Apa penemuan paling berdampak yang diciptakan dalam 50 tahun terakhir? Ini bukan internet atau blockchain. Itu tidak ada hubungannya dengan mengkloning manusia atau mendaratkan roket luar angkasa di platform laut terapung. Dalam konstruksi, banyak yang dikatakan tentang bagaimana pembelajaran mesin dan kecerdasan buatan akan mengubah industri, tetapi sulit untuk membayangkan bagaimana tepatnya. Bagaimanapun, kontraktor dan mesin yang mereka gunakan jauh lebih nyata. Kontraktor suka memegang sesuatu dengan tangan mereka dan melihat segala sesuatunya beraksi. Namun jangan lupa bahwa komputer juga merupakan mesin dan kemampuannya untuk mendeteksi tren dan pola sama bergunanya di lokasi kerja seperti halnya derek. Jadi bagaimana pembelajaran mesin bekerja dan mengapa kontraktor harus memperhatikannya.

Penemuan paling berpengaruh di Era Informasi baru ini adalah algoritme. Algoritma telah menggulingkan pemerintah , menghubungkan orang-orang di tempat-tempat terpencil di dunia dan menciptakan kekayaan dalam prosesnya. Saat ini, hampir setiap fungsi utama melewati beberapa algoritme—mulai dari transaksi keuangan hingga gambar kucing. Sementara sistem ini telah membuat hidup lebih mudah dalam banyak hal, itu juga menciptakan banyak kerumitan.  Tapi di wajahnya, sebuah algoritma sebenarnya tidak terlalu rumit. Pada intinya, algoritma adalah seperangkat instruksi yang memberi tahu komputer apa yang harus dilakukan. Mereka mengandalkan logika dan pernyataan IF dan THEN. Instruksi ini ditulis untuk komputer, yang merupakan mesin elektronik dengan miliaran transistor yang menyimpan bit informasi dan dihidupkan dan dimatikan miliaran kali per detik, tergantung pada instruksi yang diberikan kepada mereka. Dengan setiap penekanan tombol pada ponsel atau komputer, miliaran transistor kecil ini bekerja untuk membuat huruf dan gambar yang muncul di layar, dan itu dilakukan dengan kecepatan tinggi. Semua ini tidak akan mungkin terjadi tanpa serangkaian instruksi—atau algoritme—untuk memberi tahu komputer cara melakukannya.

Karena jumlah data yang dihasilkan hari ini telah meningkat, demikian juga kompleksitas algoritma ini. Adalah umum untuk melihat program yang mengandalkan operasi yang lebih kompleks—seperti platform pemesanan maskapai penerbangan atau database terorisme NSA—memiliki jutaan baris kode. Karena semakin banyak organisasi mendigitalkan operasi mereka, dan semakin banyak perusahaan yang meminta lebih banyak dari sistem mereka, menulis kode untuk setiap tugas dan pada skala telah menjadi tugas yang sangat intensif.

Untuk mengatasi ini, pemrogram mengajukan pertanyaan cerdas: bagaimana jika alih-alih mencoba menulis kode dengan memberi tahu komputer apa yang harus dilakukan, bagaimana jika mereka menulis algoritme yang menunjukkan apa yang harus dilakukan. Dengan kata lain, jika pemrogram merancang algoritme yang dapat membalikkan dan menulis algoritme, mereka dapat menskalakan kompleksitas dan kemampuan operasi mereka secara eksponensial. Misalnya, jika seorang programmer ingin menulis resep yang paling efisien untuk memanggang kue (yaitu, “bagaimana saya bisa mendapatkan kue terbaik dalam hal rasa dan tekstur, sementara juga menggunakan jumlah bahan paling sedikit dan melakukannya dalam jumlah sesingkat mungkin? waktu?”) dia harus menjelaskan secara eksplisit detail dalam algoritme bagaimana mencapai ini. Dan jika programmer bukan pembuat roti profesional atau bahkan juru masak amatir, program ini akan memiliki peluang kegagalan yang tinggi.

