Dokáže umelá inteligencia automaticky vytvoriť výkaz výmer z PDF výkresu? 

Praktický experiment s nástrojmi Copilot a ChatGPT ukazuje, kde sú dnes limity tejto technológie.

1 Úvod – boom umelej inteligencie

V posledných mesiacoch sa medzi rozpočtármi a kalkulantmi stavieb čoraz častejšie objavuje otázka, či dokáže umelá inteligencia (AI) automaticky namerať výkaz výmer z výkresovej projektovej dokumentácie. Mnohí z nich sa s nástrojmi, akými sú Copilot, ChatGPT alebo Gemini, pokúšajú analyzovať výkresy vo formáte PDF s očakávaním automatického výpočtu výmer jednotlivých konštrukcií. 

2 Praktický pokus: automatické meranie výmer z PDF výkresu

Aby sme sa lepšie zorientovali v danej problematike, rozhodli sme sa otestovať umelú inteligenciu na reálnom projekte rodinného domu. 

Požiadali sme AI asistentov, konkrétne Copilot a ChatGPT, o extrahovanie údajov z PDF súboru projektu pôdorysu základov rodinného domu s cieľom vypočítať výmery základových pásov a z nich odvodiť množstvo potrebného betónu. Dali sme im k dispozícii aj technickú správu projektu.

Zadanie pre AI:

„Z nahratého výkresu mi, prosím, vyextrahuj všetky základové pásy - ich dĺžky, šírky a výšky. Výsledok priprav v prehľadnej tabuľke, aby som vedel vypočítať objem betónu. Možno ti pomôže aj technická správa. Pracuj prosím bez zjednodušení. Počítaj po úrovniach dna. Uveď aj kontrolné súčty.“

Zhodnotenie testu automatického merania výmer z výkresov vo formáte pomocou Microsoft Copilot

1. Microsoft Copilot identifikoval, že výkres obsahuje množstvo údajov, ale nie v ucelenej forme.

2. Upozornil na chýbajúce alebo preňho nejednoznačné informácie:

• neúplné dĺžky základových pásov,

• nejasné výšky betónu (kóty dna nie sú vždy jednoznačné),

• neidentifikovaný počet a poloha pätiek,

• nejasné rozlíšenie medzi betónom a DT tvárnicami.

3. Výsledkom bolo odporúčanie doplniť údaje manuálne alebo poskytnúť presný popis pásov. Copilot odmietol vykonať výpočet, ktorý by mohol byť nesprávny.

Výsledok testu automatického merania výmer z výkresov vo formáte pomocou Chat GPT

1. Kým Microsoft Copilot bol veľmi opatrný a odmietol výpočet pri neúplných údajoch, ChatGPT bol sebavedomejší a odvážnejší. Prvý prístup je konzervatívny, založený na odmietnutí neúplných údajov, druhý je generatívny, ktorý sa pokúša vytvoriť riešenie aj pri nejednoznačnej interpretácii dokumentácie.

2. Chat GPT poskytol kompletný výkaz výmer podľa úrovní dna, vrátane dĺžok pásov, výšok betónu a výpočtu objemu. Výstup pôsobil na prvý pohľad presvedčivo a obsahoval:

• tabuľku dĺžok pásov podľa výškových úrovní,

• výpočet objemu betónu pre každú úroveň,

• kontrolné súčty,

• odporúčaný objem betónu s rezervou.

3. Hoci výsledok vyzeral profesionálne, bolo nevyhnutné odborným posúdením overiť, či ChatGPT správne pochopil všetky úseky pásov a výškové kóty.

4. Už na prvý pohľad je zrejmé, že „nepochopil“. Jednotlivé úseky základových pásov vyhodnotil zle. 

5. Z výkresu nesprávne „prečítal“ 6 úrovní dna, pričom skúmané základy majú iba 4 úrovne dna: 

a. -1,25 

b. -1,65

c. -1,45

d. -0,98

Pravdepodobne ho pomýlila geodetická kóta inej časti konštrukcie, konkrétne debniacich tvárnic DT 40. V „diskusii“ to ChatGPT priznal. 

6. Z predloženej tabuľky nie sú taktiež jasné hodnoty dĺžky pásov. Preto sme ho požiadali o vysvetlenie. Najprv vyhýbavo skonštatoval, že sa jedná o „jeho agregáciu segmentov“, ktorú nám však pri výpočte neukázal. Následne priznal, že v predloženej podobe to nebolo auditovateľné a že dĺžky segmentov pre rozdielne hĺbky zakladania má doložiť projekt.

