Bagaimana Memristor Membuat AI Lebih Mirip Manusia

Kebangkitan Perangkat Keras AI Mirip Otak Neuromorfik

As AI menjadi pusat industri teknologi, muncul masalah yang semakin besar: permintaan komputasi dan energi yang masif ketika AI dijalankan menggunakan CPU dan GPU.

Akibatnya, para peneliti bekerja keras pada Neural Processing Units (NPUs), yang juga disebut chip neuromorfik, jenis perangkat keras AI yang meniru neuron otak.

“Bukan karena chip atau komputer kami tidak cukup kuat untuk apa pun yang mereka lakukan. Tetapi karena mereka tidak cukup efisien. Mereka menggunakan terlalu banyak energi.”

Profesor Joshua Yang – University Of Southern California

Peralihan ke perangkat keras yang terinspirasi otak dapat mengubah cara kita mendekati kecerdasan buatan. Desain neuromorfik menawarkan tiga keunggulan utama dibandingkan chip konvensional:

• Arsitektur adaptif: sirkuit yang dapat mengkonfigurasi ulang dirinya berdasarkan data pelatihan.
• Efisiensi energi radikal: dalam beberapa kasus, menggunakan hanya 1/100^th daya GPU.
• Output panas lebih rendah: mengurangi kebutuhan pendinginan mahal yang membebani pusat data AI saat ini.

(Anda dapat membaca lebih lanjut tentang perangkat keras khusus AI, termasuk NPUs, dalam laporan khusus kami tentang topik ini.)

“Kemampuan mengembangkan mikrochip yang meniru aktivitas neural sebenarnya berarti Anda tidak memerlukan banyak daya untuk mode siaga atau ketika mesin tidak digunakan.

Itu dapat menjadi keuntungan komputasi dan ekonomi yang sangat besar.”

John LaRocco – peneliti ilmiah di bidang psikiatri di Ohio State’s College of Medicine.

Para peneliti sedang menguji beberapa metode menjanjikan untuk menciptakan chip neuromorfik. Salah satu pendekatan melibatkan pemanfaatan ferroelectricitas incipient—fenomena yang masih kurang dipahami yang dapat memungkinkan material beralih polarisasi listrik secara spontan di bawah kondisi yang tepat. Pendekatan lain berfokus pada substrat aktif yang terbuat dari vanadium atau titanium, material yang dapat mengubah sifat listriknya secara dinamis untuk meniru sinyal mirip otak.

Mungkin jalur yang paling banyak dibicarakan adalah penggunaan memristor—kelas revolusioner komponen elektronik yang dapat menyimpan informasi melalui perubahan resistansi. Perangkat ini dapat melakukan tugas AI dengan hanya 1/800^th konsumsi daya normal, menjadikannya salah satu solusi paling hemat energi yang sedang dikembangkan.

Bagaimana Memristor Meniru Sinaps

Geser untuk menggulir →

Memristor adalah komponen elektronik yang meniru sinaps yang menghubungkan neuron dengan mengingat keadaan listrik yang mereka alihkan setelah daya dimatikan.

Ini dapat secara signifikan mengurangi energi dan waktu yang hilang karena memindahkan data bolak‑balik antara prosesor dan memori.

Salah satu kekuatan utama memristor adalah kemampuannya untuk belajar secara efisien dan self‑adaptive secara in situ, yang penting untuk aplikasi dalam robotika dan kendaraan otonom.

Selain itu, konsumsi daya rendah memristor sangat menguntungkan dalam robotika dan kendaraan otonom, di mana efisiensi energi sangat penting.

Berbagai jalur sedang dieksplorasi untuk menciptakan memristor terbaik, mulai dari memristor titanium oksida hingga menggunakan neuron manusia sebenarnya (organoid) atau bahkan jamur.

Gagasan menggunakan material organik, termasuk neuron sebenarnya, untuk meniru aktivitas neuron masuk akal secara teoretis. Namun, dalam praktiknya, menghubungkan “komputer” semacam itu ke sistem TI tradisional dapat menjadi tantangan.

 “Sistem komputasi kami tidak pernah dirancang untuk memproses data dalam jumlah besar atau belajar dari hanya beberapa contoh secara mandiri.

Salah satu cara meningkatkan efisiensi energi dan pembelajaran adalah membangun sistem buatan yang beroperasi sesuai prinsip yang diamati di otak.”

Profesor Joshua Yang – University Of South California

Kurangnya efisiensi ini sangat mencolok bila dibandingkan dengan otak manusia. Seorang anak kecil dapat belajar mengenali digit tulisan tangan setelah melihat hanya beberapa contoh masing‑masing, sementara komputer biasanya memerlukan ribuan contoh untuk mencapai tugas yang sama.

Dan otak manusia melakukan hal ini dengan mengonsumsi sekitar 20W daya, sementara pusat data AI terbaru mengincar skala GW, atau hampir seratus juta kali lebih banyak daya.

Opsi perantara baru dapat berupa pembuatan chip buatan yang berfungsi seperti neuron dalam prinsip dasarnya. Ini adalah jalur yang diambil oleh peneliti di University of Southern California, University of California, University of Massachusetts, Syracuse University, Air Force Research Laboratory, dan NASA Ames Research Center.

Mereka mempublikasikan hasilnya di Nature Electronics¹, dengan judul “A spiking artificial neuron based on one diffusive memristor, one transistor and one resistor”.

Meniru Cara Neuron Menembak Menggunakan Memristor Difusif

Bagaimana Neuron Bekerja?

