Oleh: Mubasyier Fatah
Koordinator Bidang Ekonomi Kreatif Pengurus Pusat Ikatan Sarjana Nahdlatul Ulama (PP ISNU).
EVOLUSI aplikasi kecerdasan buatan (artificial intelligence/AI), khususnya AI generatif yang mendorong inovasi di berbagai sektor industri, berlangsung cepat beberapa tahun terakhir, dan tidak menunjukkan tanda-tanda berhenti. Sebuah artikel di Forbes edisi Juni 2024 mencatat pendapatan pasar AI diperkirakan tumbuh dari sebesar 86,9 miliar dolar AS pada tahun 2022 menjadi 407 miliar dolar AS pada tahun 2027. Sementara itu, Structure Research memperkirakan tahun 2026 pasar pusat data global akan bernilai lebih dari 100 miliar dolar AS, dengan Asia menyumbang setengahnya karena kesiapan infrastruktur dan sumber daya manusia yang membaik.
Oxford Insight menyebutkan, tingkat kesiapan Indonesia terhadap penggunaan AI saat ini, semakin progresif dan sudah mencapai nilai 61.03 persen. Melihat evolusi dan perannya yang luar biasa, sebagian dari kita mungkin menganggap AI sebagai teknologi yang benar-benar baru. Benarkah demikian? Berdasarkan sejarahnya, AI telah ada sejak lebih dari 60 tahun lalu.
Faktanya, istilah artificial intelligence (AI) dicetuskan pada tahun 1956 oleh ilmuwan komputer dan profesor matematika John McCarthy di Dartmouth College, Hanover, New Hampshire, Amerika Serikat (AS). Konsep objek yang menjadi hidup dan ‘meniru’ kemampuan manusia dapat ditelusuri lebih jauh. Leonardo da Vinci banyak menulis automaton, mesin yang meniru gerakan manusia, bahkan membuat ksatria robot. Mitologi Yunani kuno memiliki kisah tentang makhluk manusia-mekanik raksasa terbuat dari perunggu yang melindungi orang-orang dari penjajah dan bajak laut.
Jika sejarah AI sudah ada sejak lama, mengapa baru sekarang menjadi kekuatan disruptif yang tidak dapat dihentikan semua orang? Pemicunya adalah ‘konvergensi’ (perpaduan) tiga kekuatan berikut, yaitu: daya komputasi (computing power), ledakan data digital (digital data boom), dan algoritma yang makin baik (better algorithms). Belakangan ledakan data mencengangkan. Bayangkan, pada tahun 1986, 14 persen data bumi disimpan dalam piringan hitam. Pada 2000, 25 persen dari semua informasi berada dalam bentuk media digital; dan pada tahun 2007, 94 persen dari semua kapasitas penyimpanan informasi adalah digital, dengan total 276 eksabita. Kita menyebutnya sebagai ‘big data’.
Sebuah studi baru memperkirakan kapasitas penyimpanan global untuk informasi digital saat ini berjumlah sekitar 295 exabyte – satu exabyte setara satu miliar gigabyte. Bayangkan setumpuk CD-ROM dari lantai di bawah meja hingga 80.000 kilometer melampaui bulan. Terkait algoritma, sebelumnya, algoritma dasar hanya memberi tahu komputer apa yang harus dilakukan langkah demi langkah. Kini, algoritma menjadi sangat canggih sehingga memudahkan pembelajaran mesin dan memungkinkan komputer belajar sendiri.
Kekuatan
Kekuatan yang paling menentukan kemajuan AI generatif karena dibutuhkan algoritma untuk mengolah big data adalah perangkat keras yang disebut Graphical Processing Unit (GPU) dan Tensor Processing Unit (TPU). Pada masa lalu, para pengguna perangkat keras komputer mengenal CPU (Central Processing Units) sebagai otak dari sebuah komputer. Seperti halnya otak tubuh manusia, CPU merupakan bagian penting sistem komputasi melakukan operasi aritmatika dan logika.
Seperti diketahui, produsen CPU terkemuka antara lain Intel, AMD, Qualcomm, NVIDIA, IBM, Samsung, Hewlett-Packard, VIA, dan lain-lain Kemudian, ketika permintaan untuk pemrosesan paralel dan rendering grafik video meningkat, muncul Graphical Processing Unit (GPU). GPU dikembangkan untuk mengelola tugas-tugas berkinerja tinggi seperti rendering grafis yang umumnya tidak dapat dikelola oleh CPU. Selain mengambil alih beban CPU, GPU menangani tugas-tugas seperti rendering dan visualisasi tingkat tinggi. Karena throughput datanya tinggi dan pemrosesan paralel yang masif, GPU paling umum digunakan dalam game kelas atas, ilmu data, pembelajaran mesin, penambangan bitcoin, dan lain-lain. Beberapa produsen GPU terkemuka adalah NVIDIA, AMD, Broadcom Limited, dan lain-lain.
