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