmente relevante em áreas como a negociação automatizada, economia e redes sociais)
Análise de Dados ( A análise estatística e mineração de dados, são essenciais para a construção de modelos preditivos em IA. Estas técnicas ajudam a extrair padrões e insights de grandes volumes de dados)
Simulação (A simulação é uma técnica de IO usada para modelar e analisar o comportamento de sistemas complexos E em IA, a simulação é utilizada para testar algoritmos em ambientes controlados antes de aplicá-los no mundo real)
Logística e Cadeia de Fornecimentos (Algoritmos de escolha de rotas e planeamento são exemplos de aplicações conjuntas de IO e IA)
Pesquisa Operacional em Redes Neurais (A IO tem sido usada para otimizar a arquitetura e os parâmetros de redes neurais, melhorando o desempenho de modelos de aprendizagem profundo. Técnicas como otimização estocástica e algoritmos genéticos são aplicadas para ajustar Hiper parâmetros de redes neurais)
Tomada de Decisão em Tempo Real (A IO fornece frameworks para a tomada de decisão em tempo real, que são integrados em sistemas de IA para aplicações como veículos autônomos e sistemas de resposta a emergências)
Planeamento e Agendamento (Algoritmos de planeamento e agendamento da IO são utilizados em IA para resolver problemas de alocação de recursos e gestão de tarefas, essenciais em áreas como a indústria e serviços)

A Investigação Operacional fornece a base teórica e metodológica para muitos dos algoritmos e técnicas utilizados na Inteligência Artificial. A sinergia entre IO e IA continua a impulsionar avanços significativos, permitindo a resolução de problemas cada vez mais complexos e a criação de sistemas mais eficientes e inteligentes.

A IA NUNCA SUBSTITUIRÁ O CÉREBRO HUMANO

A IA É EXTREMAMENTE EFICAZ EM TAREFAS QUE ENVOLVEM REPETIÇÃO E PADRÕES PREVISÍVEIS.

Isto deve-se a várias razões:

Aprendizagem Controlada

A maioria dos modelos de IA, especialmente aqueles baseados em aprendizagem controlada, são treinados com grandes conjuntos de dados. Eles aprendem a identificar padrões e a fazer previsões com base nestes dados. Por exemplo o reconhecimento de objetos em imagens, tradução de texto ou prever o comportamento do utilizador com base em dados históricos.

Automação de Tarefas Repetitivas

A IA é amplamente utilizada para automatizar tarefas repetitivas e rotineiras. Isto inclui desde a classificação de e-mails e processamento de transações financeiras até a análise de grandes volumes de dados para identificar tendências e anomalias. A capacidade da IA de realizar estas tarefas de forma rápida e precisa torna-a numa ferramenta valiosa em muitos setores.

Redes Neurais e Padrões

Redes neurais artificiais, que são a base de muitos sistemas de IA, são projetadas para reconhecer e replicar padrões. Elas são particularmente boas em tarefas que envolvem reconhecimento de padrões, como reconhecimento de fala, visão computacional e processamento de linguagem natural.

MAS QUAIS SÃO AS LIMITAÇÕES NA CRIATIVIDADE E PENSAMENTO "FORA DA CAIXA"?

Embora a IA seja excelente em tarefas repetitivas e baseadas em padrões, ela enfrenta desafios significativos quando se trata de criatividade e pensamento inovador. Ora vejamos.

Dependência de Dados Históricos

A IA aprende com dados históricos e faz previsões com base nestes dados. Isto significa que ela tende a replicar padrões existentes e pode ter dificuldade em gerar ideias verdadeiramente novas ou inovadoras que não estejam presentes nos dados de treino.

Falta de Intuição e Contexto

A criatividade humana muitas vezes envolve intuição, contexto cultural e emocional, e a capacidade de fazer conexões inesperadas entre conceitos aparentemente não relacionados. A IA, por outro lado, carece desta intuição e compreensão profunda do contexto, o que limita sua capacidade de pensar "fora da caixa".

Algoritmos Determinísticos

Muitos algoritmos de IA são determinísticos, o que significa que eles seguem regras e padrões predefinidos. Embora existam técnicas de IA que tentam introduzir elementos de aleatoriedade e exploração (como algoritmos genéticos e redes neurais generativas), elas ainda estão longe de replicar a verdadeira criatividade humana.

