Algoritma AI Mampu Memprediksi Bencana yang Akan Datang
Kamis, 22 Agustus 2024 - 22:00 WIB
loading...
A
A
A
Para ilmuwan umumnya menggunakan statistik untuk mengukur kekuatan dan ketahanan sistem dengan fluktuasi yang semakin besar. Tetapi hasil dari studi yang menggunakan metode statistik semacam itu masih kontroversial.
Untuk mencari cara yang lebih akurat dalam memprediksi transisi berbahaya, para peneliti dalam studi ini menggabungkan dua jenis jaringan saraf, atau algoritma yang meniru cara otak memproses informasi. Jaringan pertama memecah sistem yang kompleks menjadi jaringan besar yang terdiri dari node yang saling berinteraksi, kemudian melacak hubungan antara node tersebut. Jaringan kedua mengikuti bagaimana setiap node berubah seiring waktu.
"Misalnya, dalam sistem keuangan, sebuah node bisa menjadi perusahaan tunggal; dalam sistem ekologi, sebuah node bisa mewakili spesies; dalam sistem media sosial, sebuah node bisa menunjukkan pengguna, dan sebagainya," kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui di mana harus mencari mereka juga sulit, maka membuat data dunia nyata tentang transisi kritis mendadak menjadi langka. Untuk melatih model mereka, para peneliti beralih ke titik kritis dalam sistem teoretis sederhana — termasuk model ekosistem dan metronom yang tidak sinkron yang, jika diberi waktu cukup, akan mulai bergerak bersamaan.
Baca Juga: Pembasmi Hama Berbasis Teknologi AI Diperkenalkan
Setelah jaringan saraf mereka memiliki cukup data, para peneliti memberikan masalah dari dunia nyata, seperti transformasi hutan tropis menjadi sabana. Menggunakan data satelit selama lebih dari 20 tahun dari tiga wilayah di Afrika Tengah yang mengalami transisi mendadak ini, para ilmuwan memberikan algoritma informasi tentang curah hujan dan tutupan pohon di dua wilayah.
Untuk mencari cara yang lebih akurat dalam memprediksi transisi berbahaya, para peneliti dalam studi ini menggabungkan dua jenis jaringan saraf, atau algoritma yang meniru cara otak memproses informasi. Jaringan pertama memecah sistem yang kompleks menjadi jaringan besar yang terdiri dari node yang saling berinteraksi, kemudian melacak hubungan antara node tersebut. Jaringan kedua mengikuti bagaimana setiap node berubah seiring waktu.
"Misalnya, dalam sistem keuangan, sebuah node bisa menjadi perusahaan tunggal; dalam sistem ekologi, sebuah node bisa mewakili spesies; dalam sistem media sosial, sebuah node bisa menunjukkan pengguna, dan sebagainya," kata Yan.
Titik kritis sulit diprediksi, begitu pula mengetahui di mana harus mencari mereka juga sulit, maka membuat data dunia nyata tentang transisi kritis mendadak menjadi langka. Untuk melatih model mereka, para peneliti beralih ke titik kritis dalam sistem teoretis sederhana — termasuk model ekosistem dan metronom yang tidak sinkron yang, jika diberi waktu cukup, akan mulai bergerak bersamaan.
Baca Juga: Pembasmi Hama Berbasis Teknologi AI Diperkenalkan
Setelah jaringan saraf mereka memiliki cukup data, para peneliti memberikan masalah dari dunia nyata, seperti transformasi hutan tropis menjadi sabana. Menggunakan data satelit selama lebih dari 20 tahun dari tiga wilayah di Afrika Tengah yang mengalami transisi mendadak ini, para ilmuwan memberikan algoritma informasi tentang curah hujan dan tutupan pohon di dua wilayah.
Lihat Juga :
