AI jako narzędzie projektowania hydrotechniki 

Wojciech Korona w HydroBIM kieruje pracą jednego z Zespołów Projektowych. „Gdybym nie był inżynierem, to pewnie byłbym programistą” – tak mówi o sobie. Wojciech opowiada, jak w swojej pracy wykorzystuje narzędzia AI.

Od czego zaczęło się Twoje zainteresowanie wykorzystaniem AI w pracy projektowej?

Przede wszystkim od inspiracji. W HydroBIM korzystamy z firmowej licencji biznesowej Chat GPT praktycznie od jej udostepnienia. Szkolimy się na kursach Sekuraka, poza tym Prezes bardzo nas dopinguje, żebyśmy eksperymentowali, ale nie na zasadzie hurraoptymizmu. 

Modele AI bardzo sie rozwijają i teraz łatwiej je skonfigurować do  określonych zadań i wyeliminować halucynacje. Chciałem sprawdzić, czy model językowy poradzi sobie z konkretnym problemem technicznym. Szybko okazało się, że po odpowiednim opisaniu zadania potrafi pomóc w przygotowaniu kodu, uporządkowaniu logiki działania programu i wyszukiwaniu błędów. 

Pierwsze próby były dość proste. Później zacząłem dawać modelom coraz trudniejsze zadania związane z QGIS, Civil 3D, przetwarzaniem danych i automatyzacją powtarzalnych operacji. W pewnym momencie zobaczyłem, że mogę samodzielnie budować narzędzia, których wcześniej nie potrafiłbym napisać albo których wykonanie zajęłoby mi bardzo dużo czasu. 

Od tego momentu AI stała się dla mnie czymś w rodzaju technicznego partnera do pracy. Ja określam problem, znam proces projektowy i wiem, jaki powinien być rezultat. Model pomaga mi przełożyć ten proces na kod, procedurę albo działające narzędzie. 

W jakich zadaniach związanych z hydrotechniką wykorzystanie AI daje Ci największą wartość?

Największą wartość widzę tam, gdzie projektant wykonuje wiele powtarzalnych operacji, a zasady ich wykonania są jasno określone. Dobrym przykładem jest przygotowanie danych hydrologicznych. 

Przy budowie modelu hydrologicznego trzeba znaleźć odpowiednie stacje, pobrać dane z kilku źródeł, przetworzyć tabele, przygotować krzywe DDF, zbudować hietogramy i przenieść wyniki do programu obliczeniowego. Każda z tych czynności jest wykonalna ręcznie, a cały proces zajmuje dużo czasu i tworzy wiele okazji do popełnienia błędu. 

Dzięki AI mogłem zbudować wtyczkę do QGIS, która automatyzuje znaczną część tego procesu. Po wskazaniu punktu pobiera dane PMAXTP, przygotowuje hietogramy, wyszukuje stacje, przetwarza dane archiwalne i eksportuje wyniki do formatów używanych później w analizach. 

Dużą wartość widzę też w kontroli danych, pisaniu skryptów, tworzeniu narzędzi GIS i przygotowywaniu procedur wykonywanych w Civil 3D.

Jak wykorzystujesz AI do automatyzacji pracy? 

Zaczynam od opisania procesu, który chcę zautomatyzować. Rozpisuję, jakie dane wchodzą do narzędzia, skąd mają zostać pobrane, jakie obliczenia trzeba wykonać i jaki wynik powinien dostać użytkownik. 

AI pomaga mi później budować kolejne elementy kodu. Może przygotować strukturę wtyczki, zaproponować sposób komunikacji z API, napisać funkcję przetwarzającą dane albo znaleźć przyczynę błędu. Ja testuję każdy element w QGIS i sprawdzam, czy wynik odpowiadarzeczywistemu procesowi projektowemu. 

Tak powstała między innymi wtyczka do pobierania i przygotowywania danych hydrologicznych. Dla dowolnego punktu w Polsce może pobrać dane PMAXTP, przygotować hietogramy metodą Beta, Euler II i DVWK, znaleźć najbliższe stacje IMGW, pobrać dane archiwalne idodać wyniki bezpośrednio do projektu QGIS. 

Najwięcej pracy wymaga połączenie wszystkich elementów w jedno stabilne narzędzie. Dane pochodzą z różnych źródeł, mają różne formaty, a serwisy zewnętrzne czasem zmieniają strukturę. AI przyspiesza tworzenie kodu, ale projektant nadal musi znać sens danych, sprawdzić obliczenia i ocenić ich przydatność. 

W jaki sposób AI wspiera Cię w pracy z Autodesk Civil 3D? 

Pracuję nad rozwiązaniem, które łączy asystenta AI z Civil 3D. Celem jest możliwość uruchamiania złożonych operacji za pomocą polecenia opisanego normalnym językiem. 

Użytkownik mógłby napisać tylko prompta, który utworzy dowolny obiekt w civil 3d. Pozwoli przebudować oraz przeanalizować wykonane obiekty. Wyciągnąć dane do innych opracowań jak np. Operat Wodnoprany. Asystent rozpoznawałby intencję, wybierał właściwąprocedurę, przekazywał parametry do wtyczki i uruchamiał zaprogramowaną sekwencję działań. 

Najważniejsza część tej pracy polega na dokładnym opisaniu każdej procedury. Trzeba ustalić, jaki obiekt ma zostać wybrany, jakie parametry są obowiązkowe, jakie zależności trzeba sprawdzić i co powinno się wydarzyć w przypadku błędu. 

Docelowo chcę połączyć dane GIS, analizy hydrologiczne i pracę projektową w Civil 3D. Asystent mógłby korzystać z danych przygotowanych w QGIS, interpretować zadanie i uruchamiać kolejne operacje projektowe w środowisku CAD. 

