人工智慧AI在耐震詳評與補強上的應用

今年是921大震發生滿二十週年，自1999年以來，我們在耐震評估與補強工作上持續進行，台灣有史以來，約三十年會出現一次較大、較致命的地震，我們還有十年，要完成面對大震的挑戰。

這幾年，筆者在媒體上介紹相關最新的技術，一方面用於自身工作上，另一方面也拋磚引玉，從2014年介紹無人機以來，至今，已幾乎一間工程顧問公司/營造廠，會有一台空拍機，到後續我介紹的比特幣區塊鏈、特斯拉電動車...，都是筆者一直在倡議的用人工智慧AI投入產業。

人工智慧的浪潮，方興未艾，我們在生活上已有相當多的應用，只是不易察覺出來，比如你每日用的網路搜尋，和你說話的手機，可人臉辨識的相簿，這裏都有很多AI的技術。但AI是什麼？為何今天AI這麼熱門？我們如果可以用無限的計算力投入工作，會帶來什麼變化？和耐震又有什麼關係。

筆者認為人工智慧為何在這幾年產生這麼大的話題與注意，主要是因為半導體積體電路、計算能力大幅的增加，而這其中，也與區塊鏈、虛擬貨幣、挖礦有關。我們可以簡化地說:人工智慧AI，是用「人工製造出來的，具備與人一樣的思考判斷能力的機器」。要如何確定這一台機器具備人工智慧的性能，最早提出的就是圖靈測試，艾倫圖靈(Alan Turing, 1912-1954)是一個有名的英國數學家，英國50元鈔票，原是蒸汽機發明人瓦特的照片，紀念瓦特帶來人類文明的工業革命。英格蘭銀行說2021年照片會換成圖靈(Alan Turing)的照片，這也暗示產業的變革，從能源力學變成智能。

人工智慧中，機器學習是很重要的核心，而機器學習的演算法中，類神經網路(Artificial Neural Network，ANN)更是核心。

類神經網路模擬生物的神經細胞的運作，比如，輸入神經元接受訊息，計算分析，辨識出貓或者是狗 。

類神經網路，模擬生物的神經細胞的運作，在資訊電腦的系統來說，充滿了大量矩陣的運算，在過去電腦計算能力還不是那麼強的時候，大量的矩陣運算，無法立即進行可靠的結果。21世紀初，資通訊系統邁入全新的時代，強大的計算力，使類神經網路有了經濟的普及工具可以運用。

比如你寫了一個字母，你拿其中三個去訓練機器，類神經網路演算法計算出矩陣， 再用這個矩陣，驗證最後一個字母，這就是一般機器學習的流程。

自921以來，筆者也投入耐震評估與補強工作，曾經參與評估補強過學校、醫院，也因緣際會曾分析過核電廠設施的耐震能力。這幾年來，也投入耐震審查的工作，就技師、建築師作出的評估結果與設計，審視其可行性與有效性。筆者在很多場合建議國震中心、或各大專院校的學者，可應用類神經網路、人工智慧機器學習(Machine Learning)的技術，進行耐震評估與補強。這時代相關的資源很豐富且幾乎免費，你可以輕易用Amazon或Google的人工智慧雲端主機，進行自己人工智慧的機器學習，訓練出一台機器可以給它看一張結構平面圖，它就會回覆這結構的耐震能力。

這不是一篇純學術的文章，我提供的是具體可行的方向，你可以在網路上找到豐沛的資源，自學怎麼作機器學習ML，比如介紹怎麼用Google的人工智慧機器學習平台，訓練出一個可以辨識秋田和柴犬的影片，就是一適例，你逐步就可建立自己的人工智慧平台。

怎麼用人工智慧進行耐震評估，我們對建築物評估的需求，不外乎輸入幾何條件(柱梁牆的尺寸)，材料的性質(抗壓強度，鋼筋量與鋼筋降伏強度)，邊界條件(地盤種類，結構基面)，求出耐震能力Ap(Acceleration, Performance)，而以法規需求為目標地表加速度At(Acceleration,Target)，比對與補強結構至法規需求。

依行政院2018年公告最新「建築物實施耐震能力評估及補強方案」統計數字，台灣公有建物已完成約6千棟補強，而需補強有約1萬棟，也就是需補強的1萬棟中約有1/3未完成補強，這若不是逐年提高的耐震需求所致，就是我們在921過了20年，公有建物的補強牛步化。但全台「公有」建物依上載統計約3萬棟，有1/3要補強，又補不到2/3，全台上百萬棟的「私有」建物，是否在下一個921又要被奪走數千條人命？這是我們該加速進行的工作。

我們該「簡化」耐震評估的流程，但不失精準，以上載既然已有上萬筆(耐震能力詳細評估已完成14,569棟)資料，這些資料用最簡單的方式，把外觀(梁柱牆尺寸)輸入，進行機器學習ML，先不要理會高窗、混凝土強度、鋼筋量、樓層數，先用最單純的「一樓」平面圖，讓圖像進行機器學習，再建立一個可供民眾簡單「私底下」自行評估房子是否耐震的人工智慧平台。

總之，本文主要簡單說明人工智慧的機器學習，在類神經網路與深度學習的架構上，怎麼訓練出一台可快速提供耐震能力評估，以及馬上可知建物結構崩塌地表加速度的平台。

【本文稿經由台灣省土木技師公會技師報同意轉載；未經允許請勿任意轉載】