Terjebak Janji Manis Skala LLM? Investor Lirik Teknologi Neuromorfik Demi Masa Depan AI yang Lebih Efisien

Paradigma LLM: Antara Ambisi Skala Raksasa dan Keterbatasan Fundamental

Gelombang investasi dahsyat ke ranah Large Language Models (LLM) telah memicu ekspektasi utopis, seolah AI yang mendekati kecerdasan manusia sudah di ambang mata. Korporasi teknologi raksasa kini terlibat dalam perlombaan ambisius, membesarkan skala LLM masing-masing dengan satu keyakinan fundamental: ukuran model berbanding lurus dengan kecerdasan AI. Namun, ada alternatif yang menjanjikan, salah satunya adalah teknologi neuromorfik.

Namun, pandangan ini tidak sepenuhnya diterima oleh seluruh pakar. Yann LeCun, ilmuwan komputer terkemuka dan penerima Turing Award, lantang mengkritik pendekatan brute force yang mengandalkan data dan komputasi tanpa batas.

LeCun melihat LLM sebagai mesin memori dan pencarian data raksasa, bukan sebagai terobosan inovasi sejati. Penambahan data dan daya komputasi masif tidak serta-merta menghasilkan AI setara otak manusia. Implikasi dari pandangan ini sangat serius, terutama bagi para investor yang telah menggelontorkan modal besar, tergiur janji manis AI selevel doktor yang hanya memerlukan peningkatan skala model secara konstan. Pertanyaannya, apakah pendekatan ini realistis dalam jangka panjang, atau adakah alternatif yang lebih efisien dan menjanjikan seperti komputasi neuromorfik?

Yann LeCun Membongkar Mitos LLM

“LLM are just glorified auto-complete,” tegas Yann LeCun dalam berbagai kesempatan. Ia menekankan bahwa kelemahan inheren LLM terletak pada keterbatasan kemampuannya untuk benar-benar memahami dan menalar dunia nyata. Bagi LeCun, LLM hanya cakap dalam memprediksi kata berikutnya dalam sebuah kalimat, berdasarkan data yang telah dipelajari, tanpa pemahaman mendalam tentang makna atau konteks.

LeCun memperingatkan para investor untuk tidak mudah terpesona oleh klaim bombastis perusahaan mengenai kemampuan LLM. Penambahan data dan “trik sulap” tidak akan menghasilkan AI yang benar-benar cerdas. “You can’t just keep scaling up these models and expect them to magically become intelligent,” tegasnya. Akibatnya, banyak ahli kini menjajaki teknologi neuromorfik sebagai alternatif menjanjikan untuk masa depan AI.

Neuromorfik: Meniru Otak, Memangkas Energi, Mendorong Inovasi AI

Pendekatan neuromorfik menawarkan solusi elegan untuk mengatasi keterbatasan LLM, terutama dalam efisiensi energi dan kemampuan adaptasi. Komputasi neuromorfik terinspirasi langsung dari cara kerja otak manusia, yang jauh lebih hemat energi daripada komputer konvensional dalam memproses informasi. Otak mampu melakukan kalkulasi kompleks dengan daya minimal, sementara LLM menuntut daya yang sangat besar untuk pelatihan dan inferensi.

Efisiensi energi adalah keunggulan utama teknologi neuromorfik. Komputer neuromorfik menggunakan prinsip sparsity, yang mana hanya neuron aktif yang mengonsumsi energi. Hal ini berbeda dengan komputer konvensional, yang mana semua transistor menyedot energi, bahkan saat tidak aktif. Dengan mengoptimalkan penggunaan energi, teknologi neuromorfik membuka jalan bagi aplikasi AI yang lebih terjangkau dan berkelanjutan.

Sean Hehir (BrainChip) tentang Efisiensi Neuromorfik

Sean Hehir, CEO BrainChip, perusahaan terdepan dalam pengembangan chip neuromorfik, menekankan perlunya transisi dari komputasi brute-force ke pendekatan yang lebih cerdas. Ia menjelaskan bahwa chip neuromorfik BrainChip menggunakan mekanisme ‘nyala hanya saat dipakai’, yang memungkinkan penghematan energi signifikan. “Our chips only consume power when they are actively processing information,” kata Hehir.

Perbandingan efisiensi energi antara komputasi konvensional dan komputasi neuromorfik sangat mencolok. Untuk tugas yang sama, sistem neuromorfik dapat mengonsumsi energi ratusan kali lebih sedikit daripada sistem berbasis LLM. Hal ini membuka peluang baru untuk aplikasi AI di perangkat seluler, kendaraan otonom, dan perangkat IoT yang membutuhkan daya rendah.

Konsumsi Energi LLM vs. Neuromorfik

Data dari berbagai studi mengungkap fakta yang mengkhawatirkan. Pelatihan LLM raksasa seperti GPT-3 dapat mengonsumsi energi setara dengan kebutuhan ratusan rumah tangga selama setahun. Sebaliknya, sistem neuromorfik mampu melakukan tugas serupa dengan konsumsi energi yang jauh lebih rendah, bahkan hanya beberapa watt. Angka-angka ini menegaskan potensi penghematan energi yang luar biasa besar berkat teknologi neuromorfik.

Memristor: Arsitektur Revolusioner untuk Komputasi Neuromorfik

Memristor adalah komponen elektronik yang digadang-gadang mampu mewujudkan potensi penuh komputasi neuromorfik. Berbeda dengan transistor konvensional yang hanya berfungsi sebagai sakelar, memristor memiliki kemampuan mengingat resistansinya, memungkinkan penyimpanan dan pemrosesan data secara analog di dalam memori.

