AI Terinspirasi Otak Baru Belajar Secara Real Time Menggunakan Daya Ultra-Rendah

Otak manusia adalah superkomputer paling canggih di dunia. Ia dapat belajar dan beradaptasi secara bersamaan tanpa menggunakan pusat data besar seperti sistem AI masa kini. Bulan ini, tim insinyur dari Departemen Ilmu Komputer dan Teknik Elektro Texas A&M serta institusi terkemuka lainnya memperkenalkan sistem AI terinspirasi otak yang dapat membuka kinerja lebih baik dan membuka pintu bagi protokol yang lebih cerdas. Inilah yang perlu Anda ketahui. 

Batasan AI Tradisional dan Arsitektur Turing

Kecerdasan buatan adalah salah satu industri teknologi yang tumbuh paling cepat dan paling menarik di dunia. Dalam beberapa tahun singkat, algoritma AI beralih dari hanya dapat diakses oleh insinyur tingkat tinggi Google dan Microsoft (MSFT ) menjadi alat umum bagi orang biasa. Sepanjang perjalanan ini, sistem AI terus meningkat dalam kinerja dan kemampuan. Seiring peningkatan kinerja tersebut, kemampuan perangkat keras juga meningkat.

Secara khusus, sistem AI bergantung pada arsitektur Turing. Gaya komputasi ini dinamai menurut penemunya, Alan Turing. Ia berhipotesis bahwa komputer dapat memberikan kinerja lebih baik jika bagian tertentu dari operasinya dipisahkan. 

Struktur ini berarti bahwa komputer memiliki pemrosesan dan memori yang secara fisik terpisah dalam desain chip. Pemisahan ini telah menentukan desain perangkat keras mesin sejak saat itu. Visi beliau untuk komputer tetap menjadi arsitektur yang paling banyak digunakan, meskipun sudah puluhan tahun sejak penemuannya. 

Krisis Energi: Mengapa AI Modern Membutuhkan Cetak Biru Baru

Masalah dengan tata letak ini adalah bahwa sistem AI memerlukan data dalam jumlah besar. Dalam beberapa kasus, seluruh pusat data harus dibangun dari nol, menggunakan perangkat keras paling canggih sebagai bagian dari persyaratan sistem. Sayangnya, struktur ini tidak berkelanjutan. 

Pusat data besar merupakan penguras energi yang dapat mengonsumsi energi sebanyak kota-kota seluruhnya. Dalam banyak kasus, sistem ini mengandalkan energi terbarukan, yang membantu mengurangi dampak lingkungan. Namun, permintaan yang terus meningkat untuk sistem AI berarti perlu peningkatan efisiensi agar protokol ini berkelanjutan di masa depan.

Mengapa Model AI Saat Ini Tidak Dapat Beradaptasi Secara Real Time

Selain itu, struktur ini berarti bahwa skalabilitas protokol ini didasarkan pada perangkat keras mereka, bukan pada batasan perangkat lunak. Bahkan sistem paling canggih sekalipun masih harus menunggu data dikirim secara fisik antar komponen perangkat keras pada sebuah perangkat. 

 Memperkenalkan AI Super-Turing: Terinspirasi oleh Otak Manusia

Kekurangan lain dari sistem AI berbasis Turing adalah ketergantungannya pada titik data yang telah ditetapkan. Model saat ini tidak menawarkan cara untuk mengubah kinerjanya selama operasi. Sistem ini bergantung pada data yang diberikan untuk menyelesaikan backpropagation. 

Pendekatan ini berbeda dari otak Anda, yang menggunakan kombinasi pengetahuan dan kondisi lingkungan untuk membuat penilaian akurat dengan sebagian kecil energi. Secara khusus, secara biologis tidak mungkin mereplikasi back propagation karena memerlukan orang tersebut telah mengalami situasi sebelumnya. Menyadari fakta-fakta ini, insinyur berupaya mengembangkan sistem AI yang meniru pembelajaran manusia.  

