PBB mengatakan jumlah serangan pemukim yang menyebabkan korban jiwa atau kerusakan properti di Tepi Barat yang diduduki telah melebihi 1.000 serangan sejak awal tahun ini.

“Rekan-rekan kami di Kantor Koordinasi Urusan Kemanusiaan memberi tahu kami bahwa jumlah serangan pemukim yang menyebabkan korban jiwa atau kerusakan properti tahun ini di Tepi Barat kini telah melebihi 1.000,” kata juru bicara Sekretaris Jenderal PBB António Guterres kepada wartawan.

Menurut PBB, serangan tersebut berdampak pada lebih dari 230 komunitas di Tepi Barat yang diduduki.

Organisasi tersebut juga mengatakan bahwa lebih dari 2.200 warga Palestina telah mengungsi tahun ini karena kekerasan pemukim dan pembatasan akses lainnya, sementara ratusan lainnya terpaksa meninggalkan rumah mereka karena pembongkaran yang dilakukan oleh otoritas Israel.

NEW YORK – Pasar saham Amerika Serikat (AS) memulihkan sebagian kerugian minggu ini pada hari Kamis (10/10) seiring kembali naiknya kinerja perusahaan-perusahaan kecerdasan buatan (AI). Harga minyak dan imbal hasil Treasury, sementara itu, tetap mendekati level hari sebelumnya, bahkan ketika kekhawatiran meningkat mengenai perang dengan Iran dan percepatan inflasi.

S&P 500 naik 0,3%, setelah penurunan berturut-turut yang membawanya kembali ke level awal Mei. Dow Jones Industrial Average naik 313 poin, atau 0,6 persen, pada 11:45 Waktu Bagian Timur, dan Indeks Komposit Nasdaq naik 0,5 persen.

Saham AI membantu memimpin pasar, seperti yang terjadi sejak minggu lalu, kemudian berubah dari melonjak ke rekor tertinggi hingga akhirnya jatuh secara tiba-tiba. Kekhawatiran terbesarnya adalah apakah saham-saham ini melonjak terlalu tinggi, terlalu cepat karena kegilaan AI, dan apakah saham-saham tersebut berfluktuasi naik turun, terkadang dari jam ke jam.

Marvell Technology, misalnya, naik 2,6 persen. Harga ini muncul dari masa krisis dimana harga anjlok 16,7 persen, naik 9,6 persen, lalu turun lebih dari 5 persen selama dua hari berturut-turut. Tepat sebelum itu, terjadi lonjakan satu hari sebesar 32,5%, yang terbaik dalam sejarah, ketika CEO Nvidia Jensen Huang menyatakan bahwa perusahaan tersebut bisa menjadi “perusahaan bernilai triliunan dolar berikutnya.” Nilainya sedikit di atas $190 miliar pada saat itu.

Perusahaan yang terlibat dalam manufaktur chip telah memperoleh keuntungan terbesar di pasar. Lam Research naik 8,2 persen dan KLA naik 8,4 persen.

Hal ini membantu mengimbangi penurunan Oracle sebesar 11,6 persen. Perusahaan ini melaporkan laba pada kuartal terakhir yang lebih tinggi dari perkiraan para analis, namun perusahaan juga mengatakan pihaknya berencana untuk mengumpulkan $40 miliar tunai pada tahun fiskal ini melalui peminjaman dan penjualan sahamnya. Hal ini terjadi setelah mengumpulkan $48 miliar pada tahun keuangan terakhir untuk membantu mendanai investasi AI.

Saham-saham perusahaan lain juga terkena dampak baru-baru ini karena mengumumkan pengeluaran besar untuk AI, dengan pertanyaan yang masih tersisa adalah apakah semua investasi ini dapat menghasilkan keuntungan dan produktivitas seperti yang dijanjikan oleh para pendukung AI.

Sementara itu, harga minyak telah melayang menyusul pertempuran terbaru dengan Iran, yang telah merugikan pengiriman minyak dari Teluk Persia. Presiden Donald Trump mengancam akan melancarkan serangan besar-besaran terhadap Iran dan mengambil kendali industri minyaknya.

Amerika Serikat dan Iran telah melancarkan serangan dalam beberapa hari terakhir setelah gencatan senjata rapuh yang berlangsung lebih dari sebulan. Meskipun serangan tersebut telah meningkatkan ketegangan di wilayah tersebut, serangan tersebut lebih terbatas dibandingkan pada minggu-minggu pertama perang dan pembicaraan untuk memperpanjang gencatan senjata sedang berlangsung.

