બાંધકામ ક્ષેત્રે AI ક્રાંતિ: હવે 'વર્લ્ડ મોડલ્સ' આપમેળે તૈયાર કરશે મજબૂત ઇમારતોની ડિઝાઇન

છેલ્લા સાત દાયકાઓમાં માનવજાતે ટેકનોલોજીના ક્ષેત્રમાં અભૂતપૂર્વ પ્રગતિ સાધી છે. આપણે ડાયલ-અપ ઇન્ટરનેટથી લઈને સુપરઇન્ટેલિજન્ટ આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) સુધીની સફર ખેડી છે. પરંતુ આશ્ચર્યની વાત એ છે કે, જ્યારે આપણી આસપાસની ભૌતિક દુનિયા બનાવવાની વાત આવે છે, ત્યારે આપણી ક્ષમતા વધવાને બદલે ઘટી રહી હોય તેવું લાગે છે. અમેરિકાના અર્થતંત્રના ડેટા પર નજર કરીએ તો એક ચોંકાવનારી હકીકત સામે આવે છે: બાંધકામ ક્ષેત્રમાં શ્રમ ઉત્પાદકતા (labor productivity), એટલે કે દરેક કામદાર દીઠ થતું વાસ્તવિક ઉત્પાદન, આજે પણ એટલું જ છે જેટલું ૧૯૪૮માં હતું. ફેડરલ રિઝર્વ બેંક ઓફ રિચમન્ડના વરિષ્ઠ અર્થશાસ્ત્રી ચેન યેહના અહેવાલ મુજબ, અન્ય તમામ ક્ષેત્રોમાં ઉત્પાદકતા ત્રણ ગણી વધી છે, પરંતુ બાંધકામ ક્ષેત્ર આ બાબતમાં અપવાદ રહ્યું છે.

આ ઉત્પાદકતામાં ઘટાડો એ માત્ર આંકડાકીય માયાજાળ નથી, પરંતુ એક ગંભીર આર્થિક સમસ્યા છે. બ્યુરો ઓફ ઇકોનોમિક એનાલિસિસના ડેટા દર્શાવે છે કે ૧૯૭૦ના દાયકાથી બાંધકામ ક્ષેત્રની ઉત્પાદકતામાં સતત ઘટાડો થઈ રહ્યો છે. ૨૦૨૦માં દરેક કામદાર દીઠ થતું ઉત્પાદન ૧૯૭૦ની સરખામણીમાં ૩૦ ટકા ઓછું હતું. આ એક એવો વિરોધાભાસ છે જે અર્થશાસ્ત્રીઓને મૂંઝવી રહ્યો છે. જ્યારે મેન્યુફેક્ચરિંગ (manufacturing) અને ખાણકામ જેવા ક્ષેત્રોએ નવી ટેકનોલોજી અપનાવીને મોટી પ્રગતિ કરી છે, ત્યારે બાંધકામ ક્ષેત્ર પાછળ રહી ગયું છે. આ ઘટાડાની અસર સામાન્ય લોકો પર ઘરની પરવડે તેવી કિંમતો અને એકંદર આર્થિક વિકાસના રૂપમાં પડે છે. બાંધકામ ક્ષેત્ર અમેરિકાના જીડીપી (GDP)માં આશરે ૪.૫ ટકા હિસ્સો ધરાવે છે અને તે અન્ય ક્ષેત્રોને મૂડી પૂરી પાડનાર મહત્વનો સપ્લાયર છે.

ફેડરલ રિઝર્વના અહેવાલ મુજબ, જો બાંધકામ ઉત્પાદકતામાં ૧૯૭૦થી દર વર્ષે માત્ર ૧ ટકાનો મામૂલી વધારો થયો હોત, તો આજે કુલ આર્થિક ઉત્પાદકતા અને માથાદીઠ આવક અત્યારના સ્તર કરતા ૧૦ ટકા વધુ હોત. આ નુકસાન દર પાંચ વર્ષે અંદાજે $૧ ટ્રિલિયન જેટલું મોટું છે. આ સમસ્યાના મૂળમાં જવા માટે સંશોધકોએ અનેક પાસાઓ તપાસ્યા છે. શરૂઆતમાં એવું માનવામાં આવતું હતું કે કદાચ આંકડાઓની ગણતરીમાં ભૂલ છે, પરંતુ પેટા કોન્ટ્રાક્ટરો અને અન્ય પરિબળોને ધ્યાનમાં લીધા પછી પણ આ વલણ બદલાતું નથી. નેચર (Nature) સામયિક અને અન્ય અભ્યાસો પણ પુષ્ટિ આપે છે કે ભૌતિક રીતે પણ, જેમ કે કામદાર દીઠ બંધાતા મકાનોની સંખ્યામાં ઘટાડો થયો છે.