Criatividade Condicionada

Mesmo quando a IA é usada para gerar conteúdo criativo, como arte, música ou texto, ela geralmente o faz dentro de limites predefinidos. Por exemplo, um modelo de IA pode gerar uma pintura no estilo de Van Gogh, mas ele está limitado pelos padrões e estilos que aprendeu durante o treino.

Geração de Arte e Música

Ferramentas como o DeepArt e o OpenAI's MuseNet podem criar obras de arte e composições musicais. No entanto, estas criações são baseadas em estilos e padrões aprendidos a partir de dados existentes, e não numa verdadeira inovação ou criatividade original.

Processamento de Linguagem Natural

Modelos como o GPT-3 da OpenAI podem gerar texto que parece criativo e coerente. No entanto, eles fazem isto combinando e recombinando padrões de linguagem aprendidos a partir de grandes volumes de texto, e não a partir de uma compreensão profunda ou intuição criativa.

AFINAL QUAIS SÃO AS LIMITAÇÕES DA IA EM COMPARAÇÃO COM O PENSAMENTO HUMANO?

Contexto e Compreensão Profunda

A IA muitas vezes carece de uma compreensão profunda do contexto cultural, emocional e situacional que os humanos possuem. Isto limita a sua capacidade de tomar decisões informadas em situações complexas e ambíguas.

Flexibilidade e Adaptação

Embora a IA possa ser treinada para realizar tarefas específicas com alta precisão, ela geralmente não é tão flexível quanto os humanos em se adaptar a novas situações ou aprender novas habilidades sem re-treino extensivo.

Criatividade e Inovação

A criatividade humana envolve a capacidade de fazer conexões inesperadas e gerar ideias verdadeiramente novas. A IA, por outro lado, tende a gerar novas combinações de ideias existentes, o que limita sua capacidade de inovação verdadeira.

Intuição e Experiência

A intuição humana é muitas vezes baseada em anos de experiência e uma compreensão tácita de situações complexas. A IA pode fazer previsões baseadas em dados, mas não possui a intuição que vem da experiência humana.

Acham que a IA alguma vez projetaria uma escada como esta?

O ELEFANTE BRANCO NA SALA

“A IA PARECE ESTAR A APROXIMAR-SE RAPIDAMENTE DE UMA PAREDE DE TIJOLOS ONDE NÃO PODE FICAR MAIS INTELIGENTE”

Os investigadores já estão a soar o alarme, alertando que as empresas como a OpenAI e a Google estão rapidamente a ficar sem dados para o treino de escrita para os seus modelos de IA.

E sem novos dados para treino, é provável que os modelos não consigam ficar mais inteligentes.

O investigador de IA, Tamay Besiroglu, já alertou que se começarmos a atingir estes limites, não poderemos ampliar os modelos de eficiência da IA. e ampliar os modelos tem sido provavelmente a forma mais importante de expandir as capacidades da IA e melhorar a qualidade dos seus resultados.

Esta é uma ameaça existencial para as ferramentas de IA que dependem de grandes quantidades de dados, que muitas vezes foram extraídos indiscriminadamente de arquivos online disponíveis publicamente.

A tendência é controversa e já levou editores, incluindo o New York Times, a processar a OpenAI por violação de direitos autorais por estar a usar o seu material para treinar modelos de IA.

E à medida que as empresas continuam a despedir trabalhadores enquanto fazem grandes investimentos em IA, o fluxo de novos conteúdos poderá em breve transformar-se numa gota.

O último artigo, de autoria dos investigadores do think tank Epoch, com sede em São Francisco, sugere que a grande quantidade de modelos de IA de dados de texto com os quais estão a ser treinados, está a crescer cerca de 2,5 vezes por ano. Enquanto isso, a computação ultrapassou este número, crescendo 4 vezes por ano. Isto significa que grandes modelos de linguagem como o Llama 3 da Meta ou o GPT-4 da OpenAI podem ficar totalmente sem dados novos já em 2026, argumentam estes investigadores.

A IA NA ENGENHARIA CIVIL E NA CONSTRUÇÃO

A IA tem um potencial significativo para transformar a Engenharia Civil, oferecendo soluções inovadoras para desafios complexos e melhorando a eficiência e a precisão em várias áreas.