Tetapi bagaimana jika alih-alih menulis program ini sendiri, pemrogram ini menulis algoritme yang menunjukkan jutaan versi resep kue ke komputer dan membiarkan mesin mendeteksi pola dan menghasilkan keseimbangan optimal antara tepung, mentega, dan cokelat? Dalam praktiknya, ini berarti bahwa seorang programmer dapat menulis sebuah program dengan 100 baris kode, memasukkan resep kue ke dalam algoritme ini, dan kemudian melihatnya berkembang saat algoritme pembelajaran ini bekerja membangun algoritme yang jauh lebih kompleks, jauh lebih komprehensif dengan jutaan baris kode dan pada sebagian kecil dari kecepatan dari tim bisa. Inilah keajaiban pembelajaran mesin; menulis algoritma yang menulis algoritma lain. Pada dasarnya, inilah yang dilakukan pembelajaran mesin. Hari ini, ide ini terasa seperti sihir dan yang terburuk adalah akhir dari umat manusia. Algoritme penulisan sendiri ini mungkin terdengar seperti hari-hari awal pengambilalihan total robot. AI-alarmists bertanya "apa yang terjadi ketika salah satu algoritme merancang algoritme yang tidak kami pahami, yang tidak dapat kami kendalikan, dan yang melakukan hal-hal yang tidak kami inginkan?", tetapi hingga hari ini sebagian besar dari algoritma pembelajaran ini diterapkan dengan cara yang lebih praktis. Karena teknik ini saat ini diterapkan di dunia nyata, umumnya dimulai dengan membuat label untuk tipe data yang berbeda (dalam hal ini, mentega, gula, ons), dan kemudian memungkinkan algoritme untuk mencocokkan tipe data di seluruh versi resep yang berbeda. Merancang algoritme seperti ini (yaitu, secara statistik daripada secara deterministik), membuka kekuatan pengenalan pola dan jaringan saraf yang tidak akan terlihat oleh mata manusia. Konstruksi dapat menimbulkan kebingungan, yang dapat mengakibatkan rekonstruksi yang mahal dan sebaliknya dapat dihindari. Perkembangan baru untuk pemodelan gambar bangunan memungkinkan kontraktor untuk memperkirakan kesalahan desain serta rencana overlay untuk sistem kelistrikan dan pipa ledeng di lokasi yang mereka bangun.

Dalam bentuknya yang paling sederhana, teknologi baru menghemat waktu yang biasanya dihabiskan untuk tugas-tugas kasar atau memakan waktu. Dan dalam konstruksi, seperti yang terjadi di mana-mana, waktu adalah uang. Perangkat lunak analitik data dapat melacak tingkat konstruksi aktual dan membandingkannya dengan tingkat yang diproyeksikan, yang tentu saja berarti tingkat penyelesaian proyek yang lebih baik dan pengembalian investasi yang lebih tinggi. Harvard Business Review baru-baru ini memperjelas keuntungannya: perusahaan yang menggunakan teknologi berbasis data telah mengalami peningkatan produktivitas sebesar 5% dan peningkatan laba sebesar 6%. Pengembangan berkelanjutan dari teknologi Big Data dan AI menjanjikan lebih banyak inovasi untuk konstruksi dan banyak sektor lainnya dalam waktu yang tidak lama lagi. Sementara itu, pengadopsi awal teknologi semacam itu sudah memperhatikan keunggulan kompetitif yang tiba-tiba mereka peroleh. Di era di mana prakiraan konstruksi global mencakup proyek-proyek yang lebih besar daripada yang pernah dilakukan secara historis, dan dalam ekonomi global yang penuh ketidakpastian, teknologi baru ini membantu meminimalkan ketidakpastian yang ada dalam proses konstruksi itu sendiri dan mendorong kontraktor apa, bahkan mereka yang memiliki sumber daya atau tenaga kerja, mampu melakukan.

sumber : https://constructionexec-com