JAKARTA – Proyek kecerdasan buatan (AI) dapat memprediksi awal dari titik kritis yang digunakan berpotensi menyebabkan bencana , seperti keruntuhan ekologi, kejatuhan finansial, pandemi, juga pemadaman listrik.
“Jika transisi kritis yang digunakan akan datang dapat diprediksi, maka kita bisa jadi mempersiapkan perpindahan yang dimaksud atau bahkan menghindari transisi itu terjadi, sehingga dapat mengempiskan kerusakan,” kata Gang Yan, penulis senior studi dan juga profesor ilmu komputer di dalam Universitas Tongji pada China, terhadap Live Science dilansir Kamis (22/8/2024).
Para peneliti komputer sama-sama Gang Yan mempublikasikan temuan dia pada 15 Juli 2024 pada jurnal Physical Review X.
Titik kritis dideskripsikan sebagai transformasi mendadak yang digunakan 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 menurunkan curah salju di dalam bagian utara pulau tersebut, secara ekstrem meningkatkan permukaan laut dan juga menciptakan sebagian besar lapisan es tiada dapat dipulihkan.
Namun, ilmu dalam balik metamorfosis dramatis ini kurang dipahami juga kerap kali didasarkan pada model yang tersebut terlalu disederhanakan. Hal ini menciptakan prediksi yang dimaksud akurat menjadi sulit.
Para ilmuwan umumnya menggunakan statistik untuk mengukur kekuatan dan juga ketahanan sistem dengan fluktuasi yang tersebut semakin besar. Tetapi hasil dari studi yang digunakan menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang digunakan tambahan 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 mana kompleks menjadi jaringan besar yang digunakan 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 bisa saja menjadi perusahaan tunggal; pada sistem ekologi, sebuah node dapat mewakili spesies; pada sistem media sosial, sebuah node sanggup menunjukkan pengguna, serta sebagainya,” kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui di tempat mana harus mencari merekan juga sulit, maka memproduksi 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 lingkungan juga metronom yang dimaksud tidaklah sinkron yang, jikalau diberi waktu cukup, akan mulai bergerak bersamaan.