Bagaimana Resistor Sinaptik Belajar Seperti Otak Kita

Studi “HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system“¹ memperkenalkan sistem AI neuromorfik yang dapat meniru cara otak belajar untuk memberikan adaptabilitas real-time berdasarkan kondisi. Studi ini dipresentasikan oleh tim Peneliti dari UCLA, Texas A&M, dan fasilitas riset lainnya serta dipublikasikan di Science Advances. Untuk mencapai tujuan ini, tim menciptakan sirkuit “synstor” (resistor sinaptik) yang dapat belajar seperti otak Anda. 

Sumber – Departemen Ilmu Komputer dan Teknik Elektro Texas A&M

Efisiensi Mirip Otak: AI yang Mengkonsumsi Mikrowatt, Bukan Megawatt

Insinyur di balik studi ini menyadari bahwa otak manusia masih jauh melampaui AI dalam banyak aspek, seperti konsumsi energi dan fleksibilitas. Proses neural otak memungkinkan ia melakukan fungsi tubuh yang kompleks sekaligus beradaptasi dengan kondisi yang berubah di sekitar Anda. 

Dari segi efisiensi energi, otak manusia hanya membutuhkan sekitar 20 watt untuk beroperasi. Sebagai perbandingan, sistem AI canggih saat ini dapat mengonsumsi hingga 1 miliar watt selama operasi. Konsumsi daya ini berasal dari jalur pemrosesan dan komponen, serta arsitektur sistem AI.  

 Memahami Plastisitas Sinaptik dalam Kecerdasan Buatan

Para insinyur memulai dengan mempelajari plastisitas sinaptik pada otak. Otak Anda memiliki jutaan neuron yang mendukung memori dan pembelajaran Anda. Area komunikasi tempat saraf bertemu disebut sinaps. Plastisitas sinaptik merujuk pada kemampuan otak untuk memperkuat koneksi yang sering digunakan. Ini juga merujuk pada kemampuan otak untuk menciptakan jalur baru ketika dianggap lebih efisien. 

Rahasia Otak: Beralih Antara Mode Turing dan Super-Turing

Secara cermat, otak dapat beroperasi dalam mode Turing maupun mode super-Turing. Saat berada dalam keadaan operasional Turing, otak Anda akan menggunakan tugas dan tindakan yang telah dipelajari sebelumnya. Ketika skenario tak terduga muncul atau kondisi berubah secara tidak dapat diprediksi, otak Anda secara otomatis beralih ke sikap super-Turing. Pendekatan ini memungkinkan otak Anda selalu beradaptasi dengan lingkungan sekitar.

Bagaimana AI Super-Turing Belajar dan Beradaptasi Secara Instan

Para ilmuwan menemukan bahwa keadaan super-turning ini berada di inti kemampuan unik otak. Mereka memanfaatkan struktur ini untuk membayangkan kembali arsitektur AI, membayangkan alur operasional yang lebih mirip manusia di mana pembelajaran dan inferensi terjadi secara bersamaan. 

Strategi ini secara signifikan mengurangi konsumsi energi. Penghapusan kebutuhan memindahkan data dalam jumlah besar antar komponen perangkat keras mengurangi konsumsi dan meningkatkan kinerja. Ini juga mendukung adaptabilitas real-time sambil menurunkan konsumsi daya ke level terendah baru.

Di Dalam Synstor: Sirkuit Ferroelectric yang Meniru Pembelajaran Manusia

Inti dari studi ini adalah penciptaan sirkuit sensor inklusif yang mampu memproses, belajar, dan beroperasi secara mulus secara bersamaan.  Tim tersebut memfabricasi sirkuit synstor berbasis Hf0.5Zr0.5Ο2 sebagai bagian dari studi mereka.  

Sirkuit khusus ini menampilkan resistor sinaptik yang mengintegrasikan material ferroelectric HfZrO. Secara khusus, material ferroelectric, seperti oksida Hf, memberikan insinyur kemampuan untuk menciptakan memori analog nonvolatile yang dapat diskalakan, kompatibel dengan Si, serta perangkat neuromorfik. 

