Dari Hukum Moore ke “Hukum OpenAI”: Trajektori Eksponensial Pengembangan AI

Kecerdasan buatan (AI) berkembang dengan kecepatan yang sulit dipahami. Untuk menggambarkan fenomena ini, para ahli telah mulai merujuk pada apa yang disebut “Hukum OpenAI” – sebuah paralel modern dari Hukum Moore, tetapi jauh lebih curam. Istilah ini diperkenalkan dalam buku Empire of AI, yang mengisahkan tentang kemunculan OpenAI dan perlombaan menuju kecerdasan buatan umum (AGI). Dalam buku tersebut, “Hukum OpenAI” digunakan untuk menggambarkan kecepatan luar biasa di mana persyaratan komputasi – dan dengan demikian kemampuan AI – telah berkembang selama dekade terakhir.

Sementara tidak ada hukum ilmiah formal, Hukum OpenAI merujuk pada tren yang nyata dan dapat diukur: peningkatan ganda kekuatan komputasi yang digunakan dalam pelatihan model AI frontier, terjadi pada kecepatan yang jauh lebih cepat daripada Hukum Moore. Dalam istilah praktis, komputasi AI telah menggandakan sekitar setiap tiga hingga empat bulan, dibandingkan dengan 18-24 bulan Moore. Kurva eksponensial ini mendukung ledakan AI modern dan menetapkan panggung untuk masa depan yang tiba lebih cepat daripada yang diharapkan.

Hukum Moore: Mesin yang Menggerakkan Era Digital

Hukum Moore adalah kekuatan pendorong di balik kemunculan komputer pribadi, smartphone, dan komputasi awan. Ini memprediksi bahwa jumlah transistor pada chip akan menggandakan sekitar setiap dua tahun, menghasilkan keuntungan eksponensial dalam kekuatan komputasi, efisiensi energi, dan pengurangan biaya.

Untuk beberapa dekade, pola sederhana ini tetap benar, membuat setiap generasi perangkat keras secara eksponensial lebih kuat daripada yang sebelumnya. Namun, ketika batasan fisik dan ekonomi tercapai pada 2010-an, Hukum Moore mulai melambat. Insinyur merespons dengan menggunakan lebih banyak inti, tumpukan chip 3D, dan prosesor khusus untuk memperluas kinerja – tetapi keuntungan mudah telah hilang.

Sekitar waktu itu, penelitian AI, yang ditenagai oleh pembelajaran dalam temuan, mulai menyimpang dari trajektori tradisional Hukum Moore.

Kelahiran Hukum OpenAI: Kurva Komputasi AI yang Menggelegar

Pada awal 2010-an, peneliti menemukan bahwa memberi lebih banyak komputasi pada jaringan saraf besar menghasilkan kemampuan AI yang semakin kuat. Mulai sekitar 2012, jumlah komputasi yang digunakan dalam pelatihan AI terbesar mulai menggandakan sekitar setiap 3 hingga 4 bulan.

Ini adalah percepatan yang mengagumkan – jauh lebih cepat daripada Hukum Moore. Selama enam tahun, komputasi yang digunakan dalam model AI mutakhir meningkat lebih dari 300.000 kali. Sementara Hukum Moore hanya akan menghasilkan peningkatan 7 kali lipat dalam waktu yang sama, komputasi AI melambung karena penskalaan agresif.

Fenomena ini secara informal dikenal sebagai Hukum OpenAI – sebuah trajektori yang dipaksakan oleh organisasi seperti OpenAI, yang percaya bahwa penskalaan ukuran model dan komputasi adalah jalur tercepat menuju kecerdasan buatan umum (AGI). Buku Empire of AI menggambarkan pergeseran ini secara rinci, menggambarkan bagaimana OpenAI dan kepemimpinannya berkomitmen pada strategi ini meskipun biaya yang meningkat, karena mereka percaya itu adalah rute langsung untuk menguncangkan kemampuan transformatif.

