Jakarta, CNBC Indonesia – Peneliti mengembangkan kecerdasan buatan (AI) yang mampu memprediksi titik kritis (tipping point) “kiamat” perubahan iklim lebih dari dua tahun sebelum terjadi, dengan selisih prediksi hanya 11 hari dari waktu kejadian sebenarnya.
Penelitian ini melibatkan ilmuwan dari California Institute of Technology (Caltech), University of Colorado Boulder, dan NVIDIA. Mereka mengembangkan model AI bernama recurrent neural operator (RNO) yang mampu mempelajari perubahan perilaku sistem fisik dari waktu ke waktu.
Tipping point merupakan ambang ketika suatu sistem mengalami perubahan drastis yang sulit atau tidak mungkin dikembalikan ke kondisi semula. Dalam konteks iklim, fenomena ini mencakup potensi hilangnya awan laut secara tiba-tiba, runtuhnya sirkulasi laut, hingga ketidakstabilan lapisan es di kutub.
Peneliti menguji RNO menggunakan simulasi awan stratokumulus, yakni awan rendah di atas laut yang memantulkan sinar matahari dan membantu mendinginkan Bumi.
Model iklim memperkirakan awan ini dapat menghilang secara tiba-tiba ketika konsentrasi karbon dioksida (CO2) melampaui ambang tertentu, sehingga mempercepat pemanasan global.
Dalam simulasi tersebut, AI berhasil memprediksi titik hilangnya awan lebih dari dua tahun sebelumnya, dengan selisih sekitar 11 hari dari waktu kejadian sebenarnya.
Peneliti juga menguji model ini untuk memprediksi fenomena aerodynamic stall pada sayap pesawat. Hasilnya menunjukkan RNO berpotensi membantu mendeteksi perubahan drastis dalam sistem kompleks sebelum mencapai titik kritis.
Jane Bae, salah satu penulis penelitian dari Caltech, mengatakan model tersebut dapat mengenali ketika hukum fisika yang dipelajarinya tidak lagi cukup untuk menjelaskan kondisi sistem yang sedang berlangsung.
“Kemampuan untuk mengantisipasi perubahan kualitatif ini sebelum terjadi dapat sangat berguna untuk prediksi dan desain aerodinamika,” kata Bae, dikutip dari laman Earth, Senin (19/10/2026).
Hasil penelitian ini menunjukkan bahwa AI berpotensi membantu ilmuwan mendeteksi perubahan drastis pada sistem kompleks sebelum mencapai titik kritis.
Meski demikian, hasil pengujian tersebut berasal dari simulasi, sehingga kemampuan model dalam memprediksi kejadian nyata masih perlu dikaji lebih lanjut.
(dem/dem)
Leave a comment