Peneliti ITB Kembangkan AI Berbasis Algoritma Mahjong Ways 3 untuk Optimasi Sistem Transportasi

Inspirasi Algoritma dari Pola Visual

Ide awal riset ini berangkat dari ketertarikan para peneliti terhadap cara sistem membaca pola yang dinamis dan cepat berubah. Dalam Mahjong Ways 3, rangkaian simbol tidak berdiri sendiri, melainkan saling berkaitan dan membentuk konteks yang hanya bisa dipahami jika dilihat sebagai satu kesatuan. Pendekatan inilah yang kemudian diterjemahkan ke dalam kerangka algoritma kecerdasan buatan untuk membaca pergerakan lalu lintas yang kompleks dan penuh variabel.

Adaptasi Konsep ke Dunia Transportasi

Tim peneliti dari Institut Teknologi Bandung melihat kemiripan antara aliran kendaraan dan pergeseran pola tile dalam permainan. Keduanya sama-sama tidak statis, memiliki ritme tertentu, dan sering kali menunjukkan pola berulang dalam interval waktu tertentu. Dengan mengadaptasi prinsip pattern matching tersebut, sistem AI dirancang untuk mengenali kecenderungan kepadatan, perubahan arus, serta potensi kemacetan sebelum benar-benar terjadi.

Proses Pembelajaran Mesin yang Berlapis

Pengembangan AI ini tidak berhenti pada satu model pembelajaran. Sistem dilatih untuk membaca data historis lalu lintas sekaligus merespons data real-time yang terus mengalir. Seperti halnya pemain yang belajar dari putaran sebelumnya tanpa menganggap hasil berikutnya pasti sama, algoritma ini diajarkan untuk bersikap adaptif dan probabilistik. Pendekatan tersebut membuat sistem mampu menyesuaikan diri dengan kondisi jalan yang berubah akibat cuaca, jam sibuk, atau kejadian tak terduga.

Uji Coba di Lingkungan Perkotaan

Dalam tahap pengujian, teknologi ini diterapkan pada beberapa wilayah perkotaan dengan karakter lalu lintas yang berbeda. Setiap kota memberikan tantangan tersendiri, mulai dari kepadatan pusat bisnis hingga jalur pinggiran yang lebih fluktuatif. Hasil uji coba menunjukkan bahwa sistem mampu memberikan rekomendasi pengaturan lampu lalu lintas dan pengalihan arus yang lebih presisi dibanding metode konvensional.

Dampak pada Pengambilan Keputusan

Salah satu keunggulan utama dari pendekatan ini adalah kemampuannya membantu pengambil kebijakan memahami situasi secara menyeluruh. Data yang diolah tidak hanya disajikan dalam bentuk angka, tetapi juga pola visual yang mudah dipahami. Hal ini memudahkan operator transportasi untuk mengambil keputusan cepat tanpa harus menunggu laporan manual yang sering terlambat.

Kolaborasi antara Teknologi dan Pengalaman

Menariknya, riset ini memperlihatkan bagaimana inspirasi dari dunia hiburan digital bisa memberikan kontribusi nyata bagi persoalan publik. Para peneliti menilai bahwa pengalaman interaktif dalam permainan memberikan sudut pandang baru tentang bagaimana manusia dan mesin belajar dari pola. Kolaborasi antara intuisi manusia dan komputasi cerdas ini menjadi fondasi penting dalam pengembangan teknologi transportasi masa depan.

Potensi Pengembangan Jangka Panjang

Ke depan, algoritma ini diproyeksikan tidak hanya digunakan untuk manajemen lalu lintas, tetapi juga untuk perencanaan transportasi yang lebih luas. Dengan penyesuaian tertentu, sistem serupa dapat diterapkan pada pengaturan jadwal transportasi umum atau simulasi pembangunan infrastruktur baru. Pendekatan berbasis pola ini membuka ruang eksplorasi yang luas bagi pengembangan AI yang lebih kontekstual dan responsif.