LingVo.club
Level
AI memperkuat prakiraan monsun dan membantu petani India — Level B2 — A couple of people that are in the water

AI memperkuat prakiraan monsun dan membantu petani IndiaCEFR B2

30 Okt 2025

Diadaptasi dari Ranjit Devraj, SciDev CC BY 2.0

Foto oleh EqualStock, Unsplash

Level B2 – Menengah-atas
5 mnt
293 kata

Perkembangan model cuaca bertenaga AI mengubah prakiraan monsun di India dan memicu kerja serupa di negara lain. Pada musim panas ini, 38 million farmers menerima prakiraan yang dibuat oleh model hibrida NeuralGCM empat minggu sebelum monsun biasanya dimulai. Prakiraan itu berhasil menunjukkan jeda tiga minggu dalam kemajuan monsun setelah landfall awal pada Juni dan saat sistem bergerak ke utara.

NeuralGCM menggabungkan peramalan fisika tradisional dan pembelajaran mesin. Model ini dikembangkan oleh Google dan telah dibandingkan dengan model fisika konvensional serta model AI lain; para peneliti University of Chicago melaporkan kinerja yang kuat pada beberapa metrik dan bahwa model ini lebih efisien secara komputasi. Pedram Hassanzadeh mengatakan benchmarking sangat penting untuk menilai kemampuan model memprediksi kejadian musiman seperti awal dan perkembangan monsun.

Inisiatif Human-Centred Weather Forecasts diluncurkan tahun ini dan sekarang bekerja sama dengan lima negara:

  • Bangladesh
  • Chile
  • Ethiopia
  • Kenya
  • Nigeria

Tim berencana menambah ten more countries in 2026 dan 15 more in 2027, dengan tujuan memperluas jangkauan ke jutaan petani. University of Chicago menerima dukungan dari Gates Foundation untuk benchmarking di Afrika Timur dan Afrika Barat. Para peneliti juga melatih ahli meteorologi di negara berpenghasilan rendah dan menengah agar dapat memakai model AI secara efektif. Pejabat dan mitra proyek menyoroti potensi manfaat ekonomi; Michael Kremer memperkirakan penyebaran prakiraan bertenaga AI dapat menghasilkan lebih dari US$100 bagi petani untuk setiap dolar yang diinvestasikan pemerintah. Namun beberapa ilmuwan pertanian mengingatkan agar pesan kepada petani mengaitkan sinyal curah hujan dengan kelembaban tanah, vapour pressure deficit, prakiraan stres panas, dan sensitivitas tahap tanaman, karena prakiraan awal yang salah dapat menyebabkan kehilangan bibit, biaya penanaman ulang, dan waktu tumbuh yang hilang. Belum jelas seberapa cepat semua tantangan teknis dan praktis akan terselesaikan saat proyek diskalakan, tetapi 30 negara siap mendapat manfaat dari proyek yang lebih luas.

Kata-kata sulit

  • hibridagabungan dua metode atau teknologi berbeda
  • benchmarkingpenilaian perbandingan kinerja model atau sistem
  • komputasiproses pengolahan data oleh komputer
  • diskalakandiperluas atau ditingkatkan pada skala lebih besar
  • penyebaranproses membuat sesuatu tersedia untuk banyak orang
  • sensitivitastingkat reaksi organisme terhadap kondisi lingkungan

Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.

Pertanyaan diskusi

  • Bagaimana menurut Anda perkiraan ekonomi Michael Kremer (US$100 per dolar pemerintah) dapat mempengaruhi keputusan pemerintah untuk mendanai prakiraan bertenaga AI? Jelaskan alasan Anda.
  • Apa saja tantangan teknis dan praktis yang mungkin muncul ketika proyek ini diskalakan ke lebih banyak negara? Berikan dua contoh dan jelaskan dampaknya.
  • Bagaimana cara terbaik menyampaikan informasi prakiraan kepada petani agar mengurangi risiko seperti kehilangan bibit dan biaya penanaman ulang? Beri satu atau dua saran praktis.

Artikel terkait