Telset.id – Teknologi spatial AI yang dikembangkan Geolava berhasil memprediksi risiko banjir pada aset jalan di Florida dengan akurasi sekitar 87 persen. Pencapaian ini menandai pergeseran cara kota mempersiapkan diri menghadapi bencana alam, dari sekadar memprediksi cuaca menjadi memprediksi dampak cuaca pada infrastruktur fisik di lokasi spesifik.
Hantz Févry, CEO Geolava, menjelaskan bahwa pendekatan ini berbeda dari model cuaca AI yang sudah ada. Perusahaan yang bergerak di bidang pengembangan model AI untuk dunia fisik ini menilai prediksi cuaca saja tidak cukup karena tidak mengetahui kondisi infrastruktur yang akan diterjang bencana.
“AI cuaca memprediksi apa yang akan dilakukan atmosfer. Spatial AI memprediksi apa yang sebenarnya akan dilakukan cuaca itu terhadap lokasi tertentu: gorong-gorong ini, ruas jalan ini, blok ini,” ujar Févry seperti dikutip dari wawancara dengan Tom’s Guide.
Menurut Févry, prakiraan tradisional bisa memberi tahu bahwa enam inci hujan akan turun di Tampa. Namun platform Geolava bernama Terra dapat menunjukkan jalan mana yang akan banjir, aset drainase mana yang sudah rusak, dan di mana kegagalan infrastruktur kemungkinan besar terjadi lebih dulu.
Ia menilai prakiraan cuaca sudah sangat baik dalam memahami bahaya, tetapi masih buta terhadap kerentanan. Sebab, model tersebut tidak mengetahui kondisi dunia fisik yang akan diterjang bahaya tersebut.
Cara Kerja Terra dan Peran Data Observasi
Platform Terra secara berkelanjutan mengamati aset seperti jalan, trotoar, drainase, dan vegetasi di sekitarnya. Sistem ini memberi skor kondisi aset, melacak seberapa cepat degradasi terjadi, dan memperkirakan apa yang akan terjadi jika kondisi saat ini berlanjut.
Févry menyebut teknologi ini mampu menangkap perubahan lambat dan bertumpuk yang tidak bisa dilacak tim manusia di ribuan mil. Contohnya gorong-gorong yang perlahan tertimbun lumpur, perkerasan jalan yang mulai mengalami penurunan, atau vegetasi yang merambat ke area jalan.
“Perencana tidak melewatkan hal-hal ini karena mereka lalai. Tidak ada kota yang memiliki staf untuk memeriksa setiap aset setiap bulan. Kami memberi mereka gambaran yang diprioritaskan tentang di mana harus melihat lebih dulu,” jelasnya.
Terra dibangun dengan asumsi bahwa catatan data akan selalu tidak lengkap. Platform ini mengandalkan terutama pada citra dan observasi, baik dari udara, satelit, maupun tingkat jalan, bukan pada basis data aset yang sempurna. Di Jacksonville, Geolava memverifikasi dan mengoreksi inventaris trotoar kota terhadap kondisi yang sebenarnya di lapangan.
Févry menegaskan data yang buruk biasanya menjadi titik awal, bukan penghalang. Biaya observasi dunia fisik terus menurun, sehingga teknologi ini dapat dijangkau kota-kota dengan anggaran terbatas tanpa perlu membangun jaringan sensor sendiri.
Baca Juga:
Kontrak Florida dan Ukuran Keberhasilan
Departemen Transportasi Florida (Florida Department of Transportation) baru-baru ini menandatangani kontrak multi-juta dolar dan multi-tahun dengan Geolava. Terra akan memberikan pemantauan berkelanjutan terhadap aset jalan departemen tersebut, mencakup skor kondisi, tingkat degradasi, serta risiko banjir dan kegagalan di masa depan.
Tujuan kontrak ini adalah mengubah pola dari perbaikan reaktif menjadi pemeliharaan proaktif, memperbaiki aset sebelum gagal di tengah badai, bukan sesudahnya. Keberhasilan akan diukur secara konkret, antara lain seberapa akurat prakiraan terhadap kejadian sebenarnya, seberapa banyak waktu peringatan yang diberikan kepada departemen, apakah perbaikan darurat dan penutupan jalan terkait badai menurun, serta berapa biaya yang dihindari untuk setiap dolar yang dibelanjakan.
Soal akurasi model, Févry mengakui tidak ada model yang sempurna. Geolava menangani hal ini dengan menerbitkan ulang prakiraan setiap kali ada observasi baru, mirip prakiraan cuaca yang diperbarui seiring perkembangan badai, sehingga kesalahan dikoreksi dan tidak terkunci.
Terra juga diposisikan sebagai pendukung keputusan, bukan pengambil keputusan. Insinyur dan staf kota yang membuat keputusan, dan setiap prakiraan disertai rentang waktu serta bukti di baliknya. Terkait kekhawatiran wilayah rentan terabaikan, Févry berargumen risiko yang lebih besar justru adalah status quo. Saat ini inspeksi sering mengikuti keluhan dan tekanan politik, sehingga lingkungan yang tidak menelepon layanan 311 justru yang terlewat. Pemantauan sistematis seluruh kota melihat setiap blok dengan cara yang sama.
Févry juga menyinggung pengalamannya sebagai product manager di Google DeepMind. Pelajaran terbesarnya adalah ground truth adalah segalanya. Validasi dilakukan terhadap apa yang benar-benar terjadi di lapangan, bukan terhadap benchmark. Ketika nyawa menjadi taruhan, sistem juga harus dapat dijelaskan kepada orang yang bertanggung jawab atas keputusan, yang biasanya adalah insinyur pekerjaan umum, bukan ilmuwan data.
“Itulah sebabnya kami memulai dari cakupan sempit, fokus pada kondisi dan degradasi untuk beberapa jenis aset sebelum memperluas ke prediksi kegagalan. Mengirim sesuatu yang sempit dan benar lebih baik daripada mengirim sesuatu yang luas dan salah,” ujarnya.
Untuk konteks industri, sejumlah organisasi seperti NOAA dan European Centre for Medium-Range Weather Forecasts (ECMWF) telah memanfaatkan sistem cuaca AI untuk memantau peristiwa lingkungan berskala besar. Adopsi AI di sektor publik pun terus meluas, sejalan dengan langkah sejumlah pihak yang turut menyoroti dampak infrastruktur teknologi, seperti Willie Nelson Lawan terhadap pembangunan data center.
Févry juga menggambarkan skenario 2035 ketika badai besar mendekati kota di Amerika Serikat yang dilengkapi spatial AI. Beberapa hari sebelum badai mendarat, kota tersebut akan mengetahui jalan, saluran drainase, dan lingkungan spesifik mana yang kemungkinan gagal di bawah jalur dan curah hujan badai tersebut, bukan mengandalkan peta banjir generik.
Kota itu dapat memposisikan pompa, kru, dan penghalang di aset paling berisiko alih-alih menyebar sumber daya secara tipis. Rute evakuasi dapat dipilih berdasarkan jalan yang diperkirakan tetap dapat dilalui, yang sangat penting bagi warga tanpa kendaraan. Setelah badai berlalu, penilaian kerusakan dapat memakan waktu beberapa jam alih-alih berminggu-minggu karena kota sudah mengetahui kondisi setiap aset sebelumnya dan dapat mengukur persis apa yang berubah.
“Kini, kota bersiap menghadapi badai. Pada 2035, mereka akan mampu bersiap menghadapi konsekuensinya, blok demi blok,” tutup Févry.
[INFO]
Temukan berita dan analisis teknologi terbaru hanya di Telset.id.
Komentar
Belum ada komentar.