Modelo de razonamiento ChatGPT-O3 aplicado al análisis de fotografías en la detección de fallas estructurales
Montúfar Chiriboga, Gabriel Jesús
ChatGPT-O3 reasoning model applied to the analysis of photographs in the detection of structural faults
Tema inteligencia artificial
Tema monitoreo de salud estructural
Tema modelo de lenguaje
Tema concreto reforzado
Tema structural failure
Tema artificial intelligence
Tema structural health monitoring
Tema language model
Tema reinforced concrete
ChatGPT-O3 demonstrated a high degree of accuracy (85%) in identifying failures and stood out for its viable solutions aligned with international standards such as ACI 546 and EN 1504 (90% relevance). Recommendations included non-destructive testing, concrete repair, reinforcement protection, and preventive maintenance, showing a comprehensive approach to structural failure management.
Although the model has limitations in adapting to local conditions and complex cases, its results show its potential to complement traditional inspections, reducing subjectivity and speeding up diagnosis times. This study highlights the importance of combining artificial intelligence with expert validation to maximize efficiency in structural monitoring and foster more sustainable practices in civil engineering
Descripción La detección de fallas estructurales es crucial para garantizar la seguridad y durabilidad de las edificaciones. Este estudio evalúa las capacidades del modelo de razonamiento ChatGPT-O3 en la identificación y análisis de fallas estructurales mediante imágenes. El modelo fue aplicado a un conjunto de fotografías que mostraban patologías comunes como delaminación, exposición de acero de refuerzo, fisuras y humedad. Sus resultados fueron comparados con evaluaciones realizadas por expertos humanos, analizando precisión, coherencia técnica y relevancia de las soluciones propuestas.
ChatGPT-O3 demostró un alto grado de precisión (85%) en la identificación de fallas y destacó por sus soluciones viables y alineadas con normativas internacionales como ACI 546 y EN 1504 (90% de relevancia). Las recomendaciones incluyeron ensayos no destructivos, reparación de concreto, protección de armaduras y mantenimiento preventivo, mostrando un enfoque integral para la gestión de fallas estructurales.
Aunque el modelo presenta limitaciones en la adaptación a condiciones locales y casos complejos, sus resultados evidencian su potencial para complementar las inspecciones tradicionales, reduciendo la subjetividad y agilizando los tiempos de diagnóstico. Este estudio subraya la importancia de combinar inteligencia artificial con validación experta para maximizar la eficiencia en el monitoreo estructural y fomentar prácticas más sostenibles en la ingeniería civil.
Tipo info:eu-repo/semantics/publishedVersion
Tipo Artículo revisado por pares
Identificador 10.48204/j.saberes.v9n2.a7329
Fuente 2953-321X
Derechos http://creativecommons.org/licenses/by-nc-sa/4.0