Algoritma AI Mampu Memprediksi Bencana yang Akan Datang

JAKARTA – Program kecerdasan buatan (AI) dapat memprediksi terjadinya momen-momen kritis yang dapat menimbulkan bencana alam seperti kerusakan lingkungan, keruntuhan finansial, pandemi, dan pemadaman listrik.

“Jika kita dapat memprediksi transisi penting yang akan datang, kita dapat mempersiapkannya atau bahkan mencegah terjadinya, sehingga mengurangi dampak buruknya,” kata penulis utama studi dan peneliti di Tongji Tiongkok, kata Gan Yang, seorang profesor ilmu komputer di sebuah universitas. kepada Live Science, seperti dilansir Kamis (22/8/2024).

Peneliti komputer Gang Yang mempublikasikan temuan mereka di jurnal Physical Review X pada 15 Juli 2024.

Titik kritis digambarkan sebagai perubahan mendadak dalam suatu sistem atau lingkungannya menjadi keadaan yang tidak diinginkan atau sulit untuk kembali terjadi. Misalnya, jika lapisan es Greenland runtuh, hujan salju di bagian utara pulau akan berkurang, permukaan air laut akan naik secara signifikan, dan sebagian besar lapisan es tidak dapat diperbaiki lagi.

Namun, ilmu pengetahuan di balik perubahan mengejutkan ini masih kurang dipahami dan sering kali didasarkan pada model yang terlalu disederhanakan. Hal ini membuat prediksi yang akurat menjadi sulit.

Para ilmuwan biasanya menggunakan statistik untuk mengukur ketahanan dan stabilitas sistem dengan variabilitas yang semakin meningkat. Namun, hasil penelitian yang menggunakan metode statistik tersebut masih kontroversial.

Untuk menemukan cara yang lebih akurat dalam memprediksi transisi berbahaya, para peneliti dalam penelitian ini menggabungkan dua jenis jaringan saraf, atau algoritma, yang meniru cara otak memproses informasi. Jaringan pertama-tama membagi sistem yang kompleks menjadi jaringan besar yang terdiri dari node-node yang saling berinteraksi dan kemudian melacak hubungan antara node-node tersebut. Grid kedua melacak bagaimana setiap node berubah seiring waktu.

“Misalnya, dalam sistem keuangan, sebuah node dapat mewakili satu perusahaan; dalam sistem lingkungan, sebuah node dapat mewakili suatu spesies; dan dalam sistem media sosial, sebuah node dapat mewakili seorang pengguna.”

Titik-titik kritis sulit diprediksi dan sulit diketahui di mana mencarinya, sehingga mengurangi informasi real-time tentang transisi kritis yang tiba-tiba. Untuk mengembangkan model tersebut, para peneliti fokus pada poin-poin penting dalam sistem teoritis sederhana, seperti model ekosistem dan metronom asinkron yang bekerja sama dalam waktu yang cukup.

Setelah jaringan saraf memiliki cukup data, para peneliti menanyakan permasalahan dunia nyata, seperti mengubah hutan hujan menjadi sabana. Dengan menggunakan data satelit selama lebih dari 20 tahun dari tiga wilayah di Afrika Tengah yang mengalami perubahan mendadak ini, para ilmuwan mengembangkan algoritma yang memberikan informasi tentang curah hujan dan tutupan pohon di kedua wilayah tersebut.

Dari informasi tersebut, AI secara akurat memperkirakan apa yang terjadi di area ketiga, meskipun 81% node sistem merupakan bagian dari area yang tidak teramati.

Setelah berhasil memprediksi titik-titiknya, para peneliti kini mencari cara untuk memecahkan “kotak hitam” algoritma dan menemukan pola yang terdeteksi. Mereka kemudian berharap dapat menerapkan model tersebut pada sistem lain, seperti kebakaran hutan, pandemi, dan krisis keuangan.

Salah satu tantangan dalam sistem prediksi berkaitan dengan manusia, yang mempelajari dan merespons prediksi mereka sendiri yang memengaruhi perilaku manusia dengan cara yang kompleks. Untuk mengatasi masalah ini, para peneliti berfokus pada bagian sistem manusia yang tampaknya tidak terpengaruh oleh niat manusia.

Menggunakan AI untuk menangkap sinyal-sinyal penting ini bisa sangat membantu dalam membuat prediksi. Hal ini penting karena meskipun sistem tersebut sulit diprediksi, transisi signifikan dalam sistem yang berhubungan dengan manusia dapat menimbulkan konsekuensi yang lebih parah.