HETANEWS.com - Sebuah tim peneliti yang dipimpin oleh seorang peneliti yang berbasis di China mengatakan algoritma pembelajaran mesin dapat menyediakan alat prediksi yang akan membantu memerangi terorisme.

Tim yang dipimpin oleh Andre Python dari pusat ilmu data di Universitas Zheijiang di Hangzhou, mengatakan model mereka dapat "menghasilkan prediksi terorisme yang dapat ditafsirkan dan akurat ... terutama di daerah yang sudah mengalami tingkat aktivitas terorisme yang relatif tinggi".

“Beberapa ribu orang meninggal setiap tahun di seluruh dunia karena serangan teroris yang dilakukan oleh aktor non-negara,” tim yang juga menampilkan enam peneliti dari empat institut di Inggris dan Jerman, menulis dalam penelitian yang diterbitkan dalam jurnal Science Advances pada hari Jumat.

Namun, Python juga mengakui dalam siaran pers dari universitas bahwa "hampir tidak mungkin untuk memprediksi peristiwa angsa hitam", yang hanya terjadi sekali dalam waktu yang sangat lama.

“Artinya, untuk mencegah sebagian besar peristiwa teroris di wilayah yang tidak banyak terkena dampak terorisme, diperlukan sumber daya penting untuk mensurvei wilayah yang luas di mana berpotensi terjadi terorisme,” katanya.

Tim Python mendefinisikan terorisme sebagai serangan bermotivasi politik di luar peperangan yang sah yang dilakukan oleh aktor non-negara untuk berkomunikasi dengan khalayak yang lebih luas.

Studi ini menggunakan data yang tersedia untuk umum untuk menganalisis lokasi dan tanggal serangan teroris yang terjadi antara tahun 2002 dan 2016 di seluruh dunia dan menemukan bahwa risiko serangan meningkat seiring dengan bertambahnya jarak antar insiden.

Mereka mengatakan bahwa di wilayah yang sangat terpengaruh oleh terorisme, seperti Asia Tenggara, risiko mencapai puncaknya hampir empat tahun setelah serangan sebelumnya, sementara di wilayah berisiko lebih rendah seperti Rusia dan Eropa Timur, periode waktu ini meluas hingga tujuh tahun delapan bulan. 

Penelitian dilakukan pada tingkat regional dan tidak memberikan contoh nyata tentang bagaimana hal itu akan diterapkan di negara-negara tertentu.

“Teroris memang cenderung menargetkan lokasi yang sama beberapa kali,” kata studi tersebut, seraya menambahkan bahwa teroris umumnya melakukan analisis biaya-manfaat mereka sendiri.

“Di sebagian besar wilayah, kemungkinan terorisme yang diprediksi cenderung dikaitkan secara negatif dengan kepadatan penduduk, yang menunjukkan bahwa kemungkinan serangan teroris lebih tinggi di daerah yang berpenduduk lebih sedikit” tulis tim tersebut.

“Karena pusat kota dapat dilihat sebagai target yang lebih menarik, hasilnya mungkin menunjukkan bahwa akses ke daerah ini merupakan kendala penting yang dihadapi oleh teroris.”

Penelitian tersebut merupakan upaya terbaru untuk membangun model peringatan dini terorisme yang dapat digunakan oleh badan intelijen.

Sebuah laporan oleh Kantor Penanggulangan Terorisme PBB tahun ini mengatakan analitik prediktif dapat berkontribusi untuk melawan terorisme, tetapi mengakui ada kekhawatiran etis bahwa sains dapat digunakan untuk mendiskriminasi kelompok atau individu atau untuk mendukung pengawasan massal yang tidak dapat dibenarkan.

“Daripada memantau individu secara online dan memperkirakan perilaku mereka, model prediktif yang diinformasikan oleh statistik dari sumber online [dianonimkan] untuk melindungi privasi pengguna dapat digunakan untuk mengidentifikasi tren atau memperkirakan perilaku teroris di masa depan,” katanya.

Pada tahun 2017, para peneliti di Binghamton University di Amerika Serikat mengembangkan kerangka kerja yang menghitung hubungan antara serangan teroris, seperti waktu serangan dan jenis senjata, serta mendeteksi perilaku teroris.

Universitas mengatakan bahwa metode tersebut dapat memprediksi sebagian besar karakteristik serangan dengan akurasi lebih dari 90 persen.

Sebuah tim peneliti di Institut Komputasi Universitas Sains dan Teknologi Kohat di Pakistan juga mengatakan teknik berbasis pembelajaran mendalam dapat membantu pemerintah memahami sifat serangan dan strategi yang digunakan, serta peluang keberhasilan mereka.

Menyebarkan sumber daya dalam jumlah besar mungkin tidak cukup untuk mencegah serangan secara efisien karena kelompok teroris dapat menargetkan daerah yang lebih rentan karena mereka beradaptasi dengan tindakan kontraterorisme yang ditargetkan secara spasial, kata tim Python.

“Namun, jika prediksi mengidentifikasi lokasi yang paling hemat biaya bagi teroris untuk diserang, maka kepolisian daerah tersebut setidaknya akan meningkatkan biaya untuk teroris dan mungkin mengarah pada pengurangan aktivitas teroris secara keseluruhan,” kata mereka.

Prediksi dapat lebih ditingkatkan untuk melawan terorisme dengan data terorisme yang lebih baik dan lebih geolokasi dan kolaborasi antara bidang-bidang seperti terorisme dan ilmu data, kata mereka.

“Kami berharap pekerjaan kami dapat membuka jalan bagi pengembangan pendekatan pembelajaran mesin prediktif untuk lebih memahami terorisme dan mencegah peristiwa yang merenggut nyawa ribuan orang setiap tahun,” kata mereka.

Sumber: scmp.com