JAKARTA – Proyek kecerdasan buatan (AI) dapat memprediksi awal dari titik kritis yang digunakan berpotensi menyebabkan bencana , seperti keruntuhan ekologi, kejatuhan finansial, pandemi, lalu pemadaman listrik.
“Jika transisi kritis yang akan datang dapat diprediksi, maka kita bisa jadi mempersiapkan perubahan yang dimaksud atau bahkan menjaga dari transisi itu terjadi, sehingga dapat mengempiskan kerusakan,” kata Gang Yan, penulis senior studi dan juga profesor ilmu komputer pada Universitas Tongji di area China, untuk Live Science dilansir Kamis (22/8/2024).
Para peneliti komputer sama-sama Gang Yan mempublikasikan temuan merekan pada 15 Juli 2024 di tempat jurnal Physical Review X.
Titik kritis dideskripsikan sebagai perpindahan mendadak yang menyebabkan suatu sistem atau lingkungannya berubah ke keadaan tidak ada diinginkan, atau kondisi sulit untuk kembali ke keadaan semula. Misalnya, apabila lapisan es Greenland runtuh, hal ini akan mengempiskan curah salju di tempat bagian utara pulau tersebut, secara tajam meningkatkan permukaan laut serta menyebabkan sebagian besar lapisan es tiada dapat dipulihkan.
Namun, ilmu di area balik perubahan struktural dramatis ini kurang dipahami serta kerap kali didasarkan pada model yang dimaksud terlalu disederhanakan. Hal ini menimbulkan prediksi yang digunakan 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 dimaksud menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang mana tambahan akurat di memprediksi transisi berbahaya, para peneliti di studi ini menggabungkan dua jenis jaringan saraf, atau algoritma yang meniru cara otak memproses informasi. Jaringan pertama memecah sistem yang tersebut kompleks menjadi jaringan besar yang digunakan terdiri dari node yang dimaksud 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; pada sistem media sosial, sebuah node mampu menunjukkan pengguna, juga sebagainya,” kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui pada 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 di sistem teoretis simpel — termasuk model habitat lalu metronom yang dimaksud bukan sinkron yang, jikalau diberi waktu cukup, akan mulai bergerak bersamaan.
