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