El Aprendizaje Profundo de la IA al servicio de la arquitectura y urbanismo.

Añadir a tus IAs favoritasQuitar de tus favoritasQuitar de favoritos 0
Puntuación+1

2023-10-25 19:04:52

Puntos destacados:

– 👉 El profesor de Inteligencia Artificial Chaofeng Wang, de la Universidad de Florida, está utilizando imágenes de Google Street View junto con el aprendizaje profundo para automatizar la evaluación de edificios urbanos.
– 👉 El proyecto busca proporcionar a los gobiernos la información necesaria para proteger los edificios y llevar a cabo la recuperación posterior a un desastre natural.
– 👉 El modelo de IA entrenado con imágenes de Google Street View y colaboraciones con la World Bank utiliza sistemas NVIDIA DGX A100 para acelerar el proceso de evaluación de los edificios.

Imágenes como las de Google Street View están adquiriendo un nuevo propósito en manos del profesor asistente de Inteligencia Artificial de la Universidad de Florida, Chaofeng Wang.

Él las está utilizando, junto con el aprendizaje profundo, en un proyecto de investigación para automatizar la evaluación de edificios urbanos. El proyecto tiene como objetivo ayudar a los gobiernos a mitigar los daños causados por desastres naturales al proporcionar la información necesaria para que los responsables de la toma de decisiones refuercen las estructuras de los edificios o realicen la recuperación posterior al desastre.

Después de un desastre natural como un terremoto, los gobiernos locales envían equipos para revisar y evaluar las condiciones de los edificios. Hecho de forma manual, puede llevar hasta meses revisar todo el inventario de una ciudad.

El proyecto de Wang utiliza IA para acelerar el proceso de evaluación, reduciendo el tiempo necesario a unas pocas horas. El modelo de IA se entrena usando imágenes obtenidas de Google Street View y de los gobiernos locales para asignar puntuaciones a los edificios según los estándares de la Agencia Federal de Gestión de Emergencias (FEMA, por sus siglas en inglés) P-154, que proporcionan pautas de evaluación basadas en factores como el material de las paredes, el tipo de estructura, la antigüedad del edificio y más. Wang también colaboró con el Programa Global para Viviendas Resilientes del Banco Mundial para recopilar imágenes y realizar anotaciones, las cuales se utilizaron para mejorar el modelo.

Las imágenes recopiladas se colocan en un repositorio de datos. El modelo de IA lee el repositorio y realiza inferencias en las imágenes, un proceso acelerado por los sistemas NVIDIA DGX A100.

«Sin las GPUs de NVIDIA no habríamos podido hacer esto», dijo Wang. «Aceleran significativamente el proceso, garantizando resultados oportunos».

Wang utilizó los nodos DGX A100 en el supercomputador HiPerGator de la Universidad de Florida. HiPerGator es uno de los supercomputadores de IA más rápidos del mundo en el ámbito académico, con un rendimiento de IA de 700 petaflops, y fue construido con el apoyo de Chris Malachowsky, fundador de NVIDIA y exalumno de UF, y con hardware, software, formación y servicios de NVIDIA.

La salida del modelo de IA se recopila en una base de datos que alimenta un portal web, que muestra información, incluyendo la puntuación de evaluación de seguridad, el tipo de edificio e incluso el material del techo o las paredes, en un formato basado en mapas.

El Aprendizaje Profundo allana el camino hacia edificios mas seguros 2023-10-25 19:04:52

El trabajo de Wang fue financiado por el Programa Acelerador de Investigación Aplicada de NVIDIA, que apoya proyectos de investigación con el potencial de tener un impacto en el mundo real a través de la implementación de aplicaciones aceleradas por NVIDIA adoptadas por organizaciones comerciales y gubernamentales.

Un Ojo Ayudante

Wang dice que el portal puede servir para diferentes necesidades según el caso de uso. Para prepararse ante un desastre natural, un gobierno puede utilizar predicciones basadas únicamente en imágenes de street view.

«Esas son imágenes estáticas, un ejemplo son las imágenes de Google Street View, que se actualizan cada varios años», dijo. «Pero eso es suficiente para recopilar información y tener una comprensión general sobre determinadas estadísticas».

Pero para áreas rurales o regiones en desarrollo, donde no hay imágenes disponibles o no se actualizan con frecuencia, los gobiernos pueden recopilar las imágenes ellos mismos. Potenciado por las GPUs de NVIDIA, la entrega oportuna de evaluaciones de edificios puede ayudar a acelerar los análisis.

Wang también sugiere que, con el tiempo, su investigación podría tener impacto en las industrias de planificación urbana y seguros.

Actualmente, el proyecto está siendo probado por algunos gobiernos locales en México y está generando interés en algunos países de África, Asia y América del Sur. En su estado actual, puede lograr una precisión de más del 85% en sus puntuaciones de evaluación, según los estándares de FEMA P-154.

Exploración de la Tierra

Uno de los desafíos que Wang menciona es la variación en los paisajes urbanos de diferentes países. Diferentes regiones tienen sus propios estilos culturales y arquitectónicos. Si no se entrena con una cantidad grande o diversa de imágenes, el modelo de IA puede verse afectado por factores como el color de la pintura al realizar el análisis del material de las paredes. Otro desafío es la variación en la densidad urbana.

«Es una limitación general de la tecnología de IA actual», dijo Wang. «Para ser útil, requiere suficientes datos de entrenamiento para representar la distribución del mundo real, por lo que estamos haciendo esfuerzos en el proceso de recopilación de datos para resolver el problema de generalización».

Para superar este desafío, Wang pretende entrenar y probar el modelo en más ciudades. Hasta ahora, ha probado alrededor de ocho ciudades en diferentes países.

«Necesitamos generar anotaciones más detalladas y de alta calidad para entrenar al modelo», dijo. «Esa es la forma en que podemos mejorar el modelo en el futuro para que pueda ser utilizado de manera más amplia».

El objetivo de Wang es llevar el proyecto a un punto en el que pueda ser desplegado como un servicio para uso general en la industria.

«Estamos creando interfaces de programación de aplicaciones que pueden estimar y analizar edificios y hogares para permitir la integración perfecta con otros productos», dijo. «También estamos construyendo una aplicación fácil de usar que todas las agencias gubernamentales y organizaciones puedan utilizar».

Deja una opinión

      Deje una respuesta

      🤖 AI MAFIA
      Logo