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