Kritis, Hukum OpenAI bukanlah kepastian fisik – itu adalah keputusan strategis. Keyakinan bahwa “lebih banyak komputasi sama dengan AI yang lebih baik” menjadi prinsip panduan, didukung oleh investasi besar, pembangunan infrastruktur, dan kemitraan dengan penyedia cloud.

Hipotesis Penskalaan dan Perlombaan Senjata Baru

Di balik Hukum OpenAI terdapat hipotesis penskalaan: gagasan bahwa membuat model lebih besar dan melatihnya pada lebih banyak data dengan lebih banyak komputasi menghasilkan hasil yang lebih baik secara kualitatif. Hipotesis ini mendapatkan traksi karena setiap model berikutnya – GPT-2, GPT-3, GPT-4 – menunjukkan lompatan dalam kelancaran, penalaran, dan pemahaman multimodal.

Di jantung tren ini terdapat persaingan sengit antara perusahaan teknologi untuk mendominasi garis depan AI. Hasilnya adalah semacam perlombaan senjata, di mana setiap milestone baru memerlukan sumber daya komputasi yang eksponensial lebih besar daripada sebelumnya.

Melatih model besar sekarang memerlukan puluhan ribu GPU kelas atas yang beroperasi secara paralel. Proyeksi untuk model masa depan melibatkan anggaran komputasi yang bisa mendekati atau melebihi $100 miliar, dengan tuntutan daya dan infrastruktur yang besar.

Tren ini telah menghasilkan kurva eksponensial baru – tidak lagi ditentukan oleh jumlah transistor, tetapi oleh kemampuan dan kemauan untuk menskala komputasi tanpa batas.

Perbandingan: Hukum Huang, dan Hukum Kurzweil tentang Pengembalian yang Dipercepat

Untuk memahami sepenuhnya signifikansi Hukum OpenAI, membantu untuk mengeksplorasi kerangka kerja lain yang telah membentuk pemahaman kita tentang kemajuan teknologi di luar Hukum Moore.

Hukum Huang, yang dinamai dari CEO NVIDIA (NVDA ) Jensen Huang, menggambarkan pengamatan bahwa kinerja GPU untuk beban kerja AI telah meningkat pada tingkat yang jauh lebih cepat daripada Hukum Moore. Selama lima tahun, GPU telah melihat peningkatan kinerja melebihi 25 kali lipat, jauh melampaui peningkatan sekitar 10 kali lipat yang diharapkan di bawah penskalaan transistor.

Peningkatan ini tidak hanya disebabkan oleh kepadatan chip – itu adalah hasil dari inovasi tingkat sistem. Peningkatan arsitektur GPU, peningkatan bandwidth memori, interkoneksi kecepatan tinggi, dan kemajuan dalam ekosistem perangkat lunak seperti CUDA dan perpustakaan pembelajaran dalam telah semua berkontribusi pada peningkatan ini. Optimasi rekayasa dalam penjadwalan, operasi tensor, dan paralelisme juga telah memainkan peran penting.

Peningkatan kinerja dalam tugas pelatihan dan inferensi GPU tunggal telah mencapai hingga 1.000 kali lipat selama dekade terakhir, didorong oleh tumpukan inovasi perangkat lunak dan perangkat keras ini. Secara efektif, kemampuan GPU untuk tugas AI telah menggandakan setiap 6 hingga 12 bulan – tiga hingga empat kali lebih cepat daripada kurva asli Moore. Pacing yang tak henti-hentinya ini telah membuat GPU menjadi mesin tak tergantikan dari AI modern, memungkinkan pelatihan paralel besar yang mendasari Hukum OpenAI.

Hukum Kurzweil tentang Pengembalian yang Dipercepat mengambil gagasan pertumbuhan eksponensial ke langkah berikutnya – itu mengusulkan bahwa laju pertumbuhan eksponensial itu sendiri dipercepat seiring waktu. Menurut prinsip ini, setiap kemajuan teknologi tidak hanya berdiri sendiri; itu menciptakan alat, platform, dan pengetahuan yang membuat kemajuan berikutnya terjadi lebih cepat dan lebih efisien. Ini menghasilkan efek komponen di mana perubahan teknologi memakan dirinya sendiri, mempercepat dalam skala dan frekuensi.

