Para peneliti telah meluncurkan arsitektur komputasi optik baru yang dapat mengatasi hambatan penting dalam pengembangan kecerdasan buatan (AI): kecepatan model AI memproses data. Terobosan ini, yang dipublikasikan di Nature Photonics, memanfaatkan cahaya, bukan listrik, untuk melakukan penghitungan, sehingga berpotensi merevolusi cara pelatihan dan pengoperasian sistem AI.
Hambatan Tensor dalam Sistem AI Saat Ini
AI modern mengandalkan “tensor” – struktur data kompleks yang mengatur informasi seperti lemari arsip yang sangat efisien. Saat model AI belajar, mereka mengurutkan data ke dalam tensor ini. Kecepatan pemrosesan tensor ini merupakan batasan mendasar; semakin besar modelnya, semakin lambat pemrosesannya. Saat ini, bahkan sistem AI paling kuat dari perusahaan seperti OpenAI dan Google memerlukan ribuan unit pemrosesan grafis (GPU) yang berjalan secara paralel agar dapat berfungsi.
Masalahnya adalah sebagian besar sistem komputasi optik, meskipun lebih cepat dan hemat energi dalam skala kecil, tidak dapat ditingkatkan dengan mudah. Tidak seperti GPU, yang dapat dirangkai bersama untuk mendapatkan keuntungan pemrosesan eksponensial, sistem optik biasanya beroperasi secara linier. Keterbatasan ini secara historis membuat mereka kurang menarik bagi pengembang meskipun memiliki keunggulan teoritis.
Perkalian Matriks-Matriks Optik Paralel (POMMM)
Arsitektur baru, yang disebut Parallel Optical Matrix-Matrix Multiplication (POMMM), mengatasi masalah skalabilitas ini. Ia melakukan beberapa operasi tensor secara bersamaan menggunakan satu ledakan laser, tidak seperti metode optik sebelumnya yang memerlukan penembakan laser berulang kali. Artinya sistem AI secara teoritis dapat memproses data dengan kecepatan yang sebelumnya tidak dapat dicapai, sekaligus mengurangi konsumsi energi.
Para peneliti mengkodekan data digital ke dalam amplitudo dan fase gelombang cahaya, mengubahnya menjadi properti fisik dalam bidang optik. Akibatnya, operasi matematika terjadi secara pasif saat cahaya merambat tanpa memerlukan daya tambahan. Para ilmuwan mengatakan pendekatan ini dapat diterapkan pada perangkat keras optik yang ada.
Implikasi terhadap Perkembangan AI
Potensi dampaknya cukup signifikan. Menurut Zhipei Sun, pemimpin Grup Fotonik Universitas Aalto, kerangka kerja ini dapat diintegrasikan ke dalam chip fotonik dalam tiga hingga lima tahun ke depan, memungkinkan prosesor berbasis cahaya untuk melakukan tugas-tugas AI yang kompleks dengan kebutuhan daya yang sangat rendah.
Beberapa ahli percaya bahwa terobosan ini merupakan langkah menuju Artificial General Intelligence (AGI) – sebuah sistem AI hipotetis yang melampaui kecerdasan manusia dan dapat dipelajari lintas disiplin ilmu. Meskipun makalah penelitian tidak secara eksplisit menyebutkan AGI, makalah ini menekankan komputasi tujuan umum. Gagasan bahwa penskalaan teknik AI saat ini akan menghasilkan AGI sangat populer di kalangan komunitas ilmu komputer. Yang lain, seperti Yann LeCun dari Meta, berpendapat bahwa arsitektur AI saat ini tidak akan pernah mencapai AGI terlepas dari skalanya.
Terlepas dari perdebatan AGI, arsitektur POMMM menghilangkan hambatan utama di lapangan. Dengan mengatasi keterbatasan kecepatan pemrosesan tensor, pengembang dapat membangun model AI yang melampaui kemampuan saat ini. Hal ini dapat mempercepat kemajuan di berbagai bidang, mulai dari penemuan ilmiah hingga pengambilan keputusan otomatis.
Perkembangan ini dapat mempercepat laju inovasi AI, sehingga berpotensi membentuk kembali masa depan komputasi dan kecerdasan buatan.
