JAKARTA – Rencana kecerdasan buatan (AI) dapat memprediksi awal dari titik kritis yang berpotensi menyebabkan bencana , seperti keruntuhan ekologi, kejatuhan finansial, pandemi, juga pemadaman listrik.
“Jika transisi kritis yang akan datang dapat diprediksi, maka kita mampu mempersiapkan perpindahan yang disebutkan atau bahkan menjaga dari transisi itu terjadi, sehingga dapat menghurangi kerusakan,” kata Gang Yan, penulis senior studi lalu profesor ilmu komputer di dalam Universitas Tongji dalam China, untuk Live Science dilansir Kamis (22/8/2024).
Para peneliti komputer dengan Gang Yan mempublikasikan temuan dia pada 15 Juli 2024 di dalam jurnal Physical Review X.
Titik kritis dideskripsikan sebagai transformasi mendadak yang dimaksud menyebabkan suatu sistem atau lingkungannya berubah ke keadaan tak diinginkan, atau kondisi sulit untuk kembali ke keadaan semula. Misalnya, jikalau lapisan es Greenland runtuh, hal ini akan mengempiskan curah salju dalam bagian utara pulau tersebut, secara besar meningkatkan permukaan laut juga menciptakan sebagian besar lapisan es tiada dapat dipulihkan.
Namun, ilmu pada balik perubahan fundamental dramatis ini kurang dipahami dan juga kerap kali didasarkan pada model yang dimaksud terlalu disederhanakan. Hal ini memproduksi prediksi yang dimaksud akurat menjadi sulit.
Para ilmuwan umumnya menggunakan statistik untuk mengukur kekuatan dan juga ketahanan sistem dengan fluktuasi yang mana semakin besar. Tetapi hasil dari studi yang menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang dimaksud tambahan 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 mana kompleks menjadi jaringan besar yang terdiri dari node yang dimaksud saling berinteraksi, kemudian melacak hubungan antara node tersebut. Jaringan kedua mengikuti bagaimana setiap node berubah seiring waktu.
“Misalnya, di sistem keuangan, sebuah node sanggup menjadi perusahaan tunggal; pada sistem ekologi, sebuah node bisa saja mewakili spesies; pada sistem media sosial, sebuah node sanggup menunjukkan pengguna, kemudian sebagainya,” kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui pada mana harus mencari mereka juga sulit, maka menghasilkan data dunia nyata tentang transisi kritis mendadak menjadi langka. Untuk melatih model mereka, para peneliti beralih ke titik kritis di sistem teoretis mudah — termasuk model ekosistem serta metronom yang mana tidak ada sinkron yang, apabila diberi waktu cukup, akan mulai bergerak bersamaan.
