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 dimaksud akan datang dapat diprediksi, maka kita sanggup mempersiapkan perubahan yang dimaksud atau bahkan menghindari transisi itu terjadi, sehingga dapat mengempiskan kerusakan,” kata Gang Yan, penulis senior studi lalu profesor ilmu komputer dalam Universitas Tongji di dalam China, untuk Live Science dilansir Kamis (22/8/2024).
Para peneliti komputer sama-sama Gang Yan mempublikasikan temuan dia pada 15 Juli 2024 di area jurnal Physical Review X.
Titik kritis dideskripsikan sebagai transformasi mendadak yang mana menyebabkan suatu sistem atau lingkungannya berubah ke keadaan tidaklah diinginkan, atau kondisi sulit untuk kembali ke keadaan semula. Misalnya, apabila lapisan es Greenland runtuh, hal ini akan menurunkan curah salju dalam bagian utara pulau tersebut, secara besar meningkatkan permukaan laut serta menyebabkan sebagian besar lapisan es tiada dapat dipulihkan.
Namun, ilmu di area balik metamorfosis dramatis ini kurang dipahami dan juga kerap kali didasarkan pada model yang dimaksud terlalu disederhanakan. Hal ini menyebabkan prediksi yang digunakan 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 digunakan menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang mana lebih banyak akurat pada memprediksi transisi berbahaya, para peneliti pada studi ini menggabungkan dua jenis jaringan saraf, atau algoritma yang tersebut meniru cara otak memproses informasi. Jaringan pertama memecah sistem yang mana kompleks menjadi jaringan besar yang digunakan 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 bisa saja menjadi perusahaan tunggal; di sistem ekologi, sebuah node mampu mewakili spesies; di sistem media sosial, sebuah node bisa jadi menunjukkan pengguna, lalu sebagainya,” kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui di tempat mana harus mencari merek 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 mudah — termasuk model lingkungan juga metronom yang digunakan bukan sinkron yang, apabila diberi waktu cukup, akan mulai bergerak bersamaan.
