Peneliti dari California Institute of Technology (Caltech), University of Colorado Boulder, dan NVIDIA mengembangkan model kecerdasan buatan yang dapat memperkirakan titik kritis perubahan iklim lebih dari dua tahun sebelum terjadi. Dalam pengujian simulasi, prediksi AI itu hanya meleset sekitar 11 hari dari waktu perubahan yang sebenarnya.
Model bernama recurrent neural operator (RNO) tersebut dirancang untuk mempelajari perubahan perilaku suatu sistem fisik dari waktu ke waktu. Peneliti mengujinya pada simulasi awan stratokumulus, jenis awan rendah di atas laut yang memantulkan sinar matahari dan membantu mendinginkan Bumi.
Istilah “kiamat” dalam pemberitaan merujuk pada kemungkinan perubahan drastis pada sistem iklim, bukan prediksi bahwa dunia akan berakhir pada tanggal tertentu. Para peneliti menguji kemampuan AI mengenali tanda-tanda sebuah sistem mendekati ambang perubahan yang sulit dibalikkan.
AI mengantisipasi hilangnya awan laut dalam simulasi
Titik kritis atau tipping point adalah ambang ketika suatu sistem berubah secara drastis dan sulit, bahkan mungkin tidak bisa, dikembalikan ke kondisi semula. Dalam konteks iklim, perubahan semacam itu dapat mencakup hilangnya awan laut secara tiba-tiba, runtuhnya sirkulasi laut, maupun ketidakstabilan lapisan es di kutub.
Dalam simulasi yang diuji, awan stratokumulus diperkirakan dapat menghilang ketika konsentrasi karbon dioksida (CO2) melewati ambang tertentu. Hilangnya awan yang berperan memantulkan sinar matahari itu berpotensi mempercepat pemanasan global. RNO mampu memperkirakan kapan perubahan tersebut akan terjadi lebih dari dua tahun sebelumnya.
Selisih sekitar 11 hari antara prediksi dan waktu kejadian dalam simulasi menjadi hasil yang menonjol. Artinya, model tersebut bukan hanya mengidentifikasi kemungkinan perubahan, tetapi juga memperkirakan waktunya dengan cukup dekat dalam skenario pengujian tersebut.
Namun, hasil itu berasal dari simulasi, bukan pengamatan atas awan yang benar-benar menghilang di atmosfer. Karena itu, capaian tersebut belum membuktikan bahwa AI sudah dapat meramalkan titik kritis iklim nyata dengan tingkat ketepatan serupa.
Model membaca perubahan perilaku sistem fisik
RNO bekerja dengan mempelajari bagaimana perilaku sistem fisik berkembang dari waktu ke waktu. Dalam penjelasan salah satu penulis penelitian, Jane Bae dari Caltech, model itu dapat mengenali ketika hukum fisika yang telah dipelajarinya tidak lagi cukup untuk menjelaskan keadaan sistem yang sedang berlangsung.
“Kemampuan untuk mengantisipasi perubahan kualitatif ini sebelum terjadi dapat sangat berguna untuk prediksi dan desain aerodinamika,” kata Jane Bae, dikutip dari laman Earth.
Menurut Bae, kemampuan tersebut juga relevan di luar kajian iklim. Peneliti turut menguji RNO untuk memperkirakan aerodynamic stall, yakni kondisi ketika aliran udara pada sayap pesawat berubah dan mengurangi daya angkat. Hasil pengujian itu menunjukkan potensi model untuk membantu mengenali perubahan besar dalam sistem kompleks sebelum mencapai titik kritis.
Uji tersebut memperlihatkan bahwa pendekatan yang sama dapat diterapkan pada lebih dari satu jenis sistem. Meski demikian, bahan penelitian yang tersedia tidak menyebutkan bahwa RNO telah digunakan untuk memberi peringatan operasional pada pesawat atau untuk menentukan kebijakan iklim.
Prediksi nyata masih perlu diuji lebih lanjut
Temuan ini membuka peluang bagi ilmuwan untuk mengembangkan alat yang membantu mendeteksi perubahan mendadak lebih dini. Jika tanda-tanda menuju titik kritis dapat dikenali sebelum perubahan terjadi, informasi itu berpotensi memberi waktu tambahan untuk memahami risiko dan menyiapkan langkah yang sesuai.
Jarak prediksi lebih dari dua tahun tentu tampak menjanjikan, tetapi konteks pengujiannya penting: angka tersebut diperoleh dari simulasi awan stratokumulus. Sistem iklim nyata melibatkan perubahan yang kompleks, sementara hasil simulasi belum cukup untuk memastikan bahwa model akan bekerja dengan ketepatan serupa di dunia nyata.
Peneliti karena itu masih perlu mengkaji kemampuan RNO lebih lanjut sebelum hasilnya dipakai untuk memperkirakan kejadian iklim secara langsung. Untuk saat ini, temuan tersebut lebih tepat dibaca sebagai bukti awal bahwa AI dapat membantu ilmuwan menelusuri perilaku sistem kompleks—bukan sebagai alarm bahwa “kiamat” iklim sudah memiliki tanggal pasti.