Kurzweil telah berargumen bahwa dinamika ini akan mengompresi apa yang akan menjadi abad kemajuan menjadi beberapa dekade. Jika laju kemajuan berganda setiap dekade, abad ke-21 bisa mengalami lompatan yang luar biasa – setara dengan puluhan ribu tahun kemajuan pada tingkat sejarah.

Hukum ini sangat relevan dengan AI. AI modern tidak lagi hanya subjek kemajuan – itu telah menjadi akselerator kemajuan. Sistem AI sudah membantu merancang chip baru, mengoptimalkan jaringan saraf, melakukan penelitian ilmiah, dan bahkan menulis kode yang digunakan untuk membangun penerusnya. Ini menciptakan loop perbaikan rekursif, di mana setiap generasi AI memperbaiki yang berikutnya, mengurangi timeline pengembangan dan menggandakan kemampuan.

Lingkaran umpan balik ini mulai menyerupai apa yang disebut beberapa orang sebagai ledakan kecerdasan: skenario di mana sistem AI menjadi mampu memperbaiki diri dengan cepat tanpa intervensi manusia. Hasilnya adalah kurva yang tidak hanya naik curam – itu melengkung ke atas secara dramatis, karena siklus iterasi runtuh dan kemajuan berderap. Jika pola ini berlanjut, kita mungkin menyaksikan fase kemajuan teknologi yang terasa hampir seketika – di mana seluruh industri, bidang ilmiah, dan mode pemikiran berevolusi dalam bulan daripada dekade.

Hukum OpenAI sesuai dengan garis keturunan ini sebagai ekspresi pertumbuhan eksponensial dari sisi permintaan. Tidak seperti Hukum Moore atau Hukum Huang, yang menggambarkan laju perbaikan perangkat keras, Hukum OpenAI mencerminkan seberapa banyak komputasi yang sebenarnya dikonsumsi oleh peneliti dalam mengejar hasil yang lebih baik. Ini menunjukkan bahwa kemajuan AI tidak lagi terikat secara ketat oleh apa yang dapat dilakukan chip, tetapi oleh apa yang peneliti mau – dan mampu – untuk menskala. Ditenagai oleh infrastruktur cloud yang luas dan miliaran investasi, Hukum OpenAI menggambarkan era baru di mana kemampuan tumbuh tidak hanya melalui inovasi, tetapi melalui kekuatan yang terfokus dan disengaja.

Bersama, hukum-hukum ini menggambarkan pandangan multi-dimensi tentang pertumbuhan eksponensial. Moore dan Huang mendefinisikan pasokan komputasi. Kurzweil memetakan meta-tren komponen kemajuan. Dan Hukum OpenAI menyoroti ambisi teknologi baru – di mana mendorong batas tidak lagi opsional, tetapi strategi pusat.

Janji: Mengapa AI Eksponensial Penting

Implikasi Hukum OpenAI sangat mendalam.

Di sisi optimis, penskalaan eksponensial telah menghasilkan hasil yang luar biasa. Sistem AI sekarang dapat menulis esai, menghasilkan kode, membantu dalam penelitian ilmiah, dan terlibat dalam percakapan yang mengejutkan fluid. Setiap peningkatan 10 kali lipat dalam skala tampaknya membuka kemampuan baru, menunjukkan kita mungkin semakin dekat dengan AGI.

AI bisa segera mengubah industri mulai dari pendidikan dan kesehatan hingga keuangan dan sains bahan. Jika Hukum OpenAI terus berlaku, kita mungkin menyaksikan kemajuan yang mengompresi dekade inovasi menjadi beberapa tahun saja.

Ini adalah inti dari istilah baru yang kami sebutkan: “kecepatan lepas AI” – saat AI mulai memperbaiki diri, mendorong kemajuan ke dalam ledakan eksponensial yang menguatkan diri sendiri.

Harga: Biaya Lingkungan, Ekonomi, dan Etika

Tapi pertumbuhan eksponensial tidak gratis.