Minyak mentah Brent, standar internasional, naik 0,3 persen menjadi $93,30 per barel. Minyak mentah acuan AS pulih dari penurunan sebelumnya dan naik 1 persen menjadi $90,96 per barel.

Harga minyak yang tinggi telah mendorong inflasi jauh lebih tinggi, dan sebuah laporan yang dirilis pada hari Kamis menunjukkan bahwa harga grosir AS naik pada bulan Mei lebih besar dari perkiraan para ekonom. Dampaknya bersifat global dan Bank Sentral Eropa pada hari Kamis menjadi bank sentral besar pertama yang menaikkan suku bunga sebagai tanggapannya.

Suku bunga yang lebih tinggi dapat menahan inflasi. Namun hal ini juga secara bersamaan memperlambat perekonomian secara keseluruhan dan menurunkan harga semua jenis investasi, termasuk saham dan mata uang kripto. Hal ini terutama berdampak pada investasi yang dianggap paling mahal, dan beberapa kritikus menyebut AI sebagai sebuah gelembung di mana investasi telah meningkat terlalu besar.

Federal Reserve akan membuat keputusan sendiri mengenai suku bunga minggu depan di bawah pimpinan barunya, Kevin Warsh. Dia ditunjuk oleh Trump, yang mendorong penurunan suku bunga. Namun ekspektasi yang ada adalah bahwa The Fed akan mempertahankan suku bunga utamanya tetap stabil pada minggu depan.

Sebaliknya, para pedagang melihat The Fed kemungkinan besar akan menaikkan suku bunga setidaknya sekali pada akhir tahun ini, menurut data CME Group. Inflasi tidak hanya tetap berada di atas target The Fed, namun pasar tenaga kerja AS juga tampak tetap kuat.

Imbal hasil obligasi Treasury 10-tahun turun menjadi 4,52 persen dari 4,55 persen pada akhir Rabu.

Di pasar saham luar negeri, indeks naik sedikit di Eropa setelah hasil yang beragam di Asia.

Indeks FTSE 100 di London naik 0,5 persen dan Hang Seng di Hong Kong turun 0,7 persen, dua pergerakan terbesar di dunia.

Studi yang dipublikasikan di Jurnal Kosmologi dan Fisika Astropartikel (JCAP), meneliti bagaimana pembelajaran transfer dapat membantu peneliti mempelajari teori di luar model kosmologis standar.

AI dan pencarian fisika baru

Model standar kosmologi saat ini, yang dikenal sebagai ΛCDM, berhasil menjelaskan banyak fitur alam semesta berskala besar, termasuk perluasannya dan distribusi galaksi. Namun, para ilmuwan yakin model ini bukanlah jawaban pasti.

Pengamatan baru-baru ini telah menimbulkan pertanyaan yang mungkin mengarah pada fisika baru, termasuk efek neutrino masif, perubahan gravitasi, dan evolusi energi gelap. Untuk mengeksplorasi kemungkinan-kemungkinan ini, para peneliti harus menghasilkan sejumlah besar simulasi komputer terperinci, yang masing-masing mewakili alam semesta virtual yang dibangun dari asumsi fisik berbeda.

Memproduksi simulasi ini memerlukan biaya komputasi yang mahal dan seringkali memerlukan daya komputasi yang signifikan.

Menggunakan Pembelajaran Transfer untuk Mengurangi Biaya Simulasi

Para peneliti menyelidiki apakah pembelajaran transfer dapat membuat proses ini lebih efisien.

Pembelajaran transfer memungkinkan sistem AI untuk menerapkan pengetahuan yang dipelajari dari satu tugas ke tugas terkait lainnya. Alih-alih melatih jaringan saraf sepenuhnya pada simulasi yang paling kompleks dan mahal secara komputasi, tim terlebih dahulu melatihnya pada simulasi berbasis ΛCDM yang lebih sederhana. Fase awal ini disebut pra-pelatihan, kemudian diikuti dengan pelatihan tambahan dengan menggunakan model yang lebih canggih termasuk potensi fisika baru.

“Ini pada dasarnya adalah jalan pintas,” kata Adrian Bayer, kosmolog di Institut Flatiron dan Universitas Princeton yang ikut menulis penelitian ini. “Biasanya, orang melatih AI secara langsung pada simulasi yang paling mahal secara komputasi. Sebaliknya, kami menggunakan simulasi ΛCDM yang lebih sederhana dan lebih murah terlebih dahulu untuk memberikan gambaran kepada AI tentang apa yang terjadi, dan kemudian beralih ke model yang lebih kompleks.”

Bayer membandingkan pendekatan belajar dari buku teks.

