JAKARTA – Inisiatif kecerdasan buatan (AI) dapat memprediksi awal dari titik kritis yang tersebut berpotensi menyebabkan bencana , seperti keruntuhan ekologi, kejatuhan finansial, pandemi, dan juga pemadaman listrik.
“Jika transisi kritis yang akan datang dapat diprediksi, maka kita mampu mempersiapkan perubahan yang disebutkan atau bahkan menghindari transisi itu terjadi, sehingga dapat menurunkan kerusakan,” kata Gang Yan, penulis senior studi lalu profesor ilmu komputer dalam Universitas Tongji di dalam China, terhadap Live Science dilansir Kamis (22/8/2024).
Para peneliti komputer dengan Gang Yan mempublikasikan temuan mereka pada 15 Juli 2024 dalam jurnal Physical Review X.
Titik kritis dideskripsikan sebagai perpindahan mendadak yang tersebut menyebabkan suatu sistem atau lingkungannya berubah ke keadaan tak diinginkan, atau kondisi sulit untuk kembali ke keadaan semula. Misalnya, apabila lapisan es Greenland runtuh, hal ini akan menghurangi curah salju di tempat bagian utara pulau tersebut, secara radikal meningkatkan permukaan laut juga menghasilkan sebagian besar lapisan es tak dapat dipulihkan.
Namun, ilmu di dalam balik perubahan struktural dramatis ini kurang dipahami kemudian rutin kali didasarkan pada model yang terlalu disederhanakan. Hal ini menyebabkan prediksi yang digunakan akurat menjadi sulit.
Para ilmuwan umumnya menggunakan statistik untuk mengukur kekuatan serta ketahanan sistem dengan fluktuasi yang semakin besar. Tetapi hasil dari studi yang tersebut menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang dimaksud lebih tinggi akurat pada memprediksi transisi berbahaya, para peneliti pada studi ini menggabungkan dua jenis jaringan saraf, atau algoritma yang digunakan meniru cara otak memproses informasi. Jaringan pertama memecah sistem yang dimaksud kompleks menjadi jaringan besar yang tersebut terdiri dari node yang digunakan saling berinteraksi, kemudian melacak hubungan antara node tersebut. Jaringan kedua mengikuti bagaimana setiap node berubah seiring waktu.
“Misalnya, di sistem keuangan, sebuah node mampu menjadi perusahaan tunggal; di sistem ekologi, sebuah node sanggup mewakili spesies; di sistem media sosial, sebuah node bisa jadi menunjukkan pengguna, kemudian sebagainya,” kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui di area mana harus mencari mereka juga sulit, maka menciptakan data dunia nyata tentang transisi kritis mendadak menjadi langka. Untuk melatih model mereka, para peneliti beralih ke titik kritis di sistem teoretis mudah — termasuk model sistem ekologi dan juga metronom yang dimaksud tidaklah sinkron yang, apabila diberi waktu cukup, akan mulai bergerak bersamaan.