Simulasi Drone: Manusia vs AI vs Synstor

Tim tersebut menyiapkan simulasi penerbangan drone dan melibatkan AI tradisional, manusia, serta sistem AI super-Turing untuk menavigasi simulasi guna menguji teori mereka. Sebelum adanya turbulensi atau rintangan, sirkuit synstor, operator manusia, dan ANN berhasil belajar mengarahkan drone ke posisi target tanpa masalah atau penundaan. 

Namun, ketika pohon atau angin kencang ditambahkan, kinerja semua pihak menurun. Secara khusus, manusia dan sistem AI berbasis sirkuit synstor menyelesaikan tugas tersebut. Sistem AI tradisional tidak dapat menyesuaikan diri dengan lingkungan baru dan tidak menyelesaikan tes karena rintangan tambahan mengurangi kinerjanya.

Adaptabilitas AI dalam Aksi: Hasil Kursus Rintangan Drone

Studi tersebut menunjukkan bahwa sirkuit resistor sinaptik yang baru dikembangkan oleh insinyur mendukung sistem AI Super-Turing yang efisien dan adaptif yang dapat menavigasi lingkungan dunia nyata yang tidak pasti dan dinamis. Mereka meneliti mengapa hanya drone yang dikendalikan manusia dan synstor yang dapat menyelesaikan kursus. Keberhasilan mereka disebabkan oleh kemampuan beradaptasi secara langsung.

Mengapa Sirkuit Synstor Merupakan Langkah Maju dalam AI Berkelanjutan

Ada beberapa manfaat yang dapat dibawa oleh sistem AI sirkuit synstor ke pasar. Pertama, mereka akan membuka pintu bagi opsi AI yang lebih maju dan mampu. Protokol ini akan mampu melakukan inferensi dan pembelajaran real-time secara bersamaan, menyediakan batu loncatan menuju protokol AI generasi berikutnya.

Ramah Lingkungan: Arsitektur sistem AI insinyur ini menggunakan sebagian kecil listrik yang diperlukan untuk menjalankan protokol AI tradisional. Penggunaan daya yang ditingkatkan ini memungkinkan sistem AI Synstor mengklaim gelar sebagai arsitektur AI paling ramah lingkungan untuk data. Seiring meningkatnya permintaan layanan ini, kebutuhan akan opsi berkelanjutan juga akan meningkat. 

Efisiensi: Para insinyur berhasil menciptakan sistem yang meniru otak manusia. Pendekatan mereka mengurangi kebutuhan energi secara menyeluruh untuk sistem AI dan memungkinkan sistem AI memaksimalkan konsumsi daya saat mengeksekusi atau melatih model baru. 

Adaptabilitas: Salah satu manfaat utama dari struktur AI ini adalah adaptabilitasnya. Sistem AI perlu menjadi lebih cepat dan lebih adaptif untuk menangani jumlah tugas yang terus bertambah. Dari mengendalikan kendaraan listrik Anda di rumah hingga menentukan lagu apa yang diputar untuk Anda, sistem AI masa depan akan memperhitungkan lingkungan mereka sebagai bagian dari prosedur pemrosesan mereka. 

Aplikasi Masa Depan: AI Mirip Otak dalam Mobil, Wearable, dan Teknologi Militer

Sistem AI terinspirasi otak memiliki potensi untuk merevolusi industri. Ini menawarkan insinyur prospek pengembangan AI berkelanjutan dan dapat mendukung penciptaan sistem otonom canggih masa depan. Teknologi ini juga akan menemukan jalannya ke robotika, wearable, dan sektor medis.  

Komputasi Tinggi: Anda dapat mengharapkan melihat sistem AI canggih yang memanfaatkan teknologi ini dalam waktu dekat. Pengurangan konsumsi daya akan menurunkan biaya operasional sistem ini, menjadikannya pilihan menarik dibandingkan status quo. Selain itu, seiring desain chip synstor semakin baik, adopsi akan semakin meningkat. 

Militer: Militer adalah salah satu pendukung terbesar AI. Sistem AI dapat membantu dalam pelacakan, penargetan, perencanaan, dan logistik, meningkatkan kemampuan operasional setiap angkatan bersenjata yang menggunakannya. Di masa depan, Anda akan melihat sistem AI menggerakkan amunisi loitering dan drone canggih serta membantu perencana mempertahankan kesadaran situasional.. 

