Ilmuwan Kembangkan Kecerdasan Buatan 1.000 Kali Lebih Hemat Energi
loading...
Ilustrasi kecerdasan buatan. Foto/ucl.ac.uk
A
A
A
Atificial Inteligence (AI) atau yang dikenal dengan kecerdasan buatan telah digunakan oleh hampir seluruh masyarakat di seluruh dunia. Penggunaan AI pada berbagai perangkat elektronik menjadi candu untuk melakukan berbagai aktivitas dengan mudah.
Kali ini, penggunaan AI hemat energi seakan lebih dengan kenyataan. Para peneliti di Universitas College London (UCL) menemukan cara untuk meningkatkan akurasi sistem komputasi yang diilhami oleh otak. (Baca: Inilah Tips Melawan Rasa Malas Beribadah)
Para peneliti menggunakan memori resistor (memristor) untuk membuat jaringan saraf tiruan meskipun masih rentan terhadap kesalahan. Setidaknya, ini bisa menghemat energi 1.000 kali daripada perangkat keras AI berbasis transistor konvensional.
AI yang ada saat ini cukup banyak mengonsumsi energi. Menjalankan satu model AI dapat menghasilkan 284 ton karbon dioksida atau setara dengan emisi lima mobil seumur hidup.
Mengganti transistor dengan memristor, perangkat elektronik baru yang pertama kali dibuat pada tahun 2008 dapat mengurangi produksi karbon dioksida (CO2). Pengurangan ini setara dengan emisi yang dihasilkan dalam perjalanan sore hari.
Memristor jauh lebih hemat energi daripada sistem komputasi yang ada karena mampu mengemas daya komputasi yang cukup besar ke dalam satu perangkat. Memristor juga dapat menghilangkan kebutuhan untuk terhubung ke internet. (Baca juga: Masih Banyak Siswa Belum Miliki Gawai dan Kesulitan Sinyal)
Memristor menjadi penting karena ketergantungan yang berlebihan pada internet diperkirakan dapat menjadi masalah di masa depan. Para peneliti memperhitungkan permintaan data yang terus meningkat dan sulitnya meningkatkan kapasitas transmisi data melewati titik tertentu.
Para insinyur di UCL menemukan bahwa akurasi dapat ditingkatkan secara signifikan dengan memanfaatkan memristor untuk bekerja sama dalam beberapa subkelompok jaringan saraf dan merata. Pemerataan komputasi di setiap jaringan dapat menghindari kurangnya energi yang dibutuhkan.
Memristor dianggap revolusioner ketika pertama 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 diproduksi secara komersial di perangkat memori.
Tim peneliti mengatakan bahwa komponen pada perangkat memori dapat digunakan untuk mengembangkan sistem AI dalam tiga tahun ke depan. Memristor menawarkan efisiensi yang jauh lebih baik karena tidak hanya beroperasi dalam kode biner satu dan nol, tetapi pada beberapa level antara nol dan satu di saat bersamaan, yang berarti lebih banyak informasi dapat dikemas ke dalam setiap bit.
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. (Baca juga: 4 Jenis Olahraga Ini Efektif Turunkan Kadar Kolesterol)
Dalam studi tersebut, 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, terlepas dari material atau teknologi memristor tertentu.
Para peneliti juga menemukan bahwa pendekatan mereka meningkatkan akurasi jaringan saraf. 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 satu. Menyusun jaringan neural menjadi beberapa jaringan yang lebih kecil daripada satu jaringan besar menghasilkan akurasi yang lebih baik secara keseluruhan.
