Terobosan Komputasi Optik Baru Bisa Percepat Pelatihan AI dan Kurangi Konsumsi Energi

PARA ilmuwan mengumumkan terobosan penting dalam pengembangan komputasi optik yang berpotensi mengubah cara model kecerdasan buatan (AI) dilatih dan dijalankan. Arsitektur baru ini memungkinkan chip bekerja menggunakan cahaya, bukan listrik, dan dapat mengolah data jauh lebih cepat dengan konsumsi energi lebih rendah.

Di balik kemampuan besar model AI modern, termasuk large language model (LLM), terdapat struktur bernama tensor. Tensor berfungsi layaknya sistem laci data yang diberi penanda sesuai tingkat kepentingannya. Saat model AI dilatih, data disortir ke dalam tensor ini. Proses mengurai data tensor adalah salah satu hambatan utama dalam memperbesar kapasitas model.

Sistem komputasi optik konvensional menggunakan rangkaian laser untuk membaca tensor berulang kali, mirip mesin pemindai kode batang. Walaupun cepat dan efisien, sistem ini biasanya berjalan secara linear dan tidak dapat diperbanyak secara paralel seperti GPU. Keterbatasan inilah yang membuat pelatihan model AI besar saat ini membutuhkan ribuan GPU yang bekerja serempak.

Baca juga : Bukan Sekadar Chatbot, ini Peran AI dalam Operasional Bank

Namun, arsitektur baru yang disebut Parallel Optical Matrix-Matrix Multiplication (POMMM) menawarkan pendekatan berbeda. Teknologi ini memungkinkan berbagai operasi tensor dilakukan secara simultan hanya dengan satu tembakan laser. Inilah terobosan yang disebut para peneliti sebagai kunci untuk menghilangkan hambatan skala dalam komputasi optik.

Studi yang diterbitkan pada 14 November di jurnal Nature Photonics menjelaskan hasil uji komputasi optik eksperimental yang dibandingkan dengan metode optik konvensional dan GPU. Para ilmuwan menggabungkan komponen optik standar dengan metode pengkodean baru untuk menangkap dan memproses paket tensor dalam satu kali pemindaian cahaya. Data digital berhasil dikodekan ke dalam amplitudo dan fase gelombang cahaya, lalu digunakan untuk melakukan operasi matematika tanpa tambahan energi selama proses berlangsung.

“Pendekatan ini dapat diterapkan pada hampir semua platform optik,” kata penulis utama studi, Zhipei Sun, yang memimpin Photonics Group di Aalto University. “Di masa depan, kami berencana mengintegrasikan kerangka komputasi ini langsung ke chip fotonik, memungkinkan prosesor berbasis cahaya menjalankan tugas AI yang kompleks dengan konsumsi daya sangat rendah.”

Baca juga : Tren Teknologi AI di Era Digital dan Dampaknya bagi Kehidupan Manusia

Menurut Zhang, pendekatan ini dapat diintegrasikan ke platform AI besar dalam tiga hingga lima tahun ke depan.

Beberapa peneliti menyebut temuan ini sebagai langkah menuju akselerator sistem kecerdasan buatan umum atau Artificial General Intelligence (AGI), yakni mesin yang cerdas melampaui manusia dan dapat belajar lintas disiplin. “Ini akan menciptakan generasi baru sistem komputasi optik dan mempercepat tugas AI yang kompleks di berbagai bidang,” ujar Zhang.

Walaupun studi ini tidak secara eksplisit menyebutkan AGI, para ilmuwan yang terlibat menilai POMMM bisa menjadi komponen penting dalam mengatasi kendala hardware yang selama ini membatasi perkembangan model AI skala besar. (Live Science/Z-2)