必赢体育

A IA transformou ind煤strias no mundo todo, e o setor de constru莽茫o n茫o 茅 exce莽茫o. Da otimiza莽茫o da log铆stica 脿 melhoria das verifica莽玫es de conformidade, a IA est谩 moldando o ambiente constru铆do de maneiras antes inimagin谩veis.

Karoliina Torttila, diretora de IA da Trimble (Foto: Trimble)

Por exemplo, ferramentas de design com tecnologia de IA podem automatizar fluxos de trabalho, acelerando cronogramas de projetos e reduzindo erros. Sistemas de manuten莽茫o preditiva alavancam a IA para identificar potenciais falhas de equipamentos antes que elas ocorram, garantindo a seguran莽a dos trabalhadores e minimizando o tempo de inatividade. Al茅m disso, a IA est谩 transformando o gerenciamento de recursos, ajudando as empresas de constru莽茫o a alocar materiais de forma mais eficiente e sustent谩vel.

No entanto, com esses avan莽os v锚m desafios, particularmente em torno do vi茅s. Para explorar isso, a Construction Europe falou com Karoliina Torttila, diretora de IA na Trimble. Com sua vasta experi锚ncia em desenvolvimento de IA, Torttila oferece insights sobre as causas do vi茅s, suas implica莽玫es para a ind煤stria e solu莽玫es potenciais.

Compreendendo o preconceito na IA

鈥淰i茅s 茅 um conceito essencial no desenvolvimento de IA鈥�, come莽a Torttila. 鈥淓mbora as discuss玫es sociais frequentemente retratem o vi茅s negativamente, na IA, algum n铆vel de vi茅s indutivo 茅 necess谩rio para que os modelos de aprendizado de m谩quina funcionem.鈥� Ela explica que o vi茅s indutivo permite que os modelos de IA fa莽am suposi莽玫es com base em dados de treinamento, permitindo que eles se concentrem em cen谩rios plaus铆veis em vez de serem sobrecarregados por infinitas possibilidades.

No entanto, o problema surge com vieses prejudiciais decorrentes de dados de treinamento incompletos ou distorcidos. 鈥淧egue o mapeamento geoespacial鈥�, ela diz. 鈥淪e os dados de treinamento n茫o tiverem representa莽茫o de 谩reas remotas ou de certos continentes, os modelos de IA podem produzir mapas de qualidade inferior, levando a um planejamento de infraestrutura inadequado ou recursos mal alocados.鈥�

Ela tamb茅m aponta algoritmos de conformidade como outro exemplo. Se treinados em dados de apenas uma jurisdi莽茫o, esses modelos podem sinalizar incorretamente ou ignorar problemas devido a discrep芒ncias regulat贸rias regionais, ela alerta.

Vi茅s nos modelos de linguagem

Torttila se aprofunda nas nuances do vi茅s em modelos de linguagem grandes (LLMs), que s茫o cada vez mais usados em todos os setores. 鈥淥 vi茅s pode entrar em v谩rios est谩gios de desenvolvimento, desde a fase de pr茅-treinamento, onde os modelos aprendem padr玫es de linguagem, at茅 a fase de ajuste fino, onde a entrada humana introduz prefer锚ncias subjetivas.鈥�

Por exemplo, a tarefa humana de classificar sa铆das de modelos para qualidade introduz inerentemente vi茅s. 鈥淢esmo diretrizes r铆gidas para anotadores s茫o baseadas na interpreta莽茫o de algu茅m鈥�, ela observa. Torttila tamb茅m destaca desafios no alinhamento de seguran莽a, onde esfor莽os para evitar sa铆das prejudiciais podem 脿s vezes corrigir demais. Houve exemplos de modelos de gera莽茫o de imagens produzindo sa铆das inesperadas devido a essas corre莽玫es.

O contexto da ind煤stria

Na constru莽茫o, as implica莽玫es do vi茅s podem ser significativas. Os aplicativos de IA da Trimble geralmente envolvem dados sobre ativos do ambiente constru铆do, como edif铆cios e pontes, em vez de informa莽玫es pessoais. Essa distin莽茫o n茫o elimina o vi茅s, mas muda sua natureza. 鈥淒ados inadequados sobre materiais mais novos ou regi玫es sub-representadas podem resultar em erros que afetam projetos inteiros鈥�, explica Torttila.

