Bagaimana Tidak Merebus Lautan dengan AI

Ketika kita menavigasi frontier kecerdasan buatan, saya menemukan diri saya terus-menerus merefleksikan sifat ganda teknologi yang kita ciptakan. AI, dalam esensinya, bukan hanya sekumpulan algoritma dan dataset; itu adalah manifestasi dari kecerdasan kolektif kita, yang ditujukan untuk memecahkan beberapa tantangan paling rumit yang dihadapi umat manusia. Namun, sebagai co-founder dan CEO Lemurian Labs, saya sangat menyadari tanggung jawab yang menyertai perlombaan kita untuk mengintegrasikan AI ke dalam kain kehidupan sehari-hari. Ini memaksa kita untuk bertanya: bagaimana kita dapat memanfaatkan potensi AI yang tak terbatas tanpa mengorbankan kesehatan planet kita?

Inovasi dengan Sisi Pemanasan Global

Inovasi teknologi selalu datang dengan biaya efek samping yang tidak selalu Anda pertimbangkan. Dalam kasus AI saat ini, itu memerlukan lebih banyak energi daripada jenis komputasi lainnya. Badan Energi Internasional melaporkan baru-baru ini bahwa pelatihan satu model menggunakan lebih banyak listrik daripada 100 rumah AS mengkonsumsi dalam satu tahun. Semua energi itu datang dengan harga, tidak hanya untuk pengembang, tetapi juga untuk planet kita. Baru tahun lalu, emisi CO2 terkait energi mencapai rekor tertinggi sepanjang masa sebesar 37,4 miliar ton. AI tidak melambat, jadi kita harus bertanya pada diri sendiri – apakah energi yang diperlukan untuk memuat AI dan implikasinya pada planet kita sepadan? Apakah AI lebih penting daripada dapat bernapas dengan udara kita sendiri? Saya berharap kita tidak pernah mencapai titik di mana itu menjadi kenyataan, tetapi jika tidak ada perubahan, itu tidak terlalu jauh.

Saya tidak sendirian dalam seruan saya untuk lebih banyak efisiensi energi di seluruh AI. Pada Konferensi Bosch Connected World baru-baru ini, Elon Musk mencatat bahwa dengan AI kita “berada di ambang revolusi teknologi terbesar yang pernah ada,” tetapi menyatakan bahwa kita bisa mulai melihat kekurangan listrik secepat tahun depan. Konsumsi daya AI bukan hanya masalah teknis, itu adalah masalah global.

Membayangkan AI sebagai Sistem Kompleks

Untuk memecahkan ketidakefisienan ini, kita perlu melihat AI sebagai sistem kompleks dengan banyak bagian yang terhubung dan bergerak daripada teknologi mandiri. Sistem ini mencakup segalanya, dari algoritma yang kita tulis, ke perpustakaan, compiler, runtime, driver, perangkat keras yang kita andalkan, dan energi yang diperlukan untuk memuat semua ini. Dengan mengadopsi pandangan holistik ini, kita dapat mengidentifikasi dan mengatasi ketidakefisienan pada setiap tingkat pengembangan AI, membuka jalan bagi solusi yang tidak hanya maju secara teknologi tetapi juga bertanggung jawab secara lingkungan. Memahami AI sebagai jaringan sistem dan proses yang terhubung mengungkapkan jalur menuju solusi inovatif yang sama efisien dan efektifnya.

Tumpukan Perangkat Lunak Universal untuk AI

Proses pengembangan AI saat ini sangat terfragmentasi, dengan setiap jenis perangkat keras memerlukan tumpukan perangkat lunak khusus yang hanya berjalan pada perangkat itu, dan banyak alat dan perpustakaan khusus yang dioptimalkan untuk masalah yang berbeda, sebagian besar di antaranya tidak kompatibel. Pengembang sudah bergelut dengan pemrograman sistem-on-chip (SoC) seperti yang ada pada perangkat edge seperti ponsel, tetapi segera semua yang terjadi pada mobile akan terjadi pada datacenter, dan menjadi seratus kali lebih rumit. Pengembang harus menyatukan dan mengerjakan sistem yang kompleks dari banyak model pemrograman, perpustakaan untuk mendapatkan kinerja dari klaster heterogen mereka yang semakin banyak, jauh lebih dari yang mereka lakukan sekarang. Dan itu hanya untuk pelatihan. Misalnya, memprogram dan mendapatkan kinerja dari superkomputer dengan ribuan hingga puluhan ribu CPU dan GPU sangat memakan waktu dan memerlukan pengetahuan yang sangat khusus, dan bahkan kemudian banyak yang tidak dimanfaatkan karena model pemrograman saat ini tidak menskalakan ke tingkat ini, menghasilkan pengeluaran energi yang berlebihan, yang hanya akan memburuk seiring kita terus menskalakan model.

Mengatasi ini memerlukan jenis tumpukan perangkat lunak universal yang dapat mengatasi fragmentasi dan membuatnya lebih sederhana untuk memprogram dan mendapatkan kinerja dari perangkat keras heterogen yang semakin banyak dari vendor yang ada, serta membuatnya lebih mudah untuk mendapatkan produktivitas pada perangkat keras baru dari pendatang baru. Ini juga akan mempercepat inovasi dalam AI dan arsitektur komputer, serta meningkatkan adopsi AI dalam banyak industri dan aplikasi.