Które zadania udało Ci się przyspieszyć wykorzystując AI? 

Najbardziej konkretny przykład dotyczy przygotowania danych do modeli HEC-HMS. Ręczne zebranie danych opadowych, przygotowanie hietogramów i odnalezienie właściwych stacji mogło zajmować kilka godzin. Wtyczka skróciła ten proces do kilku minut. 

Duże znaczenie ma też powtarzalność. Każdy zestaw danych jest przetwarzany według tego samego algorytmu. Ograniczamy ryzyko pomyłki przy kopiowaniu wartości, zmianie jednostek albo przepisywaniu danych między tabelami. 

AI przyspieszyła również samo tworzenie narzędzi. Mogę szybciej przejść od pomysłu do działającego prototypu. Wcześniej wiele koncepcji pozostałoby na etapie pomysłu, ponieważ wymagałyby zaangażowania programisty i długiego procesu wdrożeniowego. 

W jaki sposób sprawdzasz poprawność kodu, analiz i odpowiedzi AI? 

Każdy wynik sprawdzam w działającym środowisku. Kod uruchamiam na danych testowych, porównuję wyniki z obliczeniami wykonanymi inną metodą i sprawdzam zachowanie narzędzia w sytuacjach nietypowych. 

W przypadku danych hydrologicznych kontroluję między innymi jednostki, zakresy wartości, zgodność z materiałem źródłowym i sposób generowania hietogramów. Porównuję wyniki wtyczki z wynikami przygotowanymi ręcznie. 

Przy Civil 3D testuję każdą procedurę krok po kroku. Sprawdzam wybór obiektów, przekazywanie parametrów, zależności między elementami modelu i rezultat końcowy. 

AI może wygenerować kod, który wygląda poprawnie i nawet się uruchamia, ale realizuje inną logikę niż zakładana. Dlatego kontrola merytoryczna jest równie ważna jak kontrola techniczna. 

Kto powinien odpowiadać za ostateczną ocene rozwiązania przygotowanego przez AI?

Ostatecznej oceny powinien dokonywać projektant posiadający odpowiednią wiedzę i kompetencje w danym obszarze. Osoba korzystająca z narzędzia musi rozumieć dane wejściowe, metodę obliczeniową i znaczenie otrzymanego wyniku. 

AI może przygotować kod, analizę albo propozycję rozwiązania. Decyzję projektową podejmuje człowiek. Dotyczy to również sytuacji, w których narzędzie działa poprawnie technicznie. Wynik trzeba jeszcze ocenić pod kątem warunków lokalnych, celu projektu, wymagańklienta i obowiązujących przepisów. 

W przypadku narzędzi firmowych odpowiedzialność powinna być rozdzielona. Autor odpowiada za przygotowanie i testowanie rozwiązania, właściciel procesu zatwierdza jego zastosowanie, a projektant odpowiada za użycie wyniku w konkretnym projekcie.

Jak zapewnić bezpieczeństwo korzystania z AI w firmie?

Jak już mówiłem na początku, dużo nam dały szkolena w Sekuraku. Zdajemy sobie sprawę z zagrożeń wynikających z korzystania z AI. 

ISO 9001 wymusza uporządkowane podejście do procesu. Każde narzędzie używane w projekcie powinno mieć określone zastosowanie, zasady kontroli i sposób zatwierdzania wyników. 

Przy wdrażaniu AI trzeba więc ustalić, które zadania mogą być wspomagane automatycznie, jakie dane mogą zostać wykorzystane, kto sprawdza wynik i jak dokumentujemy zastosowane rozwiązanie. 

Ważna jest też powtarzalność. Narzędzie powinno działać według jasno opisanej procedury i generować wynik, który można zweryfikować. Przy automatyzacji operacji w Civil 3D każdy scenariusz trzeba opisać, przetestować i zabezpieczyć przed błędnym użyciem. 

System jakości daje nam ramy, dzięki którym rozwój AI pozostaje częścią kontrolowanego procesu projektowego. Technologia ma wspierać projektanta, a odpowiedzialność za wynik zawsze pozostaje przypisana do konkretnej osoby.

Jak AI może zmienić pracę projektanta w najbliższych latach?

Projektanci będą poświęcać mniej czasu na operacje powtarzalne, przygotowywanie danych i ręczne przenoszenie informacji między programami. Więcej czasu pozostanie na analizę, optymalizację rozwiązania i podejmowanie decyzji. 

Kierownik projektu będzie mógł szybciej analizować dokumentację, porównywać warianty, kontrolować kompletność materiałów i przygotowywać informacje dla zespołu. Dużą zmianą będzie możliwość rozmowy z dokumentacją projektową i firmową bazą wiedzy. 

Zmieni się też sposób obsługi programów. Zamiast zapamiętywać kolejne zakładki i sekwencje poleceń, projektant będzie coraz częściej opisywał oczekiwany efekt. Narzędzie AI przetłumaczy ten opis na procedurę techniczną. 

Znajomość procesu projektowego stanie się jeszcze ważniejsza. Trzeba będzie umieć precyzyjnie zdefiniować zadanie, ocenić wynik i rozpoznać błąd. Osoba bez wiedzy branżowej może szybciej wygenerować rezultat, ale projektant z doświadczeniem będzie potrafił ocenićjego wartość. 

AI może przejąć dużą część pracy mechanicznej. Wiedza inżynierska, odpowiedzialność i ocena konsekwencji pozostaną bez wątpienia po stronie człowieka.

Zdjęcie tytułowe zostało wygenerowane przez AI – Wojtek nie ma zwykle takiego porządku na biurku…