هوش مصنوعی Artificial intelligence (AI) یک رویکرد جایگزین کارآمد برای تکنیک‌های مدل‌سازی کلاسیک است. هوش مصنوعی به شاخه‌ای از علوم کامپیوتر اشاره دارد که ماشین‌ها و نرم‌افزارهایی را با هوش انسان‌مانند توسعه می‌دهد. در مقایسه با روش‌های سنتی، هوش مصنوعی مزایایی را برای مقابله با مشکلات مرتبط با عدم قطعیت ارائه می‌دهد و کمک مؤثری برای حل چنین مشکلات پیچیده‌ای است. علاوه بر این، راه‌حل‌های مبتنی بر هوش مصنوعی جایگزین‌های خوبی برای تعیین پارامترهای طراحی مهندسی در مواقعی هستند که آزمایش امکان‌پذیر نیست، بنابراین باعث صرفه‌جویی قابل توجهی در زمان و تلاش انسان در آزمایش‌ها می‌شود.

هوش مصنوعی همچنین می‌تواند فرآیند تصمیم‌گیری را سریع‌تر کند، نرخ خطا را کاهش دهد و کارایی محاسباتی را افزایش دهد. در میان تکنیک‌های مختلف هوش مصنوعی، یادگیری ماشین (ML)، تشخیص الگو (PR) و یادگیری عمیق (DL) اخیراً توجه قابل‌توجهی را به خود جلب کرده‌اند و خود را به عنوان کلاس جدیدی از روش‌های هوشمند برای استفاده در مهندسی سازه معرفی می‌کنند.

مهندسی عمران مملو از مشکلاتی است که از طریق تکنیک های محاسباتی سنتی ، باعث بوجود آمدن مشکلاتی در ارائه راه حل می شوند. با این حال، اغلب می تواند توسط یک متخصص حل شود. هوش مصنوعی کلاسیک (AI) این دسته از مشکلات را با به تصویر کشیدن ماهیت شناخت انسان در بالاترین سطح هدف قرار داده است.

اصطلاح هوش مصنوعی در کارگاهی که در سال 1956 در کالج دارتموث برگزار شد، معرفی شد. هوش مصنوعی یک روش محاسباتی است که تلاش می‌کند توانایی شناخت انسان را از طریق دستکاری نمادها و پایگاه‌های دانش ساختار یافته به صورت نمادین برای حل مشکلات مهندسی که با استفاده از روش‌های مرسوم راه حل را به چالش می‌کشند، شبیه‌سازی کند. هوش مصنوعی بر اساس تعامل رشته های مختلف توسعه یافته است.

چندین اصطلاح مربوط به هوش مصنوعی را می توان در ادبیات پیدا کرد، و آنها را باید برای توضیح بیشتر در مورد وضعیت هنر شناسایی نمود. یکی از این اصطلاحات هوش ماشینی (MI) است. AI و MI اصطلاحات تقریباً یکسانی هستند  و اغلب به جای یکدیگر استفاده می شوند. MI اغلب مترادف AI در نظر گرفته می شود. با این حال، با انواع مختلفی از مشکلات هوشمند سروکار دارد، به عنوان مثال، خوشه‌بندی، طبقه‌بندی، بینایی رایانه و غیره.

به طور کلی، MI به ماشین‌هایی با رفتار و استدلال هوشمندانه شبیه انسان اشاره دارد، در حالی که هوش مصنوعی به توانایی ماشین برای تقلید از عملکردهای شناختی اشاره دارد. انسان ها وظایف خود را به شیوه ای هوشمندانه انجام می دهند. اصطلاح مهم دیگر محاسبات شناختی (CC) است که از قابلیت های ذهن انسان الهام گرفته شده است.

سیستم های شناختی قادر به حل مسائل به شکلی شبیه تفکر و استدلال انسان هستند. چنین سیستم‌هایی مبتنی بر توانایی ماشین‌ها برای اندازه‌گیری، استدلال و تطبیق با استفاده از تجربیات آموخته‌شده است. ویژگی های اصلی سیستم های CC توانایی آنها در تفسیر داده های بزرگ، آموزش پویا و یادگیری تطبیقی و کشف احتمالی الگوهای مرتبط است. از نظر فنی، هوش مصنوعی به رایانه‌ها و ماشین‌هایی اطلاق می‌شود که می‌توانند هوشمندانه رفتار کنند، در حالی که CC بر حل مشکلات با استفاده از تفکر انسان‌مانند تمرکز می‌کند. مهم‌ترین تفاوت بین هوش مصنوعی و CC را می‌توان در رابطه با تعامل عادی با انسان‌ها تعریف کرد. برای هر سیستم هوش مصنوعی، عاملی وجود دارد که تصمیم می‌گیرد چه اقداماتی باید انجام شود. با این حال، سیستم‌های CC مانند انسان‌ها یاد می‌گیرند، استدلال می‌کنند و با هم تعامل دارند. بنابراین، می توان نتیجه گرفت که CC اساساً یک عامل هوش مصنوعی است و به این ترتیب CC زیر مجموعه ای از AI در نظر گرفته می شود. از سوی دیگر، سیستم های خبره شاخه ای از هوش مصنوعی هستند.

