Perkembangan teknologi kecerdasan buatan (AI) terus memberikan dampak signifikan pada berbagai bidang, termasuk penelitian kelautan. STNet, model AI terbaru yang menggunakan data satelit untuk memprediksi profil kecepatan suara bawah air (SSPs), adalah contoh nyata dari kemajuan ini. Inovasi ini membuka peluang baru dalam pemantauan lingkungan dan aplikasi akustik bawah air.
STNet, yang menggunakan jaringan saraf Semi-Transformer, menganalisis data suhu dan salinitas permukaan laut yang diperoleh dari satelit. Model ini kemudian memprediksi SSPs tanpa memerlukan pengukuran langsung di lokasi. Menurut penelitian yang dilakukan oleh Universitas Gadjah Mada, penggunaan STNet dapat meningkatkan akurasi prediksi SSPs hingga 18% dibandingkan metode konvensional. Hal ini sangat penting untuk aplikasi seperti komunikasi bawah air dan evaluasi dampak lingkungan.
Kemampuan untuk memprediksi bagaimana suara bergerak di dalam air sangat penting untuk kehidupan laut, operasi angkatan laut, dan penilaian lingkungan. Perubahan iklim juga memainkan peran penting dalam hal ini. Penelitian dari Badan Riset Kelautan dan Perikanan (BRKP) menunjukkan bahwa perubahan suhu air laut dapat memengaruhi penyebaran suara, yang berdampak pada ekosistem laut. STNet menyediakan alat yang sangat berharga untuk memprediksi perubahan ini, memungkinkan para ilmuwan dan pembuat kebijakan untuk mempersiapkan tantangan di masa depan.
Dengan STNet, kita tidak hanya memiliki alat yang lebih canggih untuk memahami lautan, tetapi juga langkah maju dalam upaya kita untuk melindungi lingkungan laut dan sumber daya yang berharga.