Model komputer sangat penting untuk mempelajari segala sesuatu. Inilah cara AI dapat menjadikannya lebih baik

Berikut adalah definisi sains: sains pada dasarnya adalah proses berulang dalam membangun model dengan kekuatan penjelasan yang semakin meningkat.

Model hanyalah perkiraan atau penyederhanaan cara berpikir dunia bekerja. Di masa lalu, model-model ini Ini bisa sangat sederhana, sesederhana rumus matematika. Namun seiring berjalannya waktu, mereka telah berevolusi, dan para ilmuwan telah membangun simulasi dunia yang semakin canggih seiring dengan tersedianya data baru.

model komputer dari iklim bumi dapat menunjukkan kepada kita bahwa suhu akan meningkat karena kita terus melepaskan gas rumah kaca ke atmosfer. Misalnya, model juga dapat memprediksi bagaimana penyakit menular akan menyebar di suatu populasi.

Model komputer dapat ditolak jika bukti eksperimental tidak mendukungnya. Jadi ada sedikit perlombaan senjata untuk menjaga model tetap kompetitif seiring dengan munculnya data baru. Dan revolusi yang terjadi di bidang kecerdasan buatan (AI) dapat lebih meningkatkan alat-alat penting ini.

Membawa iklim dan ramalan cuaca. Model numerik yang digunakan untuk memprediksi cuaca berukuran besar, kompleks, dan menuntut jumlah daya komputasi yang diperlukan untuk menjalankannya.

Mereka juga tidak bisa belajar dari pola cuaca masa lalu. Namun, metode berbasis kecerdasan buatan, termasuk bagian dari AI yang dikenal sebagai pembelajaran mesin, telah menunjukkan hasil potensi yang sangat besar untuk meningkatkan apa yang kita miliki saat ini.

Pembelajaran mesin melibatkan pembuatan algoritme (seperangkat aturan matematika untuk melakukan tugas tertentu) yang dapat belajar dari data dan menerapkan pembelajaran ini pada data yang tidak terlihat.

Namun hingga saat ini, model cuaca yang menggabungkan teknik pembelajaran mesin dianggap tidak cocok untuk apa yang disebut peramalan ansambel, yaitu serangkaian prakiraan yang menunjukkan kisaran kemungkinan kondisi cuaca di masa depan. Data tersebut juga tidak berguna untuk simulasi cuaca dan iklim jangka panjang, dibandingkan dengan prakiraan jangka pendek.

Namun, sebuah penelitian terbaru diterbitkan di Alam menunjukkan bahwa model pembelajaran mesin yang disebut NeuralGCM menghasilkan perkiraan ansambel yang sama baiknya dengan model unggulan. Hal ini juga dapat menghasilkan prakiraan perubahan iklim jangka panjang yang realistis.

Model pembelajaran mesin harus “dilatih” dengan memberikan data dalam jumlah besar, yang kemudian dapat dipelajari dan menjadi lebih baik dalam pekerjaannya. Proses pelatihannya mahal dan membutuhkan daya komputasi yang besar.

Namun, setelah model dilatih, menggunakannya untuk membuat prediksi adalah hal yang relatif cepat dan murah. Hasilnya menunjukkan bahwa AI dapat meningkatkan simulasi fisik berskala besar yang penting untuk memahami dan memprediksi sistem iklim.

Data besar

Seperti yang dikatakan ahli statistik Inggris George EP Box: “Semua model salah, namun ada pula yang berguna.” Kita juga harus ingat bahwa semua pengukuran salah. Selalu ada gangguan dalam data kami dan data tersebut tidak sepenuhnya mencerminkan kondisi dunia secara akurat.

Namun model yang menggunakan pembelajaran mesin dimungkinkan oleh “data besar”. Penyimpanan informasi dan pengukuran dalam jumlah besar dapat digunakan untuk melatih model ini, sehingga memberikan peningkatan kekuatan prediksi. Umumnya, data besar Hal ini ditandai dengan tiga V: volume, kecepatan dan variasi.

Data kini tiba dalam volume yang lebih besar, dengan kecepatan lebih tinggi, dan variasi yang lebih besar. Hal ini sebagian disebabkan oleh cara perangkat elektronik yang berbeda dapat terhubung, melalui apa yang disebut “Internet of Things.”

Meningkatkan pemahaman kita tentang bagaimana sistem iklim bumi akan berkembang dalam beberapa dekade mendatang akan menjadi hal yang penting dalam upaya mengatasi emisi gas rumah kaca. Hal ini juga akan membantu kita beradaptasi terhadap dampak pemanasan global.

Model yang menggunakan pembelajaran mesin dan pendekatan berbasis AI lainnya disebut pembelajaran mendalam sudah terbiasa mendeteksi dan melacak COVID-19. Para peneliti telah mengembangkan pembelajaran mesin model yang menggabungkan faktor klinis, genetik, dan gaya hidup untuk memprediksi risiko penderitaan seseorang mengembangkan penyakit kardiovaskular.

Para ilmuwan juga telah menggunakan teknik kecerdasan buatan pembelajaran penguatan mendalam untuk mengembangkan alat yang memungkinkan hal tersebut memeriksa plasma panas yang diperlukan untuk menghasilkan reaksi fusi nuklir.

Di masa lalu, AI merupakan bidang yang cukup sempit dengan penerapan yang sangat spesifik, seperti bermain catur. Dengan munculnya AI generatif, kegunaannya menjadi lebih luas dan teknologinya mampu menciptakan konten baru seperti teks, gambar, dan video.

Hal ini membawa kita lebih dekat pada tujuan kecerdasan umum buatan, dimana teknologi mampu melakukan tugas apa pun yang dapat dilakukan manusia. Membangun model komputer dunia dengan bantuan kecerdasan buatan merupakan tonggak penting lainnya.

Dunia sains mulai menyadari kekuatan AI, seperti yang terlihat pada penghargaan tahun ini. jari hadiah nobel untuk pekerjaan yang melibatkan kecerdasan buatan. Mungkin kita tidak jauh dari Hadiah Nobel yang diberikan kepada AI, atau bahkan situasi di mana mesin memutuskan kepada siapa hadiah tersebut akan diberikan.

Artikel ini diterbitkan ulang dari Percakapan di bawah lisensi Creative Commons. Baca artikel asli.