همانطور که اشاره شد، هوش مصنوعی به عنوان توانایی یک ماشین برای تقلید از رفتار هوشمند انسان، به دنبال استفاده از الگوریتم های الهام گرفته از انسان برای حل مشکلات تعریف می شود. به طور مشابه، یک سیستم خبره به عنوان یک برنامه رایانه ای تعریف می شود که تلاش می کند از متخصصان انسانی تقلید کند تا مشکلاتی را که نیاز به دانش انسانی / متخصص دارد حل کند. از تعاریف ذکر شده برمی‌آید که هوش مصنوعی شامل شاخه‌های مختلفی مانند سیستم‌های خبره، یادگیری ماشین، تشخیص الگو و منطق فازی است.
در سال‌های اخیر، علاقه روزافزونی به استفاده از هوش مصنوعی در تمام حوزه‌های مهندسی وجود داشته است و چشم‌اندازها و امیدهای بسیاری را برانگیخته است. در حالی که جامعه مهندسی عمران شاهد رشد گسترده ای در استفاده از شاخه ها  و روش های مختلف هوش مصنوعی در حوزه های مختلف خود بوده است، مطالعه حاضر بر روی روش های هوش مصنوعی متمرکز است که در دهه گذشته توجه قابل توجهی را به خود جلب کرده است، یعنی یادگیری ماشین (ML)، الگو. شناخت (PR) و یادگیری عمیق (DL) با تمرکز بر کاربرد آنها در رشته مهندسی سازه. دامنه بررسی، خلاصه کردن پیشینه نظری روش‌ها، ارائه یک زمینه تاریخی در مورد استفاده از آنها، خلاصه کردن آخرین پیشرفت‌های تحقیقاتی و بحث در مورد مسیرهای امیدوارکننده برای تحقیقات آینده است.

Adeli و همکاران  یک تکنیک یادگیری چند پارادایم را ارائه کرد که در آن نشان دادند که عملکرد را می توان به طور قابل توجهی با ادغام ماهرانه شاخه های مختلف هوش مصنوعی، از جمله شبکه های عصبی، الگوریتم های ژنتیک، مجموعه های فازی و پردازش موازی افزایش داد. مطالعه گسترده ای از محاسبات تکاملی، شاخه ای از هوش مصنوعی، در زمینه طراحی سازه توسط Kicinger و همکاران انجام شد. لیو و همکاران مروری بر مطالعات مربوط به کاربرد فراابتکاری به عنوان تکنیک‌های بهینه‌سازی برای پرداختن به مسائلی که در طول عمر پروژه‌های ساختمانی یا مهندسی با آن مواجه هستند، انجام داد. نظرسنجی بر روی روش‌های مختلف هوش مصنوعی (به عنوان مثال، منطق فازی، محاسبات تکاملی، شبکه‌های عصبی، هوش ازدحام، سیستم‌های خبره، و غیره) برای مهندسی عمران توسط لو و همکاران انجام شد. شاهین و همکاران کاربردهای هوش مصنوعی در مهندسی ژئوتکنیک را مطالعه کرد. و ساکا و همکاران یک بررسی بر روی الگوریتم های ریاضی و فراابتکاری در بهینه سازی طراحی سازه های اسکلت فلزی انجام داد. Adeli و همکاران  بررسی پیشرفت در بهینه سازی ساختمان های بلند را انجام دادند و بررسی کاربردها و روش‌شناسی تکنیک‌های تصمیم‌گیری چند معیاره فازی توسط مردانی و همکاران انجام شد.

اخیراً نظرسنجی در مورد کاربرد روش های تصمیم گیری چند معیاره برای تحلیل پل های معلق توسط گارسیا-سگورا و همکاران انجام شده است. سانچز و همکاران مروری بر کاربردهای شبکه های عصبی مصنوعی، شاخه ای از هوش مصنوعی، برای زیرساخت های عمرانی ارائه کرد که شامل نظارت بر سلامت سازه، شناسایی سیستم ساختاری، طراحی و بهینه سازی سازه و هوش مصنوعی در طراحی سازه می شود و یک بررسی جامع پیشرفته از طراحی ساختاری پایدار در سیستم‌های رتبه‌بندی ساختمان‌های سبز و کدهای ساختمان توسط Pongiglione و همکاران انجام شد.. علاوه بر این، بررسی روش‌های مختلف هوش مصنوعی (به عنوان مثال، شبکه‌های عصبی مصنوعی، بیزی، الگوریتم‌های ژنتیک، استدلال مبتنی بر مورد و منطق فازی) برای حوزه مکانیک شکست توسط خسروانی و همکاران انجام شد. در حالی که بررسی ادبیات کاربرد تجزیه و تحلیل تصمیم چند معیاره برای مدیریت قدیمی سد ، توسط Mieza و همکاران انجام شد. علاوه بر این، سیرا و همکاران مروری بر ارزیابی چند معیاره پایداری اجتماعی زیرساخت‌ها و Zavadskas و همکاران انجام داد.  روش‌های پیشرفته‌ای را که برای تصمیم‌گیری پایدار در مهندسی عمران، ساخت‌وساز و فناوری ساختمان بکار می‌رود، بررسی کردند.

در صورت نیاز به انجام طراحی یا دریافت خدمات؛ کافیست شماره پشتیبانی واحد خدمات مهندسی سازه پلاس 09353689060 را ذخیره کرده، در یکی از پیام‌رسان‌های در دسترس تلگرام/واتساپ/ایتا پیام دهید.