Vejamos como a IA pode auxiliar a Engenharia Civil com exemplos passados, presentes e futuros.

PASSADO

Análise Estrutural

Nos anos 1990 e 2000, softwares de análise estrutural começaram a incorporar algoritmos de IA para otimizar o design de estruturas. Ferramentas como o SAP2000 e o ETABS usaram técnicas de otimização para melhorar a eficiência dos projetos estruturais, reduzindo o tempo e os custos de construção.

Planeamento de Obras

Algoritmos de IA foram usados para otimizar o planeamento e a programação de obras. Técnicas como redes neurais e algoritmos genéticos ajudaram a prever atrasos e a otimizar a alocação de recursos, melhorando a eficiência dos projetos de construção.

PRESENTE

Monitorização de Estruturas

Sistemas de monitorização da segurança estrutural utilizam IA para analisar dados de sensores instalados em pontes, edifícios e outras infraestruturas. Algoritmos de Machine Learning podem detectar anomalias e prever falhas estruturais antes que ocorram, permitindo a manutenção preventiva e aumentando a segurança.

Building Information Modeling (BIM)

Ferramentas de BIM, como o Autodesk Revit, estão a integrar a IA para melhorar a precisão e a eficiência do design e da construção. A IA pode automatizar a detecção de conflitos, otimizar o uso de materiais e prever problemas potenciais durante a fase de construção.

Gestão de Projetos

Plataformas de gestão de projetos, como o Procore, utilizam IA para analisar dados de projetos anteriores e fornecer insights sobre prazos, custos e riscos. Isto ajuda os gestores de projeto a tomar decisões mais informadas e a mitigar riscos de forma proativa.

FUTURO

Construção Automatizada

A IA pode ser usada para controlar robts de construção que realizam tarefas como montagem de alvenaria, soldar estruturas metálicas e impressão 3D. Isto pode aumentar a precisão, reduzir os custos e acelerar o tempo de construção. Empresas como a Apis Cor já estão a explorar a impressão 3D de casas usando robots controlados por IA.

Design Generativo

Ferramentas de design generativo, como o Autodesk Generative Design, utilizam a IA para explorar milhares de opções de design com base em critérios específicos, como materiais, custos e desempenho. Isto permite que os Engenheiros Civis encontrem soluções otimizadas que seriam difíceis de descobrir manualmente.

Manutenção Preditiva

No futuro, a IA pode ser usada para prever a necessidade de manutenção em infraestruturas críticas, como pontes e túneis, com base em dados de sensores e modelos preditivos. Isto pode ajudar a evitar falhas catastróficas e a prolongar a vida útil das estruturas.

Simulação e Análise Avançada

A IA pode ser usada para realizar simulações avançadas de desempenho estrutural sob diferentes condições, como terremotos, ventos fortes e inundações. Isto pode ajudar os Engenheiros a projetar estruturas mais resilientes e a tomar decisões informadas sobre materiais e técnicas de construção.

A IA VAIS SUBSTITUIR O ENGENHEIRO CIVIL?

O Eng. Civil em si, NÃO, mas em muitos dos Atos de Engenharia, SIM!

A velocidade em que isto acontecerá, será diferente nas 2 principais áreas de atuação. A dos Estudos, mais conhecido por Projetos e a das Obras.

ESTUDOS/PROJETOS

Esta será a área onde a IA terá o maior impacto nos próximos anos. Com a grande capacidade computação, com a cada vez maior regulamentação, e com a quantidade de projetos realizados no mundo, para a IA se treinar, prevejo que em +/- 5 anos a IA faça totalmente sozinha projetos de estruturas de edifícios e até de obras de arte.

O Eng. Civil terá que ser um especialista em saber pedir à IA o que ela deve fazer e saber escolher entre as versões das respostas que ela dá.

OBRAS

Aqui a realidade será outra. Há milhares de variáveis e com dinâmicas muito diferentes. Apesar de partes do trabalho irem ter a IA como uma ferramenta cada vez mais imprescindível, a componente humana que conjuga, pernas, braços, olhos e um cérebro capaz de pensamentos abstratos, não vai ser fácil de substituir.

Algumas imagens da apresentação deste artigo na 3ª TUU Academy