Bagaimana pembelajaran mesin membantu arsitek merancang kota yang lebih berkelanjutan

Taruhan bola – Teknologi-teknologi baru seperti perangkat lunak visualisasi dan rendering yang didukung oleh kecerdasan buatan (AI) dan pembelajaran mesin memungkinkan arsitek untuk mengevaluasi aspek keberlanjutan sejak tahap awal proses desain, tulis Dan Ring dari Chaos. Perubahan iklim menjadi perhatian utama bagi semua orang, dan dengan proyeksi bahwa tahun 2025 akan menjadi salah satu tahun terpanas dalam catatan sejarah, arsitek dan perencana kota menghadapi tekanan yang semakin besar untuk memprioritaskan desain berkelanjutan. Tanpa perencanaan proaktif, masyarakat dapat menjadi rentan terhadap suhu ekstrem, kenaikan biaya energi, dan banjir.

Laporan Penilaian Risiko Banjir Nasional (NaFRA) menyebutkan bahwa sekitar 6,3 juta properti di Inggris sudah berisiko terkena banjir. Seiring dengan perubahan iklim yang terus berlanjut, angka tersebut dapat meningkat menjadi 8 juta pada pertengahan abad ini. Di saat yang sama, banyak rumah di Inggris yang tidak dilengkapi dengan baik untuk menghadapi kenaikan suhu dan beroperasi secara efisien.

Kenyataan ini menuntut penerapan desain dan konstruksi berkelanjutan di negara tersebut. Ini bukan hanya soal kenyamanan, tetapi juga soal keselamatan, ketahanan, dan masa depan. e dari cara kita membangun.

Meskipun pemerintah telah menjanjikan dana sebesar £650 juta untuk “memperbarui secara berkelanjutan” bangunan-bangunan publik, bagaimana dengan nasib para pemilik rumah dan keluarga? Kemungkinan besar mereka harus menanggung biaya pompa panas sebesar £11.000.

Pertanyaan pun muncul – seberapa layak secara ekonomi pembangunan berkelanjutan ini? Merenovasi bangunan yang sudah ada atau membangun secara berkelanjutan dari nol seringkali bisa menjadi proses yang mahal dan rumit, namun teknologi dapat membantu meringankan biaya dan memberdayakan arsitek untuk merancang kota yang lebih cerdas. Bagaimana pembelajaran mesin dapat mengurangi biaya konstruksi Konstruksi bisa mahal, tetapi alat desain digital yang dibangun dengan teknologi baru seperti AI dapat secara signifikan mengurangi biaya.

Banyak dari alat ini memanfaatkan pembelajaran mesin, sebuah cabang dari AI yang menggunakan model dan algoritma untuk menghasilkan wawasan dan mendukung keputusan desain yang lebih cerdas. Pada tahap awal desain, pembelajaran mesin memberdayakan arsitek untuk menguji keberlanjutan sebuah bangunan sebelum konstruksi dimulai, menjelajahi skenario “bagaimana jika” dengan jauh lebih cepat. Misalnya Misalnya, dengan menggunakan alat berbasis ML, seorang arsitek dapat memutar bangunan sebesar 10 derajat dan langsung melihat bagaimana perubahan tersebut memengaruhi kinerja termal.

Wawasan awal ini membantu mengidentifikasi potensi masalah dan mengoptimalkan efisiensi energi sebelum memulai pembangunan. Dengan mengidentifikasi masalah sejak dini, tim dapat meminimalkan kebutuhan perancangan ulang, mengurangi limbah material selama konstruksi, dan memastikan proses konstruksi yang lebih efisien. Pembelajaran mesin juga membebaskan arsitek untuk menghabiskan lebih banyak waktu pada proses ideasi kreatif dengan mengotomatiskan tugas-tugas yang berulang dan memakan waktu.

Iterasi yang lebih cepat pada tahap pra-desain awal dapat membantu memprediksi dampak lingkungan lebih dini. Misalnya, mendeteksi anomali tak terduga dalam karbon tertanam atau kenyamanan termal. Mengidentifikasi persyaratan bersama klien seperti ini memangkas waktu penyelesaian yang memusingkan dan menghasilkan solusi yang lebih baik dengan lebih cepat.

Beberapa alat AI juga dapat memeriksa keputusan desain untuk memastikan kepatuhan terhadap kode dan regulasi lokal sambil tetap setia pada kebutuhan klien. Persyaratan. Dalam konteks konstruksi berkelanjutan, pilihan bahan yang tersedia sangat luas, dan terkadang justru membuat bingung.

Saat mencoba menyelaraskan tujuan dengan opsi rendah karbon, kita sering kali tergoda untuk kembali menggunakan bahan-bahan lama yang sudah dikenal, padahal mungkin ada solusi yang lebih sesuai (dan hemat biaya). Dengan berfokus pada persyaratan proyek dan anggaran tertentu, penelitian yang didukung AI membantu mempermudah identifikasi dan pengadaan bahan alternatif, sekaligus mengevaluasi risiko potensial apa pun. Yang penting, perlu dicatat bahwa konstruksi berkelanjutan mungkin tidak semahal yang diklaim oleh sebagian orang.

Penelitian menunjukkan bahwa investasi awal seringkali relatif kecil, hanya sekitar 2% lebih tinggi daripada konstruksi tradisional. Seiring waktu, bagaimanapun, bangunan-bangunan ini akan mengembalikan investasinya sendiri, mengurangi biaya operasional hingga 14%–19%. Dengan meningkatkan isolasi, menerapkan teknik pendinginan pasif, meningkatkan efisiensi energi, dan mengintegrasikan energi terbarukan, baik pemilik rumah maupun pengembang dapat menciptakan ruang yang tidak hanya lebih baik bagi planet ini tetapi juga Selain itu, biayanya juga lebih terjangkau.

Memberdayakan arsitek dan memperluas akses Perubahan iklim tidak akan hilang, dan lingkungan binaan harus terus berkembang sebagai respons terhadapnya. Selain mengadvokasi desain berkelanjutan, arsitek membutuhkan alat praktis dan canggih yang membantu mereka mewujudkan ambisi menjadi tindakan nyata. Di sinilah AI dan pembelajaran mesin mulai memberikan dampak nyata.

Teknologi baru seperti perangkat lunak visualisasi dan rendering yang didukung oleh AI dan machine learning memungkinkan arsitek untuk mengevaluasi keberlanjutan sejak awal proses desain. Berperan sebagai mitra kreatif, alat-alat ini dapat mensimulasikan dampak lingkungan sebuah bangunan sebelum konstruksi dimulai, sehingga memungkinkan pengambilan keputusan yang lebih cerdas terkait bahan, penggunaan energi, dan efisiensi sepanjang proses konstruksi. Machine learning tidak hanya meningkatkan hasil desain; ia juga membuat konstruksi berkelanjutan menjadi lebih terjangkau dan mudah diakses.

Dengan menyederhanakan alur kerja dan memangkas waktu iterasi, alat-alat ini dapat mengurangi biaya desain dan konstruksi, memberdayakan para arsitek dan pengembang untuk menghadirkan desain berkelanjutan ke lebih banyak komunitas.