Tuntutan untuk Perangkat Keras yang Efisien

Selain mengimplementasikan tumpukan perangkat lunak universal, sangat penting untuk mempertimbangkan optimasi perangkat keras yang mendasarinya untuk kinerja dan efisiensi yang lebih baik. Unit Pemrosesan Grafis (GPU), yang awalnya dirancang untuk permainan, meskipun sangat kuat dan berguna, memiliki banyak sumber ketidakefisienan yang menjadi lebih jelas ketika kita menskalakan mereka ke tingkat superkomputer di datacenter. Penskalaan GPU yang tidak terbatas saat ini mengarah pada biaya pengembangan yang diperbesar, kekurangan ketersediaan perangkat keras, dan peningkatan emisi CO2 yang signifikan.

Tantangan ini bukan hanya penghalang besar untuk memasuki industri, tetapi dampaknya juga dirasakan di seluruh industri. Karena, mari kita hadapi – jika perusahaan teknologi terbesar di dunia mengalami kesulitan mendapatkan GPU yang cukup dan mendapatkan energi yang cukup untuk memuat datacenter mereka, tidak ada harapan bagi kita yang lain.

Pivot yang Menentukan

Di Lemurian Labs, kita menghadapi ini secara langsung. Kembali pada 2018, kita adalah sebuah startup AI kecil yang mencoba membangun model dasar, tetapi biaya yang sangat besar tidak dapat dibenarkan. Jumlah daya komputasi yang diperlukan saja sudah cukup untuk mengarahkan biaya pengembangan ke tingkat yang tidak dapat dijangkau, tidak hanya bagi kita sebagai startup kecil, tetapi bagi siapa pun di luar perusahaan teknologi terbesar di dunia. Ini menginspirasi kita untuk beralih dari mengembangkan AI ke memecahkan tantangan dasar yang membuatnya tidak dapat diakses.

Kita memulai dari dasar dengan mengembangkan aritmatika dasar yang sepenuhnya baru untuk memuat AI. Disebut PAL (logaritma adaptif paralel), sistem angka inovatif ini memungkinkan kita untuk menciptakan prosesor yang dapat mencapai hingga 20 kali lebih banyak throughput daripada GPU tradisional pada beban kerja AI benchmark, semua sambil mengkonsumsi setengah daya.

Komitmen kita yang tidak goyah untuk membuat kehidupan pengembang AI lebih mudah sambil membuat AI lebih efisien dan dapat diakses telah memimpin kita untuk terus mencoba memahami masalah ini lebih dalam. Dari merancang arsitektur komputer ultra-tinggi dan efisien yang dirancang untuk menskalakan dari edge ke datacenter, hingga menciptakan tumpukan perangkat lunak yang menangani tantangan pemrograman perangkat heterogen tunggal hingga komputer skala gudang. Semua ini berfungsi untuk memungkinkan penerapan AI yang lebih cepat dengan biaya yang lebih rendah, meningkatkan produktivitas pengembang, mempercepat beban kerja, dan secara bersamaan meningkatkan aksesibilitas, memfasilitasi inovasi, adopsi, dan kesetaraan.

Mencapai AI untuk Semua

Agar AI memiliki dampak yang berarti pada dunia kita, kita perlu memastikan bahwa kita tidak menghancurkannya dalam prosesnya, dan itu memerlukan perubahan fundamental dalam cara pengembangannya. Biaya dan komputasi yang diperlukan saat ini memiringkan skala untuk memfavoritkan beberapa besar, menciptakan hambatan besar untuk inovasi dan aksesibilitas, sambil membuang jumlah besar CO2 ke atmosfer kita. Dengan memikirkan pengembangan AI dari sudut pandang pengembang dan planet, kita dapat mulai mengatasi ketidakefisienan dasar ini untuk mencapai masa depan AI yang dapat diakses oleh semua dan bertanggung jawab secara lingkungan.

Refleksi Pribadi dan Seruan untuk AI Berkelanjutan

Menghadap ke depan, perasaan saya tentang masa depan AI adalah campuran antara optimisme dan kehati-hatian. Saya optimis tentang potensi transformatif AI untuk memperbaiki dunia kita, namun hati-hati tentang tanggung jawab besar yang melekat padanya. Saya membayangkan masa depan di mana arah AI ditentukan tidak hanya oleh kemajuan teknologi kita, tetapi oleh komitmen yang teguh pada keberlanjutan, kesetaraan, dan inklusivitas. Memimpin Lemurian Labs, saya didorong oleh visi AI sebagai kekuatan penting untuk perubahan positif, yang memprioritaskan baik kenaikan manusia dan pelestarian lingkungan. Misi ini melampaui menciptakan teknologi yang unggul; itu tentang mempelopori inovasi yang bermanfaat, etis, dan menekankan pentingnya solusi yang terpikir, dapat diskalakan, dan menghormati aspirasi kolektif kita dan kesehatan planet.

Ketika kita berdiri di ambang era baru dalam pengembangan AI, seruan kita adalah jelas: kita harus memupuk AI dengan cara yang mempertimbangkan dampak lingkungan kita dan memperjuangkan kebaikan bersama. Etos ini adalah fondasi dari pekerjaan kