Telset.id – Teknologi spatial AI milik Geolava berhasil memprediksi risiko banjir pada aset jalan di Florida dengan akurasi sekitar 87 persen. Angka itu muncul dari kerja sama Geolava dengan Florida Department of Transportation, yang kini berlanjut lewat kontrak multi-juta dolar berdurasi multi-tahun. Bagi kota-kota yang menghadapi banjir, kebakaran hutan, dan kegagalan infrastruktur, kemampuan memetakan kerentanan hingga tingkat ruas jalan menjadi pembeda utama dibanding prakiraan cuaca konvensional.
Pendiri sekaligus CEO Geolava, Hantz Févry, menjelaskan perbedaan mendasar antara weather AI dan spatial AI. Menurutnya, weather AI memprediksi apa yang akan dilakukan atmosfer, sedangkan spatial AI memprediksi apa yang akan dilakukan cuaca terhadap lokasi tertentu. “Prakiraan tradisional bisa memberi tahu bahwa enam inci hujan akan turun di Tampa. Kami bisa memberi tahu jalan mana yang akan banjir, aset drainase mana yang sudah rusak, dan di mana kegagalan kemungkinan terjadi lebih dulu,” kata Févry.
Ia menilai prakiraan cuaca sudah sangat baik dalam memahami bahaya, tetapi relatif buta terhadap kerentanan. Sebabnya, model prakiraan tidak mengetahui kondisi fisik dunia yang diterjang bahaya tersebut. Tesis Geolava adalah memprediksi perubahan fisik yang berdampak sebelum berubah menjadi kegagalan fisik, dan kondisi lingkungan terbangun menjadi bagian yang hilang dari persamaan itu.
Platform Terra dan Akurasi 87 Persen
Contoh nyata yang dipaparkan Févry adalah kerja sama dengan Florida Department of Transportation. Geolava memprediksi risiko banjir pada aset jalan dengan akurasi sekitar 87 persen. Platform mereka, Terra, terus mengamati aset seperti jalan, trotoar, drainase, dan vegetasi di sekitarnya. Terra memberi skor kondisi aset, melacak seberapa cepat penurunan kualitasnya, serta memprakirakan apa yang akan terjadi bila kondisi saat ini berlanjut.
Yang ditangkap sistem ini adalah perubahan lambat dan bertumpuk yang tidak bisa dilacak tim manusia di ribuan mil wilayah: gorong-gorong yang perlahan tertimbun lumpur, perkerasan yang mulai ambles, dan vegetasi yang merambat ke area jalan. Menurut Févry, perencana kota tidak melewatkan hal-hal itu karena lalai. Tidak ada kota yang punya staf cukup untuk memeriksa setiap aset setiap bulan. Terra memberi mereka gambaran berprioritas tentang lokasi yang harus diperiksa lebih dulu.
Févry menegaskan tidak ada model yang sempurna, dan siapa pun yang mengklaim modelnya sempurna tidak layak dipercaya untuk infrastruktur publik. Geolava menangani hal ini dengan menerbitkan ulang prakiraan setiap kali ada observasi baru, seperti prakiraan cuaca yang diperbarui seiring perkembangan badai, sehingga kesalahan dikoreksi alih-alih terkunci. Terra juga diposisikan sebagai pendukung keputusan, bukan pengambil keputusan. Insinyur dan staf kota tetap yang memutuskan, dan setiap prakiraan disertai rentang waktu serta bukti di baliknya.
Soal risiko model yang salah sehingga lingkungan rentan terlewat, Févry berargumen risiko yang lebih besar justru adalah status quo. Saat ini inspeksi sering mengikuti keluhan dan tekanan politik, dan lingkungan yang tidak menelepon 311 adalah yang paling sering terlewat. Pemantauan sistematis seluruh kota, katanya, melihat setiap blok dengan cara yang sama.
Data Tidak Lengkap dan Kesenjangan Digital
Banyak kota memiliki infrastruktur menua, catatan tidak lengkap, dan anggaran terbatas. Févry menyebut Terra memang dibangun dengan asumsi catatan akan selalu tidak lengkap. Platform ini mengandalkan terutama citra dan observasi, baik 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. Catatan buruk, katanya, biasanya menjadi titik awal, bukan penghalang.
Biaya mengamati dunia fisik terus turun, dan itulah yang membuat teknologi ini layak bagi kota beranggaran kecil karena mereka tidak perlu membangun jaringan sensor sendiri. Meski begitu, Févry mengakui kesenjangan digital adalah kekhawatiran nyata. Menurutnya, tanggung jawab ada pada Geolava dan mitra sektor publik untuk memastikan komunitas yang lebih kecil dan minim sumber daya tidak menjadi yang terakhir dilayani.
Pengalaman Févry sebagai product manager di Google DeepMind turut membentuk pendekatan ini. Ia menyebut demo hanya menunjukkan kasus terbaik, sementara kepercayaan di dunia nyata datang dari cara sistem berperilaku pada kasus terburuk dan seberapa jujur sistem mengomunikasikan ketidakpastiannya. Pelajaran terbesar yang ia bawa adalah ground truth adalah segalanya. Geolava memvalidasi terhadap apa yang benar-benar terjadi di lapangan, bukan terhadap benchmark.
Ketika nyawa menjadi taruhan, sistem juga harus bisa dijelaskan kepada orang yang bertanggung jawab atas keputusan, yang biasanya adalah insinyur pekerjaan umum, bukan data scientist. Karena itu Geolava memulai dengan cakupan sempit, berfokus 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,” ujar Févry.
Kontrak multi-juta dolar dan multi-tahun dengan Florida Department of Transportation menjadi bukti komersial pendekatan ini. Terra memberi departemen tersebut pemantauan berkelanjutan atas aset jalan: skor kondisi, laju degradasi, serta risiko banjir dan kegagalan ke depan. Tujuannya adalah beralih dari perbaikan reaktif ke pemeliharaan proaktif, memperbaiki aset sebelum gagal di tengah badai alih-alih sesudahnya.
Ukuran keberhasilan pun disebut konkret. Geolava akan mengukur seberapa akurat prakiraan mereka terhadap apa yang benar-benar terjadi, seberapa besar waktu jeda yang diberikan kepada departemen, apakah perbaikan darurat dan penutupan jalan akibat badai menurun, serta berapa biaya yang dihindari untuk setiap dolar yang dibelanjakan.
Févry juga menggambarkan skenario 2035 ketika badai besar mendekati sebuah kota di Amerika Serikat yang dilengkapi spatial AI. Beberapa hari sebelum badai mendarat, kota itu akan mengetahui jalan, saluran drainase, dan lingkungan spesifik mana yang kemungkinan gagal berdasarkan jalur dan curah hujan badai tersebut, bukan mengandalkan peta banjir generik. Kota bisa memposisikan pompa, kru, dan penghalang di aset paling berisiko alih-alih menyebar sumber daya secara tipis. Rute evakuasi pun bisa dipilih berdasarkan jalan yang diprakirakan tetap bisa dilalui, yang paling penting bagi warga tanpa kendaraan.
Setelah badai berlalu, penilaian kerusakan bisa memakan waktu berjam-jam alih-alih berminggu-minggu karena kota sudah mengetahui kondisi setiap aset sebelumnya dan bisa mengukur persis apa yang berubah. “Hari ini, kota bersiap menghadapi badai. Pada 2035, mereka akan bisa bersiap menghadapi konsekuensinya, blok demi blok,” kata Févry.
Perkembangan spatial AI ini melengkapi gelombang weather AI yang lebih dulu muncul, seperti GraphCast dari Google DeepMind, Pangu-Weather dari Huawei, dan AIFS milik ECMWF. Ketiganya berjalan di atas data cuaca dan atmosfer historis selama puluhan tahun dan mengandalkan pengenalan pola untuk menghasilkan prakiraan global secepat dan seefisien mungkin. Lembaga seperti National Oceanic and Atmospheric Administration (NOAA) dan European Centre for Medium-Range Weather Forecasts (ECMWF) juga telah memanfaatkan sistem cuaca AI untuk memantau peristiwa lingkungan berskala besar.
Yang membedakan, spatial AI tidak berhenti pada prakiraan atmosfer. Ia menghubungkannya dengan kondisi fisik dunia nyata, mulai dari gorong-gorong, jalan, hingga vegetasi di sekitar hak jalan. Bagi kota-kota di Amerika Serikat, kemampuan ini dipakai untuk memprediksi dan bersiap menghadapi banjir, kebakaran hutan, serta kegagalan infrastruktur mendesak sebelum bencana terjadi.
Di sisi lain, adopsi AI untuk infrastruktur publik tetap menyisakan pertanyaan tentang akuntabilitas. Geolava menempatkan manusia sebagai pengambil keputusan akhir, dengan setiap prakiraan disertai rentang waktu dan bukti. Pendekatan ini sejalan dengan kekhawatiran yang muncul di berbagai sektor soal penggunaan AI, seperti yang tercermin dalam Zelda Williams Kecam Video AI, yang menegaskan pentingnya batas etis dalam penerapan teknologi.
Bagi Geolava, tolok ukur kepercayaan bukanlah seberapa mengesankan sebuah demo, melainkan seberapa jujur sistem mengomunikasikan ketidakpastian dan seberapa akurat ia terhadap kenyataan di lapangan. Kontrak dengan Florida Department of Transportation akan menjadi ujian nyata atas klaim akurasi 87 persen tersebut, sekaligus pembuktian apakah pemeliharaan proaktif benar-benar menekan perbaikan darurat dan penutupan jalan akibat badai.
Komentar
Belum ada komentar.