7. Inými slovami, ChatGPT si na auditovateľný súčet dĺžok segmentov z analyzovaného PDF výkresu netrúfol.

8. Na záver nám už iba poradil, že základy je potrebné rozdeliť na segmenty podľa navrhnutých úrovní dna podľa geodetických kót. Potom navrhol spočítať dĺžku jednotlivých segmentov, aby bolo možné vypočítať ich objemy. 

Poradil teda presne to, čo každý skúsený rozpočtár robí prirodzene: rozdeliť základy na segmenty, zmerať ich dĺžky a následne vypočítať objem betónu.

Treba však dodať, že pri jednoduchších projektoch, kde sú kóty jasné, výškové úrovne minimálne a pôdorys bez zložitých zalomení, môže AI občas poskytnúť správne výmery. Nie je to však výsledok systematického porozumenia výkresu, ale skôr priaznivej konštelácie údajov. Takýto úspech nemožno považovať za spoľahlivý ani opakovateľný postup. Používateľ by preto nemal vyvodzovať, že umelá inteligencia dokáže výkresy „merať“ – v skutočnosti len interpretuje grafické prvky a niekedy sa trafí, inokedy nie.

Overovací výpočet základových pásov - manuálny výkaz profesionálneho rozpočtára

A teraz sa pozrime na výpočet profesionálneho rozpočtára. Nasledujúca tabuľka obsahuje manuálne spracovaný výkaz základových pásov, ktorý bol vypracovaný meraním na základe projektovej dokumentácie rodinného domu Ľubotice I. Ide o presný, kontrolovaný a odborne overený výpočet objemu betónu v základových pásoch, rozdelený podľa výškových úrovní dna. 

Dĺžky základových segmentov rozpočtár nameral z výkresu čítaním kót s kombinovaným meraním pomocou pravítka z papierového výtlačku alebo meraním pomocou modulu Meranie výmer z výkresov PDF programu Kalkulus. 

Tento výkaz slúži ako referenčný etalón, voči ktorému je možné porovnať výsledky získané pomocou nástrojov umelej inteligencie. Umožňuje identifikovať rozdiely v interpretácii výkresu, presnosti extrakcie údajov a v metodike výpočtu objemu betónu.

Manuálny výkaz zároveň ukazuje, že profesionálny rozpočtár pracuje s detailmi, ktoré AI často nedokáže správne identifikovať - napríklad s prechodmi výškových úrovní, zalomeniami pásov, rozdielmi medzi betónom a debniacimi tvárnicami či s technologickými súvislosťami.

Tento výkaz predstavuje realitu stavebnej praxe: výpočet objemu betónu nie je len mechanické násobenie dĺžky, šírky a výšky. 

Pri porovnaní výsledkov sa ukázalo, aký výrazný rozdiel môže vzniknúť pri automatickej interpretácii PDF výkresu. ChatGPT vypočítal objem betónu s 3 % rezervou na 27,51 m³, zatiaľ čo manuálny výkaz profesionálneho rozpočtára dospel k hodnote 42,276 m³. Rozdiel takmer 15 m³ betónu jasne ukazuje, že automatické meranie výmer môže viesť k výrazne skresleným výsledkom, ak AI nesprávne interpretuje výškové úrovne alebo dĺžky jednotlivých segmentov.

Rozpočtár musí:

• správne interpretovať výškové kóty dna,

• rozlíšiť betónové časti od DT tvárnic,

• pracovať s rôznymi úrovňami založenia podľa terénu,

• identifikovať všetky úseky pásov vrátane krátkych napojení,

• zohľadniť technologické straty a rezervy.

Práve tieto odborné kroky sú dôvodom, prečo umelá inteligencia nedokáže plne nahradiť rozpočtára.

Hlavné zistenia experimentu

Test ukázal tri dôležité fakty:

• Microsoft Copilot odmietol vykonať výpočet pri neúplných alebo nejednoznačných údajoch vo výkrese.

• ChatGPT vytvoril kompletný výkaz výmer, ktorý na prvý pohľad pôsobil presvedčivo, avšak obsahoval chyby v interpretácii výkresu.

• Manuálny výkaz profesionálneho rozpočtára bol jediný plne auditovateľný výsledok založený na presnej interpretácii projektovej dokumentácie.

Tento experiment preukázal, že problém automatického merania výmer z PDF výkresov nespočíva primárne v schopnostiach umelej inteligencie, ale najmä v kvalite a štruktúre vstupných dát projektovej dokumentácie.

3 Prečo je PDF problém

Hlavným dôvodom problémov merania výmer z PDF nie je nedostatočná schopnosť umelej inteligencie, ale samotný formát projektovej dokumentácie. PDF výkres je vo väčšine prípadov len grafický výstup z CAD alebo BIM systému. Neobsahuje informácie o stavebných objektoch ani ich vlastnostiach.