Cara neuron berinteraksi satu sama lain, dan pada akhirnya memproses informasi, adalah dengan menggunakan sinyal listrik dan kimia.

Jika sinyal cukup kuat, ia menghasilkan impuls listrik yang disebut potensial aksi dengan memungkinkan ion natrium bermuatan positif mengalir ke dalam sel.

Sumber: Nature Electronics

Ketika sinyal listrik ini diterima, ia menyebabkan pelepasan neurotransmiter.

Sampai saat ini, memristor elektronik dan sirkuit complementary metal–oxide–semiconductor (CMOS) telah menggunakan sinyal listrik untuk secara virtual mensimulasikan fungsi tersebut, memerlukan ratusan transistor untuk mensimulasikan satu neuron.

Sebaliknya, peneliti mengembangkan perangkat yang disebut “memristor difusif”, yang juga menggunakan interaksi kimia nyata untuk memulai proses komputasi.

Apa Itu Memristor Difusif dan Bagaimana Cara Kerjanya?

Sementara sistem silikon tradisional mengandalkan elektron untuk melakukan komputasi, memristor difusif menggunakan gerakan atom sebagai gantinya. Mereka menggunakan ion perak yang tertanam dalam material oksida untuk menghasilkan pulsa listrik yang meniru fungsi otak alami.

Sumber: Nature Electronics

Tentu saja, ini tidak meniru secara persis cara kerja neuron, tetapi prinsipnya sangat mirip.

“Meskipun tidak persis sama ion dalam sinaps dan neuron buatan kami, fisika yang mengatur gerakan ion dan dinamika sangat mirip.”

Profesor Joshua Yang – University Of South California

Sebagian, kesamaan ini berasal dari fakta bahwa ion perak mudah berdifusi dalam sistem memristor ini, mirip dengan cara ion natrium dapat bergerak dalam sel organik.

Selain perak, memristor juga menggunakan palladium, silikon, titanium, dan hafnium. Penelitian ini dapat memvisualisasikan secara real‑time difusi perak sebagai respons terhadap rangsangan listrik.

Geser untuk menggulir →

Masa Depan: Chip Neuromorfik & AI Hemat Energi

Keunggulan utama tipe memristor baru ini adalah dapat muat dalam jejak satu transistor, sementara desain lama memerlukan puluhan bahkan ratusan transistor.

Uji awal hanya menggunakan beberapa memristor difusif, menunjukkan bahwa mereka dapat dipakai untuk membangun jaringan saraf multi‑level tipikal yang digunakan oleh hampir semua sistem AI saat ini.

Sumber: Nature Electronics

Langkah selanjutnya adalah merakit lebih banyak sistem semacam ini untuk menguji seberapa efisien mereka dalam melaksanakan tugas AI secara nyata.

“Kami merancang blok‑bangunan yang pada akhirnya memungkinkan kami mengurangi ukuran chip berorde‑magnitudo, dan mengurangi konsumsi energi berorde‑magnitudo.

Sehingga AI dapat berkelanjutan di masa depan, dengan tingkat kecerdasan serupa tanpa membakar energi yang tidak dapat kami pertahankan.”

Profesor Joshua Yang – University Of South California

Menemukan apakah ion lain dapat digunakan juga berguna, karena ion perak tidak umum dipakai dalam manufaktur semikonduktor, yang dapat membatasi kecepatan adopsi desain ini oleh industri.

Efek lain dari memristor difusif adalah mereka dapat membantu memahami cara kerja otak biologis dengan lebih baik.

Dalam jangka panjang, mereka kemungkinan sangat berguna untuk apa yang disebut “komputasi edge”, di mana komputasi dilakukan langsung di lokasi, misalnya pada robot atau mobil otonom yang harus membuat keputusan tanpa terhubung ke pusat data AI.

Berinvestasi pada Pembuat Chip Neuromorfik

Intel

Intel (INTC ) adalah raksasa di sektor semikonduktor dan telah berkembang selama bertahun‑tahun dari pendiri industri menjadi pemimpin ilmiah dan inovasi, kehilangan posisi teratas volume manufaktur ke perusahaan seperti TSMC milik Taiwan.

Intel adalah pemimpin dalam komputasi neuromorfik, termasuk melalui chip Loihi 2.

Ia juga menciptakan Intel Neuromorphic Research Community, yang mencakup Pennsylvania State University, yang terlibat dalam riset vanadium dioksida, serta banyak desain neuromorfik potensial lainnya, dan lebih dari 75 grup riset lain.

Intel juga sangat aktif meniru persepsi biologis melalui replikasi cara kerja otak kita (yang merupakan cabang komputasi neuromorfik), sesuatu yang kami bahas lebih lanjut dalam artikel kami “Biomimetic Olfactory Chips: Are Artificial Intelligence and E-Noses the Next Canary in a Coal Mine?”.

Secara keseluruhan, riset dari Intel Lab berada di garis depan inovasi semikonduktor, termasuk AI, komputasi kuantum, komputasi neuromorfik, dll. (Kami membahas kemajuan Intel dalam komputasi kuantum dalam artikel kami “The Current State of Quantum Computing ”).

Anda juga dapat membaca lebih lanjut tentang bisnis dan program R&D Intel saat ini dalam laporan investasi khusus kami.

Berita dan Perkembangan Saham Intel (INTC) Terbaru

Studi Dirujuk

^{1. Zhao, R., Wang, T., Moon, T. et al. A spiking artificial neuron based on one diffusive memristor, one transistor, and one resistor. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x}