Kendaraan Otonom: Salah satu skenario penggunaan inti untuk AI canggih adalah mengendalikan kendaraan otonom. Impian mobil sepenuhnya otonom telah lambat terwujud, namun kemajuan terbaru membuat visi tersebut lebih dekat daripada sebelumnya. Terobosan AI terbaru ini akan membantu meningkatkan kinerja dan membuka pintu bagi kendaraan otonom yang lebih canggih yang mampu terbang dan lainnya. 

Teknologi ini suatu hari akan membantu membuat komunitas lebih aman dan tugas sehari-hari Anda lebih mudah. Namun, masih ada beberapa detail dan hambatan yang harus diatasi teknologi ini sebelum menjadi mainstream. Meskipun ada penundaan, adopsi komersial potensial diperkirakan dalam 5–10 tahun, dengan aplikasi jangka pendek pada tugas AI berdaya rendah yang khusus.

Temui Tim Peneliti di Balik Terobosan AI Ini

Insinyur dari Departemen Ilmu Komputer dan Teknik Elektro Texas A&M serta Universitas California-Los Angeles berkolaborasi untuk mengungkapkan studi ini. Secara khusus, Jungmin Lee, Rahul Shenoy, dan Atharva Deo memimpin penelitian. 

Mereka dibantu oleh tim insinyur, termasuk Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian-Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu, dan Yong Chen. Secara khusus, studi ini menerima pendanaan dari Air Force Office of Scientific Research. 

Sudut Bisnis: Bagaimana NVIDIA dan Lainnya Mendorong AI Neuromorfik

Perlombaan AI sedang berlangsung, dan perusahaan pesaing menghabiskan miliaran untuk mencoba mendominasi sektor ini. Sifat AI yang relatif disruptif berarti ada peluang baru bagi perusahaan seperti OpenAI untuk muncul dari nol dan mengamankan posisi teratas di pasar. Meskipun sangat sulit menentukan siapa pemain baru berikutnya di sektor ini, mudah melihat siapa yang telah mendominasi pasar selama beberapa tahun terakhir.  

NVIDIA Corporation

NVIDIA (NVDA ) memasuki pasar pada tahun 1993 dan berbasis di California. Pembuat kartu grafis 3D yang kini terkenal dunia ini memelopori ASIC dan desain revolusioner lainnya selama bertahun‑tahun. Peningkatan ini membantu perusahaan beralih dari perusahaan kartu grafis game menjadi salah satu nama paling dikenal di sektor AI.

 Kenaikan NVIDIA tidak luput dari perhatian. Sahamnya mengalami pertumbuhan signifikan, dan pada Juni 2024, perusahaan mencapai kapitalisasi pasar $3T. Saat ini, NVIDIA menjadi pemimpin dalam perangkat keras neuromorfik dan AI edge. Karena itu, mereka sangat terlibat dalam merancang efisiensi inferensi AI dan arsitektur terinspirasi otak. Mereka yang mencari saham AI yang andal dan terbukti sebaiknya meluangkan waktu untuk meneliti lebih lanjut tentang NVIDIA. 

For a closer look at NVIDIA, make sure to melihat sorotan kami tentang raksasa industri ini.

Berita Terbaru tentang NVIDIA Corporation

Masa Depan AI: Kecerdasan Alami, Direkayasa Secara Buatan

Para insinyur di balik studi ini telah membuka tingkat baru dalam kemampuan AI. Desain chip baru mereka akan memungkinkan AI mengembangkan algoritma yang lebih cepat dan lebih cerdas. Sistem ini suatu hari akan menggerakkan hampir setiap komponen dalam hidup Anda. Untuk saat ini, penelitian ini menunjukkan bagaimana ilmuwan dapat menemukan inspirasi dari alam dan tubuh manusia untuk mendorong inovasi ke tingkat yang lebih tinggi.. 

Pelajari proyek AI keren lainnya sekarang.

Studi yang Dirujuk:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}