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