華南理工大學土木與交通學院海外學者前沿講座第四十二期，我們邀請到來自美國克萊姆森大學土木與環(huán)境工程與地球科學學院M.Z. Naser助理教授。他將人工智能與土木工程問題結(jié)合，為我們帶來了一場從數(shù)據(jù)驅(qū)動分析的巡游到新知識發(fā)現(xiàn)的可解釋性和因果聯(lián)系的精彩報告。

首先，Naser教授為我們回顧了機器學習的發(fā)展和研究現(xiàn)狀以及土木工程領(lǐng)域中利用機器學習開展的相關(guān)研究，并向我們介紹了他對人工智能知識的理解，梳理了人工智能（機器學習）的模型架構(gòu)和算法分類，如圖1所示。

土木工程師總是面對很多設(shè)計或預測強度等變量的問題，經(jīng)典的獲取結(jié)果的方法包括試驗和有限元模擬。但是，試驗需要消耗很多時間和金錢，還可能存在較大誤差。有限元模擬則面臨標準規(guī)范的問題：選擇不同的軟件、方法、輸入?yún)?shù)、收斂方式等都會對結(jié)果有較大影響。同時，這類預測方法總是包含大量的變量，如自由度，材料屬性，載荷等?；趯θ斯ぶ悄芩惴ǖ睦斫?，Naser教授開展了鋼筋混凝土梁、柱等構(gòu)件受火剝落預測（Fire-induced Spalling Prediction）、橋梁等結(jié)構(gòu)的風險管理（Pre-incident Autonomous Risk Management）以及基于計算機視覺（Computer Vision）的災(zāi)后自動評估（Post-incident Autonomous Evaluation）。

隨后，Naser教授為我們介紹了一些機器學習在土木工程領(lǐng)域的新概念和應(yīng)用。比如，結(jié)合計算機視覺可以只根據(jù)照片來估計開裂結(jié)構(gòu)的剩余強度，免去了人員進場的危險。此外，Naser教授提出可持續(xù)機器學習的概念，即我們應(yīng)該盡可能的去篩選和使用精度相當?shù)柧気喆胃俚哪Ｐ鸵詼p少計算所產(chǎn)生的的碳排放。

眾所周知，人工智能在很多領(lǐng)域中的應(yīng)用已經(jīng)取得非常大的成功。但是結(jié)果正確性并不代表因果性，并且機器學習的大多數(shù)模型被稱為“黑箱子”，可解釋性很差，以致我們很難發(fā)現(xiàn)問題背后的知識。Naser教授基于數(shù)據(jù)統(tǒng)計、專家觀點和因果學的研究，通過模型訓練，可以為關(guān)鍵特征和關(guān)心現(xiàn)象建立映射函數(shù)（Mapping Function），例如對于CFRP混凝土梁的循環(huán)響應(yīng)映射函數(shù)。

在介紹完這些后，Naser教授也提出了我們在使用機器學習時應(yīng)注意的問題。首先就是要選擇responsible model：應(yīng)該使用我們的知識來挑選具有合適的關(guān)鍵參數(shù)的模型；而不是隨意選擇可能不包含關(guān)鍵參數(shù)的模型。另外，更重要的一點是我們應(yīng)該分清變量間的關(guān)系，分清他們只是互相相關(guān)還是存在因果關(guān)系。這里他舉了一個很有趣的例子：從1990年到1996年博士生和倒塌的建筑的數(shù)量都在上升，但是我們不能得出博士生的增加導致倒塌建筑數(shù)量增加這樣一個結(jié)論。

最后，Naser教授總結(jié)了人工智能方法（AI-based approaches）的挑戰(zhàn)和限制：模型的預測能力主要取決于輸入值的數(shù)量和質(zhì)量，以及應(yīng)用域之外的驗證，也就是模型的泛化能力。Naser教授認為人工智能的未來，需要計算機科學和工程等多學科發(fā)展，和工業(yè)界和學術(shù)界的不斷支持。M.Z. Naser還向我們介紹了學習人工智能的一些經(jīng)驗規(guī)則。

這個妙趣橫生的講座給我們的啟發(fā)是，既然人工智能已經(jīng)表現(xiàn)出強大的能力，那么我們的責任便是使人工智能模型更加節(jié)約、高效和精確，更具有可解釋性和適用性，以及發(fā)現(xiàn)更多知識。此外，作為土木工程師，當我們使用機器學習這一工具時，并不需要明白每一行代碼的意義，更重要的是如何正確的使用模型和選取參數(shù)，理解參數(shù)代表的意義和他們相互之間的關(guān)聯(lián)。

相關(guān)文章請見M.Z. Naser教授主頁：

https://www.mznaser.com/

講座錄播回顧：

SIR NO.42 結(jié)構(gòu)工程中的機器學習-從數(shù)據(jù)驅(qū)動分析的巡游到新知識發(fā)現(xiàn)的可解釋性和因果聯(lián)系

END

來源于多樣化結(jié)構(gòu)實驗室VSL

撰寫：解兵林 姚顯花 毛煒寧

排版：朱子寒

審核：胡??楠