Navaswara.com – Kehadiran kecerdasan buatan atau AI memang mempermudah banyak urusan manusia. Namun di balik kecanggihannya, ada harga mahal yang harus dibayar oleh bumi kita. Satu pusat data yang mengoperasikan AI membutuhkan daya lebih dari 1.000 watt, jumlah yang setara dengan menjalankan mesin pemanas ruangan selama satu jam penuh.
Bayangkan jika miliaran perangkat di seluruh dunia menggunakan AI secara terus-menerus. Dampak lingkungan yang dihasilkan tentu sangat besar.
Menariknya, otak manusia yang mengendalikan penglihatan, memori, emosi, dan segala hal rumit lainnya secara bersamaan hanya membutuhkan daya sekitar 20 watt. Jumlah ini bahkan lebih kecil daripada daya yang dibutuhkan oleh sebuah lampu bohlam.
Perbedaan kontras ini memicu sebuah pertanyaan besar. Apakah kita bisa menikmati manfaat AI tanpa harus merusak planet ini?
Seorang mahasiswa PhD bernama Kai Sun dari Departemen Ilmu Data dan Kecerdasan Buatan di Monash Information Technology menjadi salah satu peneliti yang mencoba menjawab tantangan tersebut. Ia mengembangkan model AI alternatif yang disebut Spiking Neural Networks atau SNN.
Dilema AI Konvensional dan Ketergantungan Cloud
AI tradisional bekerja tanpa henti untuk menghitung dan memproses data. Hal inilah yang membuat infrastrukturnya sangat haus energi sehingga membutuhkan pusat data raksasa. Karena beban kerja yang masif, sistem AI ini tidak bisa dijalankan langsung di perangkat harian Anda.
Solusi saat ini adalah menjalankannya lewat sistem komputasi awan atau cloud, yang artinya perangkat Anda wajib terhubung ke internet tanpa putus. Sayangnya, sistem ini menyisakan beberapa persoalan mendasar berikut ini.
-
Kesenjangan Akses – Sepertiga penduduk dunia belum memiliki akses internet yang stabil. Kondisi ini membuat jutaan orang kehilangan kesempatan menikmati alat bantu AI untuk meningkatkan kualitas pendidikan, kesehatan, hingga finansial mereka.
-
Risiko Keamanan Data – Mengirim data ke cloud memperbesar peluang pihak ketiga untuk meretas atau menyadap informasi sensitif Anda di tengah jalan.
-
Waktu Respons Slower – Dalam situasi darurat, jeda waktu pengiriman data dari perangkat ke pusat data bisa menjadi masalah fatal.
Meniru Cara Kerja Otak yang Hemat Energi
Rahasia efisiensi otak manusia terletak pada sistem kerjanya yang tidak aktif sepanjang waktu. Sebagian besar neuron di otak kita sebenarnya diam untuk menghemat energi. Mereka baru akan bereaksi ketika ada pemicu yang penting, seperti melihat wajah baru atau mendengar suara mendadak.
Prinsip ini dikenal dengan istilah event-driven processing. Konsep inilah yang diadopsi oleh Kai Sun ke dalam teknologi SNN.
Berbeda dengan AI biasa yang terus memproses data di latar belakang meski tidak ada perubahan situasi, SNN hanya mengirimkan pulsa listrik pendek yang disebut spikes saat ada informasi penting yang perlu direspons. Cara ini terbukti ampuh menghemat baterai dan menjaga perangkat agar tidak cepat panas.
Filosofi Ember Bocor dan Inovasi ILIF
Cara kerja SNN bisa digambarkan seperti sebuah ember yang diletakkan di bawah keran air yang menetes. Setiap tetesan air merepresentasikan informasi baru yang masuk. Ember tersebut memiliki lubang kecil di bagian bawah sehingga informasi lama yang tidak penting akan perlahan keluar, mirip seperti cara otak menyaring kebisingan sekitar.
Ketika air memenuhi ember dan meluap, momen itulah yang disebut spike. Isyarat ini menandakan bahwa ada sesuatu yang penting dan sistem harus segera bertindak. Energi hanya akan digunakan saat ember meluap.
Kendala terbesar dalam melatih SNN selama ini adalah mengatur tingkat sensitivitas jaringan. Jika terlalu sensitif, neuron akan bekerja berlebihan dan boros energi. Sebaliknya jika terlalu tidak sensitif, jaringan justru melupakan informasi penting.
Kai Sun memecahkan masalah ini dengan menciptakan Inhibitory Leaky Integrate-and-Fire atau ILIF yang terinspirasi dari mekanisme pendinginan alami sel saraf manusia. Setelah sebuah neuron aktif, ia akan memasuki fase istirahat sejenak agar tidak terjadi aktivasi berlebihan yang tidak perlu.
Dalam uji coba, model ILIF buatan Kai ini mampu menurunkan tingkat pemrosesan yang tidak perlu hingga lebih dari 30 persen dibandingkan model SNN lainnya. Hasilnya, AI menjadi jauh lebih hemat energi tanpa menurunkan kecerdasannya.
Dampak Positif untuk Manusia dan Lingkungan
Inovasi ini membuka peluang besar bagi perkembangan teknologi yang lebih inklusif dan aman. Efisiensi energi dari SNN turut menekan emisi karbon yang dihasilkan pusat data di berbagai belahan dunia.
Di sisi lain, privasi pengguna menjadi lebih terjaga. AI dapat berjalan langsung di dalam perangkat tanpa perlu mengirim data ke cloud, sehingga risiko kebocoran akibat serangan siber bisa ditekan.
Teknologi ini juga memperluas akses. Perangkat medis berbasis AI atau sensor darurat tetap dapat berfungsi di wilayah terpencil yang belum memiliki jaringan internet. Respons yang dihasilkan berlangsung secara real-time, sehingga penting untuk mendukung teknologi seperti drone penyelamat maupun kendaraan otonom yang membutuhkan keputusan cepat tanpa bergantung pada server.