Ela enfatiza que a ind煤stria deve abordar o preconceito com uma mentalidade construtiva. 鈥淐a莽ar preconceitos e punir falhas n茫o promove melhorias鈥�, ela afirma. Em vez disso, promover a colabora莽茫o entre as partes interessadas pode impulsionar o progresso.

鈥淯m desenvolvimento positivo no ambiente constru铆do, tanto na Europa quanto globalmente, 茅 o n煤mero crescente de cons贸rcios reunindo diferentes partes. Isso reflete um entendimento compartilhado de que os desafios que enfrentamos s茫o grandes demais para qualquer entidade enfrentar sozinha.鈥�

Quando questionada sobre solu莽玫es, Torttila 茅 clara: a qualidade dos dados e a transpar锚ncia s茫o essenciais. 鈥淚ncluir conjuntos de dados diversos e de alta qualidade 茅 uma grande parte da mitiga莽茫o do vi茅s鈥�, ela diz. Ela tamb茅m ressalta a import芒ncia de construir sistemas em torno de modelos de IA que incluam salvaguardas como supervis茫o humana ou verifica莽玫es secund谩rias de IA.

A regulamenta莽茫o 茅 outra 谩rea que ela acredita que desempenhar谩 um papel fundamental. 鈥淥 Ato Europeu de IA 茅 um passo importante, mas 茅 crucial encontrar o equil铆brio certo鈥�, ela aconselha.

A regulamenta莽茫o excessiva pode sufocar a inova莽茫o, limitando o desenvolvimento de IA apenas 脿s maiores empresas mais bem financiadas. "Somente empresas como Microsoft, Google, OpenAI e algumas outras que desenvolvem essa tecnologia ser茫o capazes de gerenci谩-la. Startups menores, organiza莽玫es sem fins lucrativos ou mesmo universidades podem n茫o conseguir porque o fardo regulat贸rio 茅 muito pesado.

鈥淎credito que h谩 um risco de atrapalhar o progresso se a regulamenta莽茫o n茫o for abordada de forma ponderada. 脡 por isso que legislar e regulamentar no n铆vel certo 鈥� seja qual for esse n铆vel 鈥� deve ser o ponto de partida鈥�, ela diz.

A din芒mica homem-m谩quina

Torttila destaca a import芒ncia da intera莽茫o entre humanos e m谩quinas na mitiga莽茫o de vieses. A IA n茫o opera isoladamente. A maioria das ind煤strias, incluindo a constru莽茫o, ainda n茫o chegou a um ponto em que se sinta confort谩vel com sistemas totalmente aut么nomos tomando decis玫es. A supervis茫o humana continua essencial, seja como um ponto de verifica莽茫o final ou como parte de um ciclo de feedback mais amplo.

Ela tamb茅m aborda a responsabilidade, uma quest茫o controversa na 茅tica da IA. 鈥淎 responsabilidade 茅 compartilhada entre desenvolvedores, usu谩rios e a sociedade em geral鈥�, ela argumenta. Transpar锚ncia e defini莽茫o de expectativas realistas s茫o vitais. 鈥淎 perfei莽茫o 茅 inating铆vel, mas vamos come莽ar de algum lugar, fornecer valor e ent茫o, esperan莽osamente, coletivamente faremos as coisas melhorarem.鈥�

Os insights de Torttila revelam tanto os desafios quanto as oportunidades de abordar o vi茅s na IA dentro da ind煤stria da constru莽茫o. 脌 medida que a IA se torna cada vez mais integrada ao ambiente constru铆do, abordagens ponderadas para dados, regulamenta莽茫o e intera莽茫o homem-m谩quina ser茫o cr铆ticas. Embora o caminho 脿 frente seja complexo, promover a colabora莽茫o e manter uma mentalidade construtiva pode garantir que a IA continue a fornecer benef铆cios transformadores para a sociedade e a constru莽茫o.