આ વૈશ્વિક સમસ્યાના ઉકેલ તરીકે હવે AI મેદાનમાં આવ્યું છે. 'Dream' નામનું એક નવું સ્ટાર્ટઅપ બાંધકામ ઉદ્યોગ માટે 'વર્લ્ડ મોડલ્સ' (world models) વિકસાવી રહ્યું છે. પાલાન્ટિર (Palantir) કંપનીના ભૂતપૂર્વ એક્ઝિક્યુટિવ્સ એન્ડી એલ્ડર અને અર્જુન માથુર દ્વારા સ્થાપિત આ કંપનીએ તાજેતરમાં $૧૭ મિલિયનનું સીડ ફંડિંગ મેળવ્યું છે. તેમનો હેતુ આર્કિટેક્ચર, એન્જિનિયરિંગ અને કન્સ્ટ્રક્શન (AEC) ઉદ્યોગમાં ક્રાંતિ લાવવાનો છે. વર્તમાન સમયમાં આર્કિટેક્ટ્સ અને એન્જિનિયરો હજુ પણ AutoCAD અને Revit જેવા જૂના સોફ્ટવેરનો ઉપયોગ કરે છે, જેમાં દરેક ભાગને મેન્યુઅલી દોરવો પડે છે. આ પ્રક્રિયામાં AIની કોઈ ભૂમિકા હોતી નથી, જે ઉત્પાદકતામાં અવરોધ રૂપ બને છે.

વર્લ્ડ મોડલ (world model) એ બાહ્ય વાસ્તવિકતાનું આંતરિક પ્રતિનિધિત્વ છે. મનોવિજ્ઞાનમાં આ શબ્દનો ઉપયોગ માનસિક મોડલ્સ (mental models) માટે થાય છે, જે આપણને ભવિષ્યની ઘટનાઓની કલ્પના કરવામાં મદદ કરે છે. AIના સંદર્ભમાં, Dream કંપનીનું મોડલ માત્ર સુંદર ચિત્રો નથી બનાવતું, પરંતુ તે ભૌતિક વિજ્ઞાન (physics) અને બાંધકામના ધોરણો પર આધારિત છે. ChatGPT જેવા લાર્જ લેંગ્વેજ મોડલ્સ (LLM) શબ્દો પરથી શીખે છે, જ્યારે Dreamનું મોડલ અમેરિકાના પરમિટ આર્કાઇવ્સમાંથી મેળવેલા ૧૦૦ મિલિયન ચોરસ ફૂટથી વધુ બિલ્ડિંગ ડેટા પર તાલીમ પામેલું છે. આ મોડલ સમજે છે કે દિવાલોની અંદર શું છે, કયા મટિરિયલનો ઉપયોગ થયો છે, બીમ શેના બનેલા છે અને તે કેટલું વજન સહન કરી શકે છે.

આ અભિગમને કંપની 'સ્ટ્રક્ચરલ કોગ્નિશન' (structural cognition) એટલે કે માળખાગત સમજ કહે છે. આ મોડલ એવી ડિઝાઇનો તૈયાર કરે છે જે માળખાગત રીતે સચોટ હોય અને જેમાં પ્લમ્બિંગ અને HVAC (હીટિંગ, વેન્ટિલેશન અને એર કન્ડીશનીંગ) જેવી આંતરિક સિસ્ટમ્સનો પણ સમાવેશ થાય છે. આ ટેકનોલોજીનો ઉપયોગ કરીને ડેવલપર્સ ઇમારતોની ડિઝાઇન તૈયાર કરી શકે છે અને તેના કુલ ખર્ચનો ત્વરિત અંદાજ મેળવી શકે છે. હાલમાં ટેક્સાસ અને કેલિફોર્નિયામાં ૧૦ સક્રિય પ્રોજેક્ટ્સમાં આ પ્લેટફોર્મનો ઉપયોગ થઈ રહ્યો છે. આ પદ્ધતિ પરંપરાગત પદ્ધતિ કરતા ઘણી ઝડપી છે કારણ કે તે આખું બિલ્ડિંગ એકસાથે ડિઝાઇન કરી શકે છે.