Selain GPU, muncul TPU (Tensor Processing Unit). TPU adalah sirkuit terpadu khusus aplikasi (ASIC) milik Google untuk pembelajaran mendalam dan pembelajaran mesin. Meski sudah mulai menggunakan TPU pada tahun 2015, Google baru memperkenalkannya pada tahun 2018. Tidak seperti prosesor umum lainnya seperti CPU dan GPU, Google mengembangkan prosesor matriks TPU untuk beban kerja jaringan saraf dan pembelajaran mesin untuk perangkat lunak TensorFlow-nya.
TensorFlow adalah pustaka sumber terbuka untuk pembelajaran mesin (machine learning /ML) dan AI. Tensor Flow memiliki ekosistem alat, pustaka, dan sumber daya komunitas yang komprehensif dan fleksibel. Ini memungkinkan peneliti mendorong perkembangan terkini dalam ML dan menawarkan kepada pengembang kemampuan membangun dan menerapkan aplikasi bertenaga ML dengan mudah. Melalui TensorFlow milik Google, model Pembelajaran Mesin dapat diterapkan di cloud.
Yang tidak kalah pentingnya, operasi yang memakan waktu berjam-jam melalui CPU dan GPU, tetapi dilakukan TPU dalam hitungan menit.
GPU dan TPU merupakan perangkat keras yang menopang AI karena unggul dalam pemrosesan paralel, yang memungkinkannya menangani kumpulan data besar secara efisien. Kemampuan ini penting untuk melatih model AI kompleks yang membutuhkan komputasi simultan. Kedua jenis perangkat keras ini dirancang melakukan komputasi AI dengan konsumsi energi minimal. GPU dan TPU adalah perangkat keras AI yang dapat diskalakan untuk memenuhi permintaan aplikasi AI yang terus meningkat.
Spesialisasi
Dalam pemanfaatannya, GPU dan TPU memiliki spesialisasi masing-masing. GPU bersifat serbaguna dan digunakan dalam berbagai aplikasi. Namun, GPU sering pula digunakan dalam AI karena kemampuannya menangani tugas-tugas pemrosesan paralel skala besar. Fleksibilitas yang tinggi membuat GPU sangat ideal untuk berbagai aplikasi. GPU juga efektif melatih model pembelajaran mendalam, yang membutuhkan daya komputasi dan fleksibilitas besar. Peneliti menggunakan GPU untuk simulasi dan kalkulasi kompleks di lapangan seperti fisika dan biologi.
GPU memproses sejumlah besar data sensor secara real-time, yang memungkinkan sistem pengemudian otonom mampu membuat keputusan cepat. Selain AI, GPU unggul merender grafik berkualitas tinggi untuk video game dan media visual lainnya.
Sebaliknya TPU dirancang khusus mengoptimalkan untuk tugas-tugas AI khususnya ML. TPU digunakan dalam tugas ‘Pemrosesan Bahasa Alami’ (Natural Language Processing/NLP) seperti penerjemahan bahasa dan analisis sentimen, yang penting dalam komunikasi efektif. TPU juga unggul dalam analisis gambar dan video, yang mendukung aplikasi dalam keamanan, perawatan kesehatan, dan banyak lagi. Yang luar biasa, TPU bisa tersedia melalui Google Cloud, sehingga mendukung penerapan AI berskala besar, menyediakan infrastruktur yang tangguh untuk berbagai aplikasi AI.
Tren Masa Depan dan Tantangan
Masa depan perangkat keras AI menjanjikan, dengan inovasi berkelanjutan yang akan mengubah bidang tersebut. Seiring berkembangnya kecerdasan buatan, permintaan solusi perangkat keras yang lebih canggih, efisien, dan terspesialisasi terus meningkat. Memahami tren masa depan ini penting untuk menjadi terdepan dalam teknologi AI yang berkembang pesat. Namun, untuk memiliki dan mengembangkan kedua perangkat keras, tantangannya juga tidak kecil.
Dalam aspek biaya, perangkat keras AI berkinerja tinggi bisa mahal, sehingga menjadi hambatan bagi organisasi lebih kecil dalam investasi dan pemeliharaan awal. Perangkat keras memiliki kompleksitas integrasi. Artinya, mengintegrasikan perangkat keras AI ke dalam sistem yang ada menjadi rumit dan memerlukan keahlian teknis yang signifikan. Ini termasuk memastikan kompatibilitas dengan infrastruktur dan perangkat lunak saat ini. Selain itu TPU, walau lebih ‘unggul’, ia sangat terspesialisasi, yang dapat membatasi fleksibilitasnya dibandingkan dengan GPU.
Selanjutnya, satu isu yang penting dipikirkan adalah seiring dengan semakin lazimnya AI, kebutuhan akan perangkat keras AI (GPU dan TU) yang aman akan meningkat. Perangkat masa depan akan menggabungkan fitur keamanan canggih untuk melindungi data sensitif dan memastikan operasi AI yang kuat. Tren ini menunjukkan masa depan di mana perangkat keras AI menjadi lebih kuat, terspesialisasi, dan terintegrasi dengan teknologi yang sedang berkembang. Oleh karena itu kita harus tetap terinformasi tentang perkembangan GPU dan TPU supaya dapat memanfaatkan potensi penuh AI yang memudahkan pekerjaan dan mendorong inovasi di berbagai industri. ***
Leave a Reply