Arsitektur memristor menawarkan sejumlah keunggulan dibandingkan arsitektur konvensional, termasuk ukuran chip yang lebih ringkas, konfigurasi sirkuit yang lebih sederhana, dan efisiensi energi yang lebih tinggi. Dengan memproses data langsung di dalam memori, memristor meniadakan kebutuhan untuk memindahkan data antara memori dan prosesor, yang merupakan sumber utama konsumsi energi dalam komputer konvensional.

Dorongan komersial untuk pengembangan dan adopsi teknologi memristor semakin terasa. Banyak perusahaan dan lembaga penelitian berinvestasi dalam pengembangan memristor generasi berikutnya, dengan harapan teknologi ini dapat merevolusi komputasi AI, memungkinkan pengembangan sistem yang lebih cepat, lebih efisien, dan lebih cerdas.

Penjelasan Fisikawan Stan Williams tentang Memristor

Fisikawan Stan Williams, salah satu penemu memristor modern, menjelaskan bahwa keunggulan memristor terletak pada kemampuannya untuk menyimpan data analog. “Memristors can store information in a continuous range of values, unlike traditional transistors which can only store 0 or 1,” ujarnya. Ia juga menjelaskan bagaimana memristor menghemat energi dengan melakukan kalkulasi di dalam memori. “By performing computations directly in memory, memristors eliminate the need to move data back and forth between the processor and memory, which is a major source of energy consumption.”

Williams berpendapat bahwa memristor adalah solusi ideal untuk kebutuhan komputasi AI yang semakin kompleks. Dengan kemampuannya untuk menyimpan dan memproses data secara efisien, memristor dapat membuka jalan bagi pengembangan sistem AI yang lebih kuat dan hemat energi.

Implikasi Teknologi Neuromorfik bagi Indonesia

Teknologi neuromorfik menyimpan potensi transformatif untuk mendukung pengembangan AI di Indonesia. Dengan sumber daya manusia yang melimpah dan pertumbuhan ekonomi digital yang pesat, Indonesia berpeluang menjadi pemain utama dalam industri AI global. Aplikasi neuromorfik dapat diterapkan secara luas di berbagai sektor, termasuk kesehatan, transportasi, dan manufaktur.

Di sektor kesehatan, teknologi neuromorfik dapat digunakan untuk mengembangkan sistem diagnosis penyakit yang lebih akurat dan cepat. Di sektor transportasi, neuromorfik dapat membantu menciptakan kendaraan otonom yang lebih aman dan efisien. Di sektor manufaktur, neuromorfik dapat meningkatkan produktivitas dan efisiensi melalui otomatisasi dan optimasi proses produksi. Peluang bagi startup dan peneliti Indonesia untuk mengembangkan solusi berbasis neuromorfik sangat besar, namun pemerintah juga memegang peran penting dalam mendukung riset dan pengembangan teknologi neuromorfik melalui pendanaan, regulasi, dan kerja sama internasional.

Implementasi Neuromorfik di Sektor Publik dan Swasta

Salah satu contoh implementasi teknologi AI yang berdampak adalah pemanfaatan AI oleh Block. Menurut artikel Jack Dorsey Bets 4,000 Jobs That AI Can Replace The Org Chart, Block memangkas 40% tenaga kerjanya karena AI mampu menggantikan peran middle management dalam koordinasi informasi. Ini membuktikan potensi AI dalam merampingkan organisasi dan meningkatkan efisiensi.

Tantangan Adopsi Neuromorfik di Indonesia

Adopsi teknologi neuromorfik di Indonesia menghadapi tantangan signifikan, yang mana kesenjangan keterampilan dan infrastruktur menjadi penghalang utama.

Selain itu, pertimbangan etis terkait penggunaan teknologi neuromorfik juga tak boleh diabaikan. Seperti halnya teknologi AI lainnya, neuromorfik dapat disalahgunakan untuk tujuan tak terpuji, seperti pengawasan massal atau diskriminasi. Regulasi ketat diperlukan untuk memastikan teknologi ini digunakan secara bertanggung jawab dan untuk kepentingan masyarakat.

Terlepas dari tantangan yang menghadang, potensi teknologi neuromorfik untuk mendorong inovasi dan pertumbuhan ekonomi di Indonesia sangat besar. Dengan dukungan yang tepat dari pemerintah, industri, dan akademisi, Indonesia dapat menjadi pusat pengembangan dan penerapan teknologi neuromorfik di kawasan Asia Tenggara. Menurut Sequoia Says AI Will Kill Software Tools By Becoming The Work, AI bukan hanya alat, tetapi juga dapat menjadi pekerjaan itu sendiri. Ini membuka peluang baru bagi perusahaan untuk menawarkan layanan berbasis AI secara langsung kepada pelanggan.

Referensi

1. OpenAI, not yet public, raises $3B from retail investors in monster $122B fund raise
2. Sequoia Says AI Will Kill Software Tools By Becoming The Work
3. Jack Dorsey Bets 4,000 Jobs That AI Can Replace The Org Chart
4. The AI-Fueled Future of Work Needs Humans More Than Ever
5. AI-Generated Fake News Is Coming to an Election Near You
6. Salesforce announces an AI-heavy makeover for Slack, with 30 new features
7. Mercor says it was hit by cyberattack tied to compromise of open-source LiteLLM project
8. Health data giant CareCloud says hackers accessed patients’ medical records
9. The Clues Binance Missed That Led to Billions in Crypto Flowing to Iran