બાંધકામ ક્ષેત્રમાં ઉત્પાદકતા ઘટવાનું એક મોટું કારણ જમીન વપરાશના કડક નિયમો (land-use regulation) પણ છે. ૨૦૨૪ના એક વર્કિંગ પેપર મુજબ, ૧૯૭૦ પછી અમેરિકામાં મકાન બાંધકામ માટેની મંજૂરીની પ્રક્રિયા વધુ જટિલ અને લાંબી બની છે. આના કારણે ડેવલપર્સ મોટા પ્રોજેક્ટ્સને બદલે નાના પ્રોજેક્ટ્સ પસંદ કરે છે. નાની કંપનીઓ પાસે નવી ટેકનોલોજી કે સંશોધનમાં રોકાણ કરવાની ક્ષમતા ઓછી હોય છે, જે એક વિષચક્ર બનાવે છે. જો બાંધકામ કંપનીઓનું કદ મેન્યુફેક્ચરિંગ કંપનીઓ જેટલું હોત, તો ઉત્પાદકતા ૬૦ ટકા વધુ હોત. AI વર્લ્ડ મોડલ્સ આ જટિલ નિયમો અને ડિઝાઇન પ્રક્રિયાને સરળ બનાવીને આ અવરોધને દૂર કરવામાં મદદ કરી શકે છે.

વૈશ્વિક સ્તરે બાંધકામ ઉદ્યોગનું કદ વિશાળ છે. ૨૦૨૨માં બાંધકામ પ્રવૃત્તિઓ પરનો ખર્ચ $૧૧ ટ્રિલિયનને વટાવી ગયો હતો, જે વૈશ્વિક જીડીપીના આશરે ૧૩ ટકા જેટલો છે. ૨૦૩૦ સુધીમાં આ આંકડો $૧૪.૮ ટ્રિલિયન સુધી પહોંચવાની આગાહી છે. ભારત જેવા દેશો માટે, જ્યાં ઇન્ફ્રાસ્ટ્રક્ચર (infrastructure) અને આવાસની જરૂરિયાત સતત વધી રહી છે, ત્યાં આવી ટેકનોલોજી અત્યંત મહત્વની સાબિત થઈ શકે છે. જો આપણે AIની મદદથી ઝડપી, સસ્તી અને વધુ મજબૂત ઇમારતો બનાવી શકીએ, તો તે આર્થિક વિકાસને નવી ગતિ આપી શકે છે.

જોકે, હજુ પણ ઘણા પડકારો બાકી છે. બાંધકામ એ એક જોખમી ઉદ્યોગ છે, જ્યાં સુરક્ષાના ધોરણો અત્યંત કડક હોય છે. ૨૦૧૯માં અમેરિકામાં ઉદ્યોગોમાં થયેલા કુલ મૃત્યુના ૨૦ ટકા બાંધકામ ક્ષેત્રમાં હતા. તેથી, AI દ્વારા તૈયાર કરાયેલી ડિઝાઇનોએ વાસ્તવિક દુનિયાના તમામ સુરક્ષા પરીક્ષણોમાં પાસ થવું અનિવાર્ય છે. Dream જેવી કંપનીઓ દાવો કરે છે કે તેમના મોડલ્સ વાસ્તવિક એન્જિનિયરિંગ ડેટા પર આધારિત હોવાથી તે વધુ વિશ્વસનીય છે. ભવિષ્યમાં, આ વર્લ્ડ મોડલ્સ માત્ર ડિઝાઇન પૂરતા મર્યાદિત ન રહેતા, બાંધકામ સ્થળ પર રોબોટ્સ અને મશીનોને માર્ગદર્શન આપવા માટે પણ વપરાઈ શકે છે.

નિષ્કર્ષમાં, બાંધકામ ક્ષેત્રની પાંચ દાયકા જૂની જડતા હવે ટેકનોલોજીના પ્રભાવ હેઠળ તૂટી રહી હોય તેવું લાગે છે. AI વર્લ્ડ મોડલ્સ માત્ર સોફ્ટવેર અપડેટ નથી, પરંતુ તે ભૌતિક દુનિયાના નિર્માણની આપણી રીતને બદલવાની ક્ષમતા ધરાવે છે. જેમ જેમ આ મોડલ્સ વધુ ડેટા અને અનુભવ મેળવશે, તેમ તેમ તે વધુ સચોટ અને કાર્યક્ષમ બનશે. આ ક્રાંતિ માત્ર એન્જિનિયરો કે આર્કિટેક્ટ્સ માટે નથી, પરંતુ તે દરેક વ્યક્તિ માટે છે જે એક સારું અને સસ્તું ઘર મેળવવાની આશા રાખે છે.