Tekoälytehtaasta vauhtia talotekniikan digitaaliseen murrokseen
Business Finland rahoitteisessa AI Champion -projektissa kehitetään sata tekoälyagenttia, jotka parantavat automaatiota ja tiedonkulkua talotekniikan toimitusketjuissa. Tutkijat laskevat, että ensimmäisen kuluvan vuoden aikana on jo syntynyt noin 30 tekoälyagenttia.
Talotekniikka- ja rakennusalalla on siirrytty vaiheeseen, jossa tekoäly ei enää ainoastaan analysoi tietoa tai vastaa kysymyksiin, vaan kykenee osallistumaan kokonaisiin työprosesseihin. Kehityksen keskiössä ovat tekoälyagentit ja moniagenttijärjestelmät, joiden avulla pyritään automatisoimaan suunnittelua, tuotannon ohjausta, laadunvalvontaa ja projektinhallintaa.
– Tekoälyagentti on kielimallia hyödyntävä ohjelmisto, joka pystyy hyödyntämään erilaisia tietolähteitä, käyttämään ohjelmistoja ja etenemään monivaiheisissa tehtävissä itsenäisesti. AI Champion -projektissa agentin rakentaminen alkaa ongelman tunnistamisesta, jonka jälkeen konsortiossa edetään sovitun use case -prosessin mukaisesti, Tampereen yliopiston GPT-Lab‑tutkimusryhmän apulaisjohtaja ja tutkijatohtori Jussi Rasku sanoo.
Projektissa syntyy niin sanottuja asiakaspalveluagentteja, joiden kanssa ihminen voi keskustella, sekä agentteja, jotka tehostavat työnkulkuja yksin tai yhdessä muiden agenttien kanssa moniagenttijärjestelmänä. Moniagenttijärjestelmässä jokaisella agentilla on oma roolinsa, mutta ne vaihtavat tietoa keskenään ja muodostavat yhteisen näkemyksen tilanteesta.
– Eräs uusi moniagenttijärjestelmän tyyppi on tekoälytehdas. Sen avulla automaattinen agenttien tekemä tiedon kerääminen, jalostaminen ja analysointi johtaa tehtaassa rakennettuun tekoälymalliin. Mallia voidaan kehittää ja testata virtuaalisen kaksosen avulla ennen sen jalkauttamista teolliseen käyttöön, Rasku selittää.
Ensimmäinen tekoälytehdas LVI-ohjauksen optimointiin rakennettu
AI Champion -projektin ensimmäiset tutkijavaihdot yrityksiin toteutettiin kesällä. Projektitutkija Rajratan Wankhade rakensi tekoälytehtaan ilmanvaihtokoneiden ohjausta varten yhteistyössä Koja-Chillerin kanssa Kojan Jalasjärven tehtaalla. Koja tarjosi tekoälytutkijoille pääsyn kolmen ilmanvaihtokoneen dataan tuotantolaitoksen ympäristössä.
– Kesän aikana perustettu tekoälytehdas toimii noin seitsemän eri agentin voimin, joista jokaisella on omat erityistehtävänsä. Myös koneoppimismallit ovat avainasemassa, sillä kaikki ennusteet ja ohjauspäätökset tehdään valitsemalla automaattisesti parhaat koneoppimismallit rakennuksen todellisten anturitietojen perusteella, Wankhade selvittää.
Esimerkkinä hän mainitsee ilmanvaihdon säätämisen ihmismäärän mukaan, mikä auttaa säästämään energiaa.
– Yksi agentti piirtää rakennuksen pohjapiirroksen, joka auttaa ymmärtämään esimerkiksi huoneen kokoa. Toinen agentti kerää tietoja kyseisestä pohjapiirroksesta, kolmas arvioi, voidaanko tietoja käyttää ja ovatko ne tarkkoja, neljäs ohjaa muita agentteja, ja viimeiset agentit suunnittelevat agenttien työnkulun ja valitsevat käytettävän koneoppimismallin. Ketju jatkuu loputtomasti, mikä havainnollistaa, kuinka agentit ja koneoppimismallit toimivat yhdessä ja limittyvät toisiinsa, Wankhade jatkaa.
Työn tavoitteena on täysin itsenäinen moniagenttijärjestelmä eli tekoälytehdas, mikä tuottaa älykkään koneoppimismallin ilmanvaihdon säätämiseen reaaliajassa.
Kesän aikana tekoälytehtaan tuottamien koneoppimismallien suorituskykyä mitattiin datapohjaisesti luodun virtuaalisen kaksosen avulla.
– Seuraava luonteva askel Koja-Chiller yhteistyössä on Wankhaden kehittämän tekoälytehtaan tuottamien ohjausmallien testaaminen oikeilla ilmanvaihtokoneilla, Rasku jatkaa.
– Tekoälyagenttien merkitys kasvaa erityisesti rakennusprojekteissa, joissa eri osapuolten tuottamaa tietoa syntyy valtavia määriä ja päätöksiä on tehtävä nopeasti koko hankkeen elinkaaren ajan. On erittäin arvokasta, että projektissa pääsemme kehittämään ja testaamaan ratkaisuja aidossa projektiympäristössä yhdessä alan yritysten kanssa. Näin voimme vauhdittaa rakennusalan digitalisaatiota ja luoda käytäntöjä, jotka parantavat tiedonhallintaa, yhteistyötä ja tuottavuutta rakennusprojekteissa, Tampereen yliopiston apulaisprofessori ja projektin koordinaattori Piia Sormunen sanoo.
AI Champion konsortio kokoontuu kolme kertaa vuodessa jakamaan tietoa siitä, mitä projektin puitteissa on kehitetty, testattu ja opittu. Vuoden viimeinen tapaaminen on AI Champion -päivä, johon toivotamme tervetulleeksi kaikki alasta kiinnostuneet.
Kannattaa ottaa seurantaan projektin
LinkedIn-tili
