JAKARTA – Inisiatif kecerdasan buatan (AI) dapat memprediksi awal dari titik kritis yang dimaksud berpotensi menyebabkan bencana , seperti keruntuhan ekologi, kejatuhan finansial, pandemi, dan juga pemadaman listrik.
“Jika transisi kritis yang mana akan datang dapat diprediksi, maka kita sanggup mempersiapkan perubahan yang dimaksud atau bahkan mengurangi transisi itu terjadi, sehingga dapat mengempiskan kerusakan,” kata Gang Yan, penulis senior studi juga profesor ilmu komputer dalam Universitas Tongji dalam China, untuk Live Science dilansir Kamis (22/8/2024).
Para peneliti komputer sama-sama Gang Yan mempublikasikan temuan dia pada 15 Juli 2024 dalam jurnal Physical Review X.
Titik kritis dideskripsikan sebagai perubahan mendadak yang mana menyebabkan suatu sistem atau lingkungannya berubah ke keadaan bukan diinginkan, atau kondisi sulit untuk kembali ke keadaan semula. Misalnya, apabila lapisan es Greenland runtuh, hal ini akan menurunkan curah salju di tempat bagian utara pulau tersebut, secara tajam meningkatkan permukaan laut serta menyebabkan sebagian besar lapisan es tak dapat dipulihkan.
Namun, ilmu di area balik metamorfosis dramatis ini kurang dipahami juga rutin kali didasarkan pada model yang mana terlalu disederhanakan. Hal ini menimbulkan prediksi yang tersebut akurat menjadi sulit.
Para ilmuwan umumnya menggunakan statistik untuk mengukur kekuatan lalu ketahanan sistem dengan fluktuasi yang semakin besar. Tetapi hasil dari studi yang dimaksud menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang dimaksud lebih banyak akurat pada 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 digunakan kompleks menjadi jaringan besar yang 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 sanggup menjadi perusahaan tunggal; di sistem ekologi, sebuah node mampu mewakili spesies; di sistem media sosial, sebuah node dapat menunjukkan pengguna, kemudian sebagainya,” kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui di dalam 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 pada sistem teoretis simpel — termasuk model sistem ekologi serta metronom yang tersebut tidaklah sinkron yang, apabila diberi waktu cukup, akan mulai bergerak bersamaan.
