Ilmuan Kembangkan AI yang Hemat Energi


Artificial Intelligence

Ilustrasi Artificial Intelligence

Para peneliti di Universitas College London (UCL) menemukan cara untuk menghemat energi 1.000 kali daripada perangkat keras Artificial Intelligence (AI) berbasis transistor konvensional dengan menggunakan memori resistor (memristor). Konsumsi energi AI saat ini cukup besar. Dalam menjalanakan suatu model, AI dapat menghasilkan 284 ton karbon dioksida atau setara dengan emisi lima mobil seumur hidup.

Memristor menjadi solusi untuk untuk mengurangi produksi karbon dioksida (CO2) yang artinya menghemat energi daripada sistem komputasi yang ada karena mampu mengemas daya komputasi cukup besar ke dalam satu perangkat. Memristor juga dapat menghilangkan kebutuhan untuk terhubung ke internet yang diperkirakan menjadi masalah karena ketergantungan yang berlebihan.

Para insinyur di UCL menemukan bahwa akurasi dapat ditingkatkan secara signifikan dengan memanfaatkan memristor untuk bekerjasama dalam beberapa subkelompok jaringan saraf dan merata. Pemerataan komputasi di setiap jaringan dapat menghindari kurangnya energi yang dibutuhkan. Memristor perama kali dibuat pada lebih dari satu dekade lalu. memristor juga dianggap sebagai sebuah 'mata rantai yang hilang' dalam elektronik untuk melengkapi resistor, kapasitor dan induktor. Sejak itu, memristor diprorduksi secara komerisal di perangkat memori.

Tim peneliti megatakan bahwa komponen pada perangkat memori dapat digunakan untuk mengembangkan sistem AI dalam tiga tahun ke depan. Memristor tidak hanya beroperasi dalam kode biner satu dan nol, tetapi pada beberapa lebel antara nol dan satu di saat bersamaan, yang berarti lebih banyak informasi dapat dikemas ke dalam setiap bit sehingga efisiensinya akan jauh lebih baik.

Selain itu, memristor sering digambarkan sebagai bentuk komputasi neuromorfik (yang diilhami oleh otak). Seperti di otak, pemrosesan dan memori diterapkan dalam blok bangunan adaptif yang sama, berbeda dengan sistem komputer saat ini yang membuang banyak energi dalam data.

Dr Adnan Mehonic dan mahasiswa PhD Dovydas Joksas serta rekan mereka dari Inggris dan Amerika Serikat telah menguji pendekatan baru di beberapa jenis memristor. Mereka menemukan bahwa hal tersebut dapat meningkatkan akurasi jaringan saraf, terlepas dari material atau teknologi memristor tertentu. Artinya, tugas khusus AI sebanding dengan perangkat lunak yang dijalankan pada perangkat keras digital konvensional.

"Kami berharap ada pendekatan yang lebih umum, bukan meningkatkan level perangkat, tetapi perilaku sistem dan kami yakin kami menemukannya," kata Mehonic, dikutip Scitechdaily. Ia menuturkan bahwa penelitian yang telah dilakukan menunjukkan beberapa memristor lebih baik daripada yang lainnya. Secara keseluruhan, menyusun jaringan neural menjadi beberapa jaringan yang lebih kecil daripada satu jaringan besar menghasilkan akurasi yang lebih baik.

"Kami percaya sekaranglah waktunya bagi memristor, di mana kami telah bekerja selama beberapa tahun untuk mengambil peran utama dalam era energi berkelanjutan dari perangkat Internet of Things (IoT) dan edge computing," kata Profesor Tony Kenyon, UCL Electronic & Electrical Engineering.