Melatih model frontier sekarang mengonsumsi sejumlah besar listrik dan air. Memasok ribuan GPU selama berminggu-minggu menciptakan kekhawatiran lingkungan serius, termasuk emisi karbon dan limbah termal. Rantai pasokan untuk chip AI juga berada di bawah tekanan, menimbulkan masalah keberlanjutan dan geopolitik.

Secara finansial, hanya perusahaan teknologi terbesar atau startup yang dibiayai dengan baik yang dapat mempertahankan diri di kurva. Ini menyebabkan konsentrasi kekuatan, di mana sekelompok kecil organisasi mengendalikan garis depan kecerdasan.

Secara etis, Hukum OpenAI mendorong mentalitas perlombaan – lebih besar, lebih cepat, lebih awal – yang dapat menyebabkan penerapan prematur, sistem tidak diuji, dan jalan pintas keamanan. Ada kekhawatiran yang meningkat bahwa beberapa model frontier mungkin dirilis sebelum masyarakat sepenuhnya memahami dampaknya.

Untuk memitigasi ini, peneliti telah mengusulkan kerangka tata kelola yang melacak pengembangan AI tidak oleh apa yang dilakukan model, tetapi oleh seberapa banyak komputasi yang digunakan untuk melatihnya. Karena komputasi adalah salah satu prediktor terbaik kemampuan model, itu bisa menjadi proxy untuk penilaian risiko dan regulasi.

Batasan Penskalaan: Apa yang Terjadi Ketika Kurva Melengkung?

Meskipun kemajuan yang mengesankan, ada perdebatan tentang seberapa lama tren penskalaan dapat berlanjut. Beberapa percaya kita sudah melihat hasil yang menurun: model yang lebih besar mengonsumsi lebih banyak komputasi tetapi hanya menghasilkan perbaikan marginal.

Yang lain berargumen bahwa temuan dalam efisiensi, desain algoritma, atau arsitektur model bisa meratakan kurva tanpa memperlambat kemajuan. Model yang lebih kecil dan lebih pintar mungkin menjadi lebih menarik daripada raksasa kekuatan kasar.

Selain itu, tekanan publik, regulasi, dan keterbatasan infrastruktur mungkin memaksa industri untuk memikirkan kembali mentalitas “skala pada semua biaya”. Jika grid listrik, anggaran, atau persetujuan sosial tidak dapat mengimbangi, AI eksponensial mungkin mencapai langit-langit – atau setidaknya titik balik.

Jalan Menuju Masa Depan: Menggambar Masa Depan AI Eksponensial

Untuk saat ini, Hukum OpenAI tetap menjadi salah satu lensa terjelas untuk melihat masa depan kecerdasan buatan. Ini menjelaskan bagaimana kita telah bergerak dari chatbot dasar ke sistem umum multimodal dalam waktu kurang dari satu dekade – dan mengapa gelombang kemajuan berikutnya mungkin bahkan lebih dramatis.

Namun, hukum ini juga datang dengan konsekuensi: ketidaksetaraan akses, biaya yang meningkat, beban lingkungan, dan tantangan keamanan. Ketika kita mempercepat ke era baru ini, masyarakat akan perlu menghadapi pertanyaan fundamental:

• Siapa yang berhak membentuk masa depan AI?
• Bagaimana kita menyeimbangkan kemajuan dengan kehati-hatian?
• Apa sistem yang diperlukan untuk mengelola kemampuan eksponensial sebelum itu melampaui kontrol manusia?

Hukum OpenAI tidaklah tak tergantikan. Seperti Hukum Moore sebelumnya, itu mungkin eventually melambat, mencapai puncak, atau digantikan oleh paradigma baru. Tapi untuk saat ini, itu berfungsi sebagai peringatan dan peta jalan – mengingatkan kita bahwa masa depan AI tidak hanya berkembang, tetapi juga berkompound.

Kita tidak hanya menyaksikan sejarah – kita merancangnya dengan kecepatan eksponensial. Tapi dengan kekuatan itu datang tanggung jawab: untuk memastikan bahwa kemanusiaan tidak menderita kerusakan eksponensial bersama dengan kemajuan eksponensial.