“Anda membaca buku dasar terlebih dahulu untuk merasakan pengetahuannya,” kata Bayer, “dan kemudian melanjutkan ke buku yang sangat rumit.”

Menurut penulis pertama Veena Krishnaraj, seorang mahasiswa sarjana di Universitas Princeton, strategi ini menyelamatkan AI dari keharusan “mencerna semuanya sekaligus”.

Hasilnya sangat mengejutkan. Dalam beberapa kasus, pembelajaran transfer telah mengurangi jumlah simulasi mahal yang diperlukan lebih dari sepuluh kali lipat.

Ketika pengetahuan sebelumnya menjadi masalah

Studi ini juga mengungkapkan tantangan yang kurang jelas yang disebut transferensi negatif.

Dengan menggunakan perbandingan buku teks Bayer, bayangkan Anda mempelajari kedokteran dari teks pengantar dan kemudian menemukan penyakit langka yang sangat mirip dengan penyakit umum. Pengetahuan yang ada pada umumnya berguna, namun terkadang dapat menimbulkan kesimpulan yang salah.

Masalah yang sama bisa muncul pada sistem AI.

Dalam beberapa kasus, ciri-ciri fisika baru ini menyerupai pola yang telah dikaitkan AI dengan model kosmologis standar. Ketika hal ini terjadi, jaringan yang telah dilatih sebelumnya dapat menafsirkan informasi yang tidak diketahui melalui lensa yang sudah diketahuinya, sehingga lebih sulit untuk mengenali efek yang benar-benar baru.

Para peneliti mengamati efek ini dengan mempelajari simulasi yang melibatkan neutrino masif. Beberapa tanda pengamatan terkait massa neutrino sangat mirip dengan perubahan yang terkait dengan parameter ΛCDM yang disebut σ8, yang mengukur intensitas gugus materi di alam semesta.

Karena kesamaan ini, jaringan saraf terlatih pada awalnya kesulitan membedakan kedua efek tersebut.

“Perpindahan negatif ini tidak terjadi secara acak. Hal ini disebabkan oleh kemerosotan fisik yang mendasari model tersebut,” jelas Krishnaraj.

Dengan kata lain, proses fisik yang berbeda dapat menghasilkan tanda tangan yang sangat mirip, sehingga menyulitkan AI untuk mengidentifikasi parameter yang bertanggung jawab dengan benar.

“Jadi ini adalah sesuatu yang perlu kita waspadai dan coba mitigasinya,” tutupnya.

Janji dan risiko bagi kosmologi masa depan

Hasilnya menyoroti potensi manfaat dan keterbatasan penerapan konsep model dasar dalam fisika. Pendekatan ini secara umum memiliki semangat yang sama dengan teknik yang mendasari sistem AI generatif modern dan model bahasa besar.

Sebagaimana dicatat oleh para peneliti dalam makalahnya, pra-pelatihan dapat mempercepat inferensi, “tetapi juga dapat menghambat pembelajaran fisika baru.”

Sejauh ini, pendekatan tersebut hanya diuji dengan menggunakan simulasi. Langkah selanjutnya adalah menerapkannya pada observasi astronomi nyata.

Tim percaya bahwa pembelajaran transfer dapat menjadi alat penting untuk studi kosmologi di masa depan, yang diharapkan dapat mengumpulkan data presisi tinggi tentang alam semesta dalam jumlah yang belum pernah terjadi sebelumnya di tahun-tahun mendatang.

Artikel “Transfer Pembelajaran Melampaui Model Standar” oleh Veena Krishnaraj, Adrian E. Bayer, Christian Kragh Jespersen, dan Peter Melchior kini tersedia di JSTAT.

Presiden AS Donald Trump mengatakan saat ini ada nota kesepahaman yang “sangat kuat” dan “rinci” yang menguraikan kemungkinan kesepakatan dengan Iran.

Berbicara di Gedung Putih, Trump mengatakan kerangka tersebut telah disetujui oleh beberapa negara yang memiliki “pengaruh besar” terhadap Teheran.

Dia menyebut penyelesaian kesepakatan itu “bagus” bagi Amerika Serikat dan seluruh Timur Tengah, dan menambahkan bahwa hal itu juga akan menguntungkan Iran karena “mereka akan mampu membangun negaranya sendiri.”

Trump juga mengatakan bahwa jika kesepakatan itu ditandatangani, kemungkinan invasi AS ke pulau Kharg di Iran tidak lagi dipertimbangkan.

Meskipun belum ada tanggal yang ditetapkan untuk penandatanganan perjanjian tersebut, Trump mengatakan ia memperkirakan hal itu akan segera terjadi.