“Apa yang kami miliki di sini adalah sesuatu yang sangat sederhana,” katanya Tianwei Wu, penulis utama studi tersebut. “Kami dapat memprogram ulang, mengubah pola laser dengan cepat.” Para peneliti menggunakan sistem tersebut untuk merancang jaringan saraf yang berhasil membedakan bunyi vokal. Kebanyakan sistem fotonik perlu dilatih sebelum dibangun, karena pelatihan harus melibatkan konfigurasi ulang koneksi. Namun karena sistem ini mudah dikonfigurasi ulang, para peneliti melatih model tersebut setelah dipasang pada semikonduktor. Mereka sekarang berencana untuk meningkatkan ukuran chip dan mengkodekan lebih banyak informasi dalam berbagai warna cahaya, yang akan meningkatkan jumlah data yang dapat ditangani.
Kemajuan ini bahkan dianggap mengesankan oleh Psaltis, yang membangun sistem pengenalan wajah di tahun 90an. “Impian terliar kami 40 tahun yang lalu sangatlah kecil dibandingkan dengan apa yang sebenarnya terjadi.”
Sinar Cahaya Pertama
Meskipun komputasi optik telah berkembang pesat dalam beberapa tahun terakhir, komputasi optik masih jauh dari menggantikan chip elektronik yang menjalankan jaringan saraf di luar laboratorium. Makalah mengumumkan sistem fotonik yang bekerja lebih baik daripada sistem elektronik, tetapi mereka umumnya menjalankan model kecil menggunakan desain jaringan lama dan beban kerja kecil. Dan banyak laporan mengenai supremasi fotonik tidak menceritakan keseluruhan cerita, kata Bhavin Shastri dari Queen's University di Ontario. “Sangat sulit untuk melakukan perbandingan apel-ke-apel dengan perangkat elektronik,” katanya. “Misalnya, ketika mereka menggunakan laser, mereka tidak benar-benar berbicara tentang energi untuk menggerakkan laser.”
Sistem laboratorium perlu ditingkatkan sebelum dapat menunjukkan keunggulan kompetitif. “Seberapa besar yang harus Anda lakukan untuk mendapatkan kemenangan?” McMahon bertanya. Jawabannya: luar biasa besar. Itu sebabnya tidak ada yang bisa menandingi chip buatan Nvidia, yang chipnya menggerakkan banyak sistem AI tercanggih saat ini. Ada banyak sekali teka-teki teknik yang harus dipecahkan—permasalahan yang telah dipecahkan oleh pihak elektronik selama beberapa dekade. “Elektronik dimulai dengan keuntungan besar,” kata McMahon.
Beberapa peneliti berpendapat bahwa sistem AI berbasis ONN pertama-tama akan berhasil dalam aplikasi khusus yang memberikan keuntungan unik. Shastri mengatakan salah satu kegunaan yang menjanjikan adalah dalam menangkal gangguan antara transmisi nirkabel yang berbeda, seperti menara seluler 5G dan altimeter radar yang membantu navigasi pesawat. Awal tahun ini, Shastri dan beberapa rekannya membuat ONN yang dapat memilah transmisi berbeda dan memilih sinyal yang diinginkan secara real time dan dengan penundaan pemrosesan di bawah 15 pikodetik (15 triliun detik)—kurang dari seperseribu waktu yang dibutuhkan sistem elektronik, dan menggunakan lebih sedikit dari 1/70 kekuatan.
Namun McMahon mengatakan visi besarnya—jaringan saraf optik yang dapat melampaui sistem elektronik untuk penggunaan umum—masih layak untuk dikejar. Tahun lalu kelompoknya menjalankan simulasi menunjukkan bahwa, dalam satu dekade, sistem optik yang cukup besar dapat membuat beberapa model AI 1.000 kali lebih efisien dibandingkan sistem elektronik masa depan. “Banyak perusahaan yang kini berusaha keras untuk mendapatkan keuntungan 1,5 kali lipat. Manfaatnya seribu kali lipat, itu luar biasa,” ujarnya. “Ini mungkin proyek 10 tahun—jika berhasil.”
Cerita asli dicetak ulang dengan izin dari Majalah Kuanta, publikasi editorial independen dari Yayasan Simons yang misinya adalah untuk meningkatkan pemahaman masyarakat terhadap sains dengan meliput perkembangan dan tren penelitian di bidang matematika serta ilmu fisika dan kehidupan.
Dilansir dari dan telah tayang di: https://poskonews.com/news/chip-berbasis-ringan-dapat-membantu-menghilangkan-rasa-haus-ai-yang-semakin-meningkat-akan-energi/43614/