Penulis: Kodrat Wahyudi
Menciptakan Perangkat Keras AI yang Hemat Energi Melanjutkan pembahasan mengenai “Mengapa AI Mengonsumsi Begitu Banyak Energi?”, maka pada paparan berikut akan sedikit menjelaskan paparan mengenai “Menciptakan Perangkat Keras AI yang Hemat Energi”.
“CPU, GPU, dan server cloud tidak dirancang untuk pekerjaan AI. Mereka telah digunakan kembali untuk itu, akibatnya, kurang efisien dibandingkan prosesor yang dirancang khusus untuk pekerjaan AI, ”kata Andrew Feldman, CEO dan salah satu pendiri Cerebras Systems. Dia membandingkan penggunaan prosesor generik ibarat tugas berat untuk AI dengan menggunakan truk 18 roda untuk membawa anak-anak berlatih sepak bola.
Cerebras adalah salah satu dari sedikit perusahaan yang membuat perangkat keras khusus untuk algoritme AI. Tahun lalu, ia keluar secara diam-diam dengan merilis CS-1, prosesor besar dengan 1,2 triliun transistor, 18 gigabyte memori on-chip, dan 400.000 inti pemrosesan. Secara efektif, ini memungkinkan CS-1, chip komputer terbesar yang pernah dibuat, untuk menampung seluruh model pembelajaran mendalam tanpa perlu berkomunikasi dengan komponen lain.
“Saat membuat chip, penting untuk dicatat bahwa komunikasi pada chip cepat dan berdaya rendah, sedangkan komunikasi antar chip lambat dan sangat membutuhkan daya,” kata Feldman. “Dengan membuat chip yang sangat besar, Cerebras menyimpan komputasi dan komunikasi pada satu chip, secara dramatis mengurangi konsumsi daya secara keseluruhan. GPU, di sisi lain, mengelompokkan banyak chip bersama-sama melalui sakelar yang kompleks. Ini membutuhkan komunikasi off-chip yang sering, melalui sakelar dan kembali ke chip lain. Proses ini lambat, tidak efisien, dan very power-hungry.”
CS-1 menggunakan sepersepuluh daya dan ruang rak GPU yang akan memberikan daya komputasi yang setara.
Satori, superkomputer baru yang dibangun IBM untuk MIT dan dipamerkan di Green AI hackathon, juga telah dirancang untuk melakukan pelatihan AI yang hemat energi. Satori baru-baru ini dinilai sebagai salah satu superkomputer terhijau di dunia. “Satori dilengkapi untuk memberikan umpan balik energi / karbon kepada pengguna, yang menjadikannya ‘laboratorium’ yang sangat baik untuk meningkatkan jejak karbon baik perangkat keras maupun perangkat lunak AI,” kata Cohn dari IBM.
Cohn juga percaya bahwa sumber energi yang digunakan untuk memberi daya pada perangkat keras AI sama pentingnya. Satori sekarang bertempat di Pusat Komputasi Kinerja Tinggi Hijau Massachusetts (MGHPCC), yang didukung hampir secara eksklusif oleh energi terbarukan.
“Kami baru-baru ini menghitung biaya beban kerja yang tinggi pada Satori di MGHPCC dibandingkan dengan superkomputer rata-rata di pusat data menggunakan campuran rata-rata sumber energi. Hasilnya mencengangkan: Satu tahun menjalankan beban di Satori akan melepaskan karbon sebanyak yang disimpan di sekitar lima pohon maple dewasa. Menjalankan beban yang sama pada mesin ‘rata-rata’ akan melepaskan karbon yang setara dengan sekitar 280 pohon maple, “kata Cohn.
Yannis Paschalidis, Direktur Pusat Teknik Sistem dan Informasi Universitas Boston, mengusulkan integrasi yang lebih baik dari pusat data dan jaringan energi, yang ia gambarkan sebagai model “respons-permintaan”. “Idenya adalah berkoordinasi dengan jaringan untuk mengurangi atau meningkatkan konsumsi sesuai permintaan, bergantung pada pasokan dan permintaan listrik. Ini membantu utilitas mengelola jaringan dengan lebih baik dan mengintegrasikan lebih banyak energi terbarukan ke dalam bauran produksi, ”kata Paschalidis.
Misalnya, ketika pasokan energi terbarukan seperti tenaga surya dan angin langka, pusat data dapat diinstruksikan untuk mengurangi konsumsi dengan memperlambat pekerjaan komputasi dan menghentikan tugas AI dengan prioritas rendah. Dan jika ada banyak energi terbarukan, pusat data dapat meningkatkan konsumsi dengan mempercepat penghitungan.
Integrasi cerdas jaringan listrik dan pusat data AI, kata Paschalidis, akan membantu mengelola intermittency sumber energi terbarukan sekaligus mengurangi kebutuhan untuk memiliki terlalu banyak kapasitas siaga di pembangkit listrik yang tidak aktif.
Masa Depan AI yang Hemat Energi
Ilmuwan dan peneliti sedang mencari cara untuk membuat sistem AI yang tidak membutuhkan data dalam jumlah besar selama proses mereka belajar. Bagaimanapun, otak manusia, yang dicoba direplikasi oleh para ilmuwan AI, menggunakan sebagian kecil data dan kekuatan yang digunakan oleh sistem AI saat ini.
Selama Konferensi AAAI tahun ini, Yann LeCun, seorang pelopor deep-learning, membahas self-supervised learning, sistem pembelajaran mendalam yang dapat belajar dengan lebih sedikit data. Yang lain, termasuk ilmuwan kognitif Gary Marcus, percaya bahwa jalan ke depan adalah kecerdasan buatan hibrida, kombinasi jaringan saraf dan pendekatan berbasis aturan yang lebih klasik untuk AI. Sistem Hybrid AI telah terbukti lebih hemat data dan energi daripada sistem berbasis jaringan saraf murni.
“Jelas bahwa otak manusia tidak membutuhkan data berlabel dalam jumlah besar. Kita dapat menggeneralisasi dari contoh yang relatif sedikit dan memahami dunia menggunakan akal sehat. Jadi, pembelajaran ‘semi-supervised’ atau ‘unsupervised’ membutuhkan lebih sedikit data dan komputasi, yang mengarah pada komputasi yang lebih cepat dan penggunaan energi yang lebih sedikit, ”kata Cohn.