Kemudian, Joksas mengatakan bahwa teknik pupuler dari ilmu komputer dapat diterapkan dalam konteks memristor. Keberhasilannya menggunakan simulasi pendahuluan dapat meningkatkan akurasi jaringan saraf secara signifikan. (Lihat videonya: Istana Para Raja Wilayah Sulsel Berusia Ratusan Tahun)
“Kami percaya sekaranglah waktunya bagi memristor, di mana kami telah bekerja selama beberapa tahun untuk mengambil peran utama dalam era energi berkelanjutan dari perangkat IoT dan edge computing,” kata Profesor Tony Kenyon, UCL Electronic & Electrical Engineering. (Fandy)
Kali ini, penggunaan AI hemat energi seakan lebih dengan kenyataan. Para peneliti di Universitas College London (UCL) menemukan cara untuk meningkatkan akurasi sistem komputasi yang diilhami oleh otak. (Baca: Inilah Tips Melawan Rasa Malas Beribadah)
Para peneliti menggunakan memori resistor (memristor) untuk membuat jaringan saraf tiruan meskipun masih rentan terhadap kesalahan. Setidaknya, ini bisa menghemat energi 1.000 kali daripada perangkat keras AI berbasis transistor konvensional.
AI yang ada saat ini cukup banyak mengonsumsi energi. Menjalankan satu model AI dapat menghasilkan 284 ton karbon dioksida atau setara dengan emisi lima mobil seumur hidup.
Mengganti transistor dengan memristor, perangkat elektronik baru yang pertama kali dibuat pada tahun 2008 dapat mengurangi produksi karbon dioksida (CO2). Pengurangan ini setara dengan emisi yang dihasilkan dalam perjalanan sore hari.
Memristor jauh lebih hemat energi daripada sistem komputasi yang ada karena mampu mengemas daya komputasi yang cukup besar ke dalam satu perangkat. Memristor juga dapat menghilangkan kebutuhan untuk terhubung ke internet. (Baca juga: Masih Banyak Siswa Belum Miliki Gawai dan Kesulitan Sinyal)
Memristor menjadi penting karena ketergantungan yang berlebihan pada internet diperkirakan dapat menjadi masalah di masa depan. Para peneliti memperhitungkan permintaan data yang terus meningkat dan sulitnya meningkatkan kapasitas transmisi data melewati titik tertentu.
Para insinyur di UCL menemukan bahwa akurasi dapat ditingkatkan secara signifikan dengan memanfaatkan memristor untuk bekerja sama dalam beberapa subkelompok jaringan saraf dan merata. Pemerataan komputasi di setiap jaringan dapat menghindari kurangnya energi yang dibutuhkan.
Memristor dianggap revolusioner ketika pertama 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 diproduksi secara komersial di perangkat memori.
Tim peneliti mengatakan bahwa komponen pada perangkat memori dapat digunakan untuk mengembangkan sistem AI dalam tiga tahun ke depan. Memristor menawarkan efisiensi yang jauh lebih baik karena tidak hanya beroperasi dalam kode biner satu dan nol, tetapi pada beberapa level antara nol dan satu di saat bersamaan, yang berarti lebih banyak informasi dapat dikemas ke dalam setiap bit.
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. (Baca juga: 4 Jenis Olahraga Ini Efektif Turunkan Kadar Kolesterol)
Dalam studi tersebut, 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, terlepas dari material atau teknologi memristor tertentu.
Para peneliti juga menemukan bahwa pendekatan mereka meningkatkan akurasi jaringan saraf. 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 satu. Menyusun jaringan neural menjadi beberapa jaringan yang lebih kecil daripada satu jaringan besar menghasilkan akurasi yang lebih baik secara keseluruhan.
Kemudian, Joksas mengatakan bahwa teknik pupuler dari ilmu komputer dapat diterapkan dalam konteks memristor. Keberhasilannya menggunakan simulasi pendahuluan dapat meningkatkan akurasi jaringan saraf secara signifikan. (Lihat videonya: Istana Para Raja Wilayah Sulsel Berusia Ratusan Tahun)
“Kami percaya sekaranglah waktunya bagi memristor, di mana kami telah bekerja selama beberapa tahun untuk mengambil peran utama dalam era energi berkelanjutan dari perangkat IoT dan edge computing,” kata Profesor Tony Kenyon, UCL Electronic & Electrical Engineering. (Fandy)
(ysw)
Lihat Juga :