Z pohľadu počítača je výkres často iba:

• súbor čiar,

• grafických symbolov,

• textov a kót.

Ďalším problémom je, že PDF výkres nemusí obsahovať spoľahlivú mierku - výkres môže byť zmenšený, orezaný alebo exportovaný v rôznych mierkach, čo komplikuje automatické meranie.

Umelá inteligencia preto musí výkres interpretovať podobne ako človek. Ak sú informácie v dokumentácii neúplné alebo nejednoznačné, vzniká rovnaký problém ako pri manuálnom meraní.

Umelá inteligencia však naráža v tejto oblasti na zásadné limity:

• nerozumie konštrukčným súvislostiam,

• nedokáže posúdiť technologickú správnosť ,

• môže nesprávne interpretovať kóty,

• nevie garantovať úplnosť výkazu výmer,

• zodpovednosť zostáva na rozpočtárovi.

Tieto limity sú kľúčové pre pochopenie, prečo umelá inteligencia nemôže nahradiť odborníka, ale môže mu výrazne pomôcť.

4 Kedy umelá inteligencia funguje lepšie

Automatické výpočty výmer fungujú výrazne spoľahlivejšie v prípade, keď je projektová dokumentácia k dispozícii v dátových formátoch, ktoré obsahujú presnú geometriu objektov.

Typickými príkladmi sú:

• CAD výkresy (DWG, DXF),

• BIM modely (napr. IFC),

• digitálne modely stavebných objektov.

Tieto formáty obsahujú presnú geometriu a štruktúru objektov, takže softvér dokáže identifikovať jednotlivé konštrukcie a vypočítať ich rozmery.

5 Ako AI môže pomôcť rozpočtárovi

Aj keď automatické meranie výmer z PDF zatiaľ naráža na limity, umelá inteligencia môže byť pre rozpočtárov už dnes veľmi užitočná.

Umelá inteligencia dokáže napríklad:

• vyhľadávať informácie v projektovej dokumentácii,

• extrahovať údaje z technických správ,

• porovnávať rôzne verzie projektov,

• upozorniť na chýbajúce alebo nejasné údaje,

• pripraviť predbežný prehľad konštrukcií.

Tieto funkcie môžu výrazne urýchliť orientáciu v projektovej dokumentácii a prípravu podkladov pre rozpočtovanie.

Podstata technologickej zmeny spočíva v tom, že AI nepreberá odborné rozhodovanie, ale odstraňuje rutinné úlohy, ktoré rozpočtár vykonáva opakovane. Umožňuje mu sústrediť sa na to, čo je skutočne odborné: interpretáciu projektu, technologické rozhodnutia, kontrolu logiky a zodpovednosť za výsledok. V tomto zmysle sa úloha rozpočtára nemení, ale posúva – menej času venuje rutinným operáciám a viac času odbornému posúdeniu projektu.

6 Záver

Umelá inteligencia predstavuje zaujímavý nástroj pre budúcnosť stavebného rozpočtovania. Zatiaľ však platí, že presné meranie výkazov výmer z projektovej dokumentácie stále vyžaduje odborný úsudok rozpočtára.

Umelá inteligencia môže pomôcť analyzovať dokumentáciu a pripraviť podklady, ale konečné rozhodnutie o výmerách a rozpočte zostáva na odborníkovi.

Pri testovaní sme použili dva nástroje umelej inteligencie. Jeden z nich odmietol výpočet vykonať, pretože identifikoval neúplné údaje vo výkrese. Druhý sa do merania pustil s veľkou vervou a pripravil tabuľku výmer. Po porovnaní s manuálnym meraním sme však zistili, že niektoré interpretácie výkresu boli nesprávne. Ukázalo sa tak, že problém nie je ani tak v umelej inteligencii, ale v tom, že PDF výkres často neobsahuje jednoznačné informácie potrebné na spoľahlivé meranie.

Umelá inteligencia je najefektívnejšia v úlohách, ktoré sú založené na identifikácii vzorov, extrakcii údajov a porovnávaní dokumentov. Naopak, nedokáže posúdiť technologickú správnosť, konštrukčné súvislosti ani úplnosť výkazu výmer. Preto je potrebné vnímať umelú inteligenciu ako nástroj, ktorý zrýchľuje prácu rozpočtára, nie ako náhradu jeho odbornosti. 

Umelá inteligencia nemení potrebu odborníkov. Mení spôsob, akým odborníci pracujú.