هوشیو کست 1: گفت‌وگو با استارتاپ «تکنوسازه»
تیم تحریریه- ۲۴ خرداد ۱۴۰۲
راهکاری هوشمند برای بهینه‌سازی طراحی سازه‌ها
افزایش هزینه ساخت منازل مسکونی و کارگاه‌های صنعتی در کنار لزوم توجه به ایمنی ساختمان‌ها، بهینه‌سازی طراحی سازه‌ها را به امری مهم و اجتناب‌ناپذیر تبدیل کرده است. بهینه‌سازی علمی و اصولی ساختمان‌ها، می‌تواند بدون تأثیر بر ایمنی سازه، هزینه ساخت را تا 40% نیز کاهش دهد.
در واقع، استفاده از الگوریتم‌های هوش مصنوعی و پردازش ابری جهت بهینه‌سازی سازه‌ها و کاهش مصرف مصالح ساختمانی، ایده کارآمدی است که استارتاپ «تکنوسازه» آن را به مرحله تجاری‌سازی رسانده است. امیرحسین محمدپور، مدیر فنی و یکی از بنیان‌گذاران تکنوسازه، در گفت‌وگویی با هوشیو، به بیان تجربیات و دستاوردهای تیم خود می‌پردازد و توضیح می‌دهد که چگونه فناوری هوش مصنوعی توانسته به آن‌ها در دستیابی به اهدافشان کمک کند. با نخستین قسمت از «هوشیو کست» همراه ما باشید.
امیرحسین که به نمایندگی از دیگر هم‌تیمی‌های خود به گفت‌وگو با ما نشست، پس از سلامی گرم و صمیمانه، به نخستین سؤال ما پاسخ داد:
تکنوسازه در چه زمینه‌ای فعالیت می‌کند و اصولاً چه خدمتی را ارائه می‌دهد؟
پمجموعه ما در زمینه طراحی بهینه ساختمان‌ها با استفاده از هوش مصنوعی فعالیت می‌کند. ما با دریافت فایل طراحی‌شده توسط طراح سازه، آن را با استفاده از الگوریتم‌های متاهیوریستیک و تا حدودی شبکه‌های عصبی، بهینه می‌کنیم. برای مثال، ما می‌توانیم 10% از هزینه‌های ساخت را کاهش دهیم، در حالی که ایمنی سازه و اصول آیین‌نامه‌ای به طور کامل رعایت شده است.
ایده این طرح از کجا به ذهن شما رسید؟ آیا این ایده، زاییده خلاقیت تیم شما بود یا سعی کردید با الهام از ایده‌های موجود، آن را توسعه دهید؟
این طرح ایده تیم ما بود؛ اما زمانی که فعالیت‌مان را شروع کردیم، فهمیدیم که یک شرکت دیگر هم در ایران در حال انجام چنین کاری است، شرکتی به نام «بنیانو» که چندین قدم از ما جلوتر است. بهینه‌سازی سازه از جمله موضوعاتی است که بیشتر در کشورهای خاورمیانه موردتوجه قرار می‌گیرد و به نظر می‌رسد که در مناطق دیگر مانند اروپا، اهمیت زیادی برای این مبحث قائل نیستند.
کمی به عقب برگردیم؛ تیم شما با چند نفر کار خودش را شروع کرد و در حال حاضر چند نفرید؟ هم‌تیمی‌های شما چه تخصص‌هایی دارند؟
استارتاپ ما در ابتدا با سه نفر کار خودش را شروع کرد؛ من، آقای حصاری و آقای فقیه‌زاده که هر سه نفر در دانشگاه امیرکبیر تحصیل می‌کردیم. پس از آنکه به چنین ایده‌ای رسیدیم، در اردیبهشت‌ماه سال گذشته، آن را با مجموعه «شناسا» در میان گذاشتیم و پس از پذیرش ایده، دو ماه را در مرحله پیش‌شتاب‌دهی گذراندیم. بعد از ورود به مرحله شتاب‌دهی، توسعه محصول را آغاز کردیم و تا اواسط اسفند 1401، موفق شدیم که اولین نسخه از MVP محصول را تکمیل کنیم. تیم ما به‌مرور گسترش پیدا کرد و با اضافه‌شدن دو متخصص سازه و زلزله و یک متخصص نرم‌افزار و هوش مصنوعی، تعداد اعضای تیم ما به 6 نفر رسید.
آیا توانستید از مرحله MVP عبور کنید و به مرحله تجاری‌سازی برسید؟
بله، ما پس از تکمیل MVP موفق شدیم که بر روی چهار سازه به‌صورت عملی فعالیت کنیم. البته این چهار سازه توسط کارفرمایان به‌صورت رایگان در اختیار ما قرار گرفت، تا با مشاهده نتایج و خروجی طرح، پروژه‌های بیشتری را به ما واگذار کنند که خوشبختانه هر چهار سازه با موفقیت تکمیل شد. رویکرد و مدل درآمدی ما از این پس به شکل درصدی است؛ به صورتی که اگر در یک پروژه، موفق شویم که 30 درصد از یک سازه را بهینه کنیم، 10 تا 20 درصد مبلغ پروژه را به‌صورت دستمزد دریافت می‌کنیم.
هوش مصنوعی در سال گذشته بسیار شناخته شد و راه خود را به زندگی بسیاری از مردم باز کرد؛ اما پیش از آن، تنها یک فناوری شناخته‌شده توسط متخصصان این حوزه بود و تعداد کمی از مردم با آن آشنایی داشتند. چه اتفاقی افتاد که به فکر افتادید از هوش مصنوعی در محصول خود و تجاری‌سازی این فناوری استفاده کنید؟
ما در سال دوم دانشگاه سعی کردیم که هوش مصنوعی را به‌صورت پیشرفته‌تری یاد بگیریم و از طریق استادان با طرح مسئله و ارائه راه‌حل آشنا شدیم. ما در دوره کارشناسی، دانشجوی رشته عمران بودیم و معضل بهینه نبودن سازه‌ها را کاملاً احساس می‌کردیم. پارامترهای بسیار زیاد یک سازه از جمله تعداد ستون‌ها، تیرآهن‌ها و… باعث می‌شود که کار برای مهندسین این حوزه بسیار سخت شود و در این میان است که نیاز به استفاده از هوش مصنوعی احساس می‌شود. مهندسین سازه در حال حاضر به طور کاملاً تجربی و آزمایشی به بهینه‌سازی سازه‌ها می‌پردازند، در حالی که می‌توان با استفاده از هوش مصنوعی متاهیوریستیک و موارد مشابه دیگر، سازه را طراحی کرد.
در این میان، چالش‌های زیادی نیز وجود دارد؛ برای مثال، بررسی پارامترهایی که مقاومت یک سازه در برابر زلزله را محاسبه می‌کنند، بسیار زمان‌بر است و اگر ما قصد داشته باشیم با استفاده از الگوریتم‌هایی مانند ژنتیک، این پارامترها را بررسی کنیم، تقریباً دو ماه زمان خواهد برد که پروژه نهایی را به کارفرما تحویل دهیم. در اینجاست که ما با استفاده از شبکه‌های عصبی، یک «پریدیکتور» طراحی کردیم که با استفاده از داده‌های همان سازه، در زمان کوتاهی کار پردازش را انجام می‌دهد.
آیا پس از اینکه فرایند شتاب‌دهی خود را در شتاب‌دهنده شناسا شروع کردید، موفق به جذب سرمایه شدید؟
ما در ابتدا توانستیم سرمایه 400 میلیونی شتاب‌دهی را جذب کنیم و به‌وسیله آن، محصول را به مرحله تجاری‌سازی برسانیم. هدف ما این است که پس از جذب چند مشتری، دریافت سرمایه VC را در برنامه خود قرار دهیم.
برنامه شما برای آینده تکنوسازه چیست؟
پلن همکاری ما در حال حاضر به این صورت است که طراحی سازه توسط تیم ما انجام می‌شود و هیچ ui و رابط کاربری وجود ندارد که امکان تعامل کاربر با برنامه را فراهم کند. ما در بررسی‌هایی که انجام دادیم، به این نتیجه رسیدیم که مهندسان، به‌خصوص آن‌هایی که با شرکت‌های بزرگ همکاری دارند، مجموعه‌ای از خصوصی‌سازی‌ها را در نظر دارند و علاقه‌مندند که به‌واسطه یک داشبورد کاربری، خود به استفاده از نرم‌افزار بپردازند و تغییرات موردنیاز را در سازه اعمال کنند.
طراحی چنین داشبوردی نیازمند «نیروی متخصص»، «زمان» و «سرمایه زیادی» است. در آینده سعی داریم که به توسعه این داشبورد بپردازیم، چراکه بسیاری از شرکت‌های بزرگ که محصول ما را بررسی کردند، تمایل داشتند که آن را به‌صورت شرکتی خریداری نمایند و متغیرهای خود را برای آن تعریف کنند.
در مرحله بعد، قصد داریم به پیش از بهینه‌سازی برگردیم و بر روی طراحی خودکار سازه کار کنیم. توسعه این بخش کار دشواری نیست؛ اما برای تیم کوچک ما، پروژه زمان‌بری است.
در طی یک سالی که استارتاپ شما شروع به کار کرده، با چه چالش‌های پیش‌بینی‌نشده‌ای مواجه شدید؟
چالش‌های غیرقابل‌پیش‌بینی زیادی پیش راه ما نبود، جز یک اشتباه که به ضعف تحقیق بازار ما در ابتدای کار برمی‌گردد. هزینه مهر نظام‌مهندسی، فاکتور مهمی بود که از چشم ما دور مانده بود و ما اگر قصد داشته باشیم پروژه را از یک کارفرمای جزء دریافت کنیم، تقاضا بر این است که مهر نظام‌مهندسی پروژه بر عهده ما باشد. پس از تکمیل MVP، پی بردیم که هزینه این مهر بسیار بالاست و ما اگر قصد داشته باشیم این مورد را هم بر روی هزینه نهایی اعمال کنیم، مجبوریم که پلن درآمدی خود را تغییر دهیم و به سراغ کارفرمایان جزء نرویم؛ چراکه انبوه‌سازان بزرگ، چالش مهر نظام را ندارند و آن را خود بر عهده می‌گیرند.
دیدگاه شما نسبت به فناوری هوش مصنوعی چیست؟ آیا ابزاری است که به توسعه فعالیت کارشناسان کمک می‌کند یا باعث می‌شود که مشاغل عده‌ای به خطر بیفتد؟
اصول کار ما محاسباتی است. این محاسبه باید توسط مهندسان انجام شود. ما سعی داریم که به هوش مصنوعی به‌عنوان یک ابزار نگاه کنیم و با قرار دادن آن در اختیار مهندسان، بهره‌وری و کیفیت کار آن‌ها را بالا ببریم. در نتیجه، از آنجا که کارفرمایان به مهندسین خود اعتماد دارند و در بعضی مواقع، سال‌هاست که با آن‌ها همکاری می‌کنند، بعید است که با استفاده از محصول ما، آن را جایگزین نیروی انسانی خود کنند؛ بلکه آن را به‌عنوان یک ابزار در اختیار متخصصان خود قرار می‌دهند.
تکنوسازه در نمایشگاه اینوتکس حضور فعالی داشت. دستاورد این نمایشگاه برای شما چه بود؟
ما فکر می‌کردیم به آن دلیل که مدل همکاری ما، مذاکره با کارفرمایان است و این مذاکرات اغلب از جانب ما انجام می‌شود، با استقبال چندانی مواجه نشویم؛ اما برخلاف تصور، حضور بسیار راضی‌کننده‌ای داشتیم. ما ارتباطات بسیاری برقرار کردیم و پس از اینوتکس، در حال حاضر جلسات زیادی را با شرکت‌های بزرگ و کوچک به‌صورت روزانه برگزار می‌کنیم. همچنین، چندین پروژه مختلف به‌صورت پایلوت دریافت کردیم و می‌توان گفت که بستر ارتباطی بسیار خوبی برای ما ایجاد کرد.
به عنوان سخن آخر، چه توصیه‌ای برای استارتاپ‌ها و کسانی دارید که به هوش مصنوعی علاقه‌مندند و تمایل دارند وارد این حوزه شوند؟
پیشنهاد من از جنس استارتاپی است؛ توصیه می‌کنم صاحبان ایده و کسانی که قصد راه‌اندازی یک استارتاپ را دارند، پیش از آنکه به توسعه ایده خود بپردازند، تحقیقاتشان را در بازار، بسیار قدرتمند پیش ببرند. هر چند که ما تحقیقات بازار خوبی داشتیم، اگر بهتر عمل می‌کردیم، از مدت‌ها پیش اقدام به ساخت داشبورد کاربری می‌کردیم و قطعاً در حال حاضر، چندین قدم جلوتر بودیم.
از نظر هوش مصنوعی، باید بگوییم آن طور که تصور می‌شود، کار پیچیده‌ای نیست و کسانی که در زمینه‌ای مشابه تخصص دارند، می‌توانند به این حوزه نیز ورود کنند و به جرئت می‌توان گفت که از بُعد فنی، با سختی زیادی روبه‌رو نیستند.
استارتاپ «تکنوسازه» در حال حاضر با 6 نفر عضو، فعالیت خود را دنبال می‌کند و در فضای کار اشتراکی شتاب‌دهنده شناسا مستقر است. برای ارتباط بیشتر با این استارتاپ می‌توانید به وبسایت تکنوسازه (https://technosaze.com/) مراجعه کنید.
