JBNews.id — Model kecerdasan buatan (AI) WeatherNext dari Google DeepMind terbukti mampu memprediksi siklon dengan akurasi yang belum pernah terjadi sebelumnya, memberikan waktu persiapan satu hari lebih lama dibandingkan model konvensional. Temuan ini dipublikasikan dalam jurnal Nature pada Kamis, menyusul keberhasilan model tersebut dalam memprediksi Badai Melissa yang menghantam Jamaika dengan banjir dan tanah longsor.
Temuan utama dari riset ini menunjukkan bahwa prediksi model AI untuk tiga hari ke depan memiliki akurasi yang sama dengan prediksi model sebelumnya untuk dua hari ke depan. Dalam konteks penanganan bencana, tambahan waktu satu hari tersebut memiliki dampak yang sangat signifikan bagi upaya evakuasi dan mobilisasi sumber daya.
Waktu Emas dalam Penanganan Badai
Mike Brennan, direktur US National Hurricane Center, menegaskan bahwa waktu merupakan faktor krusial dalam pengambilan keputusan penanganan badai. “Bahkan beberapa jam saja bisa membuat perbedaan,” ujarnya. Ia menambahkan bahwa pengorganisasian evakuasi, penyiapan pasokan, dan pemindahan sumber daya merupakan tugas yang sensitif terhadap waktu, dan keputusan yang salah dapat membawa konsekuensi besar.
“Waktu benar-benar emas ketika menyangkut jenis keputusan tersebut, jadi kemampuan untuk mendorong akurasi prakiraan hingga satu hari melampaui apa yang sebelumnya mampu kami lakukan sangatlah berharga,” kata Brennan. Para peneliti mencatat bahwa secara historis, memajukan prakiraan satu hari ke depan membutuhkan kerja satu dekade.
Tantangan Data Ekstrem bagi AI
Pemodelan peristiwa ekstrem menjadi tantangan tersendiri bagi AI. Pembelajaran mesin membutuhkan data pelatihan yang memadai untuk membuat prediksi, namun peristiwa ekstrem pada dasarnya jarang terjadi. Ferran Alet, peneliti di Google DeepMind dan salah satu penulis utama makalah ini, menjelaskan strategi yang digunakan timnya.
“Kami tidak memiliki banyak data siklon, tetapi kami memiliki banyak data cuaca,” kata Alet. “Jadi yang kami lakukan adalah melatih model agar baik dalam hal cuaca sekaligus siklon.” Pendekatan ini memungkinkan model memanfaatkan data cuaca yang melimpah untuk mengisi kekosongan data siklon yang langka.
Badai sangat sulit diprediksi karena beroperasi pada berbagai skala spasial, menurut Kate Musgrave, pimpinan kelompok siklon tropis di Cooperative Institute for Research in the Atmosphere dan penulis makalah tersebut. Memprediksi lintasan badai membutuhkan data cuaca skala global, seperti lokasi front dingin dan arah angin. Sementara itu, memprediksi intensitas membutuhkan data skala yang jauh lebih kecil, berfokus pada kondisi atmosfer dan samudra lokal.
“Itu adalah sesuatu yang tidak kami dapatkan dari model global ini,” kata Musgrave. Sementara model AI sebelumnya telah berhasil memprediksi lintasan badai, “intensitas mereka tidak bisa melakukannya dengan baik sama sekali.” Padahal, memprediksi keduanya sangat penting karena perubahan intensitas dapat menjadi pembeda antara badai yang relatif lemah dan badai besar.
Keberhasilan Memprediksi Badai Melissa
Badai Melissa menjadi momen penting dalam sejarah prakiraan cuaca. Untuk pertama kalinya, National Hurricane Centre mampu memprediksi badai Kategori 5 ketika badai tersebut baru berada pada tahap Kategori 1. Sistem badai ini menguat dengan cepat, berkembang menjadi situasi darurat dalam semalam.
Sebelum model WeatherNext digunakan dalam prakiraan langsung, para peneliti mengujinya pada data retrospektif. “Hasilnya sangat bagus sehingga kami skeptis bahwa kami akan benar-benar melihatnya dalam demonstrasi waktu nyata,” kata Musgrave. Namun, ketika para peramal mulai mengadopsi model tersebut ke dalam operasi mereka, kinerja ini tetap terjaga. “Saya pikir semua orang terkejut betapa baiknya kinerjanya,” tambahnya.
Menariknya, bahkan peneliti DeepMind sendiri tidak sepenuhnya memahami bagaimana model AI menghasilkan prediksi yang begitu akurat, mengingat model tersebut menggunakan data atmosfer beresolusi jauh lebih rendah daripada yang dibutuhkan model tradisional untuk memprediksi intensitas badai. “Ketika kami memberi tahu komunitas bahwa model kami hanya menggunakan resolusi yang relatif kasar, mereka terkejut, karena itu berarti input resolusi rendah menangkap lebih banyak sinyal tentang apa yang akan terjadi daripada yang diperkirakan sebelumnya,” kata Alet.
Model AI ini tampaknya menangkap sesuatu dalam data resolusi rendah yang memungkinkannya membuat prediksi tentang intensitas badai, tetapi para peneliti tidak tahu apa itu. “Ini kotak hitam pada akhirnya, tetapi itu memberi fisikawan sinyal bahwa sesuatu terjadi yang sebelumnya tidak dipahami,” kata Alet.
Ribuan Skenario Prediksi
Model ini tidak hanya menghasilkan satu prediksi, tetapi serangkaian skenario potensial untuk badai yang berkembang. Hal ini membantu menangkap potensi “efek kupu-kupu,” di mana penyimpangan kecil dari tren dapat menyebabkan perubahan yang jauh lebih besar di kemudian hari. Para peramal dapat menggunakan output ini, bersama dengan output model lain, untuk menginformasikan prediksi mereka tentang bagaimana sistem badai kemungkinan akan berkembang.
Tahun lalu, model AI ini membuat 50 skenario per badai; sekarang, model ini menghasilkan 1.000 skenario. “Itu adalah sesuatu yang, dengan kekuatan komputasi kami, tidak bisa kami lakukan dengan model numerik yang ada,” kata Musgrave. Kemampuan ini memberikan jangkauan analisis yang jauh lebih luas bagi para peramal dalam menilai berbagai kemungkinan perkembangan badai.
Brennan menekankan bahwa model DeepMind adalah alat baru yang hebat dalam kotak peralatan para peramal, tetapi menegaskan bahwa model ini hanyalah salah satu dari banyak alat. “Tidak ada jaminan bahwa satu model, karena berkinerja baik tahun lalu atau benar-benar baik untuk badai tertentu ini, tentu akan menjadi model terbaik untuk musim berikutnya atau badai berikutnya,” katanya.
Baca Juga:
Peran Manusia Tetap Kritis
Elemen manusia, tambah Brennan, tetap menjadi komponen krusial dalam keseluruhan proses. “Badai bukan hanya lintasan atau prakiraan intensitas,” katanya. “Ini membutuhkan para ahli untuk menerjemahkan itu menjadi dampak apa yang akan terjadi—dan dampak itulah yang membunuh orang.” Pernyataan ini menegaskan bahwa meskipun AI memberikan prediksi yang lebih akurat, interpretasi dan komunikasi risiko tetap membutuhkan keahlian manusia.
Google DeepMind juga mengumumkan bahwa mereka membuka sumber (open-source) model WeatherNext yang digunakan selama musim badai agar para peneliti dapat menggunakan dan mengembangkannya. Langkah ini diharapkan dapat mempercepat inovasi dalam prakiraan cuaca dan membuka peluang penemuan ilmiah baru.
Alet berharap bahwa membuka model ini kepada komunitas riset dapat membantu mengungkap wawasan baru tentang cara kerja siklon. “Saya sangat bersemangat tentang penemuan ilmiah,” katanya. “Saya pikir AI memberi kita alat baru untuk menyelidiki hukum alam semesta.”
Keberhasilan WeatherNext dalam memprediksi Badai Melissa menandai tonggak penting dalam penerapan AI untuk keselamatan publik. Dengan kemampuan memberikan peringatan satu hari lebih awal, model ini berpotensi menyelamatkan lebih banyak nyawa dan mengurangi kerugian ekonomi akibat badai di masa depan. Bagi wilayah rawan badai seperti pesisir Indonesia, perkembangan teknologi ini menjadi kabar baik yang patut dicermati.
Perkembangan ini juga menegaskan posisi DeepMind sebagai pemimpin dalam riset AI terapan. Sebelumnya, perusahaan ini juga terlibat dalam berbagai inisiatif lain, termasuk isu internal perusahaan dan kolaborasi riset bernilai besar. Namun, dampak langsung pada keselamatan manusia melalui prakiraan badai ini menjadi bukti nyata nilai teknologi AI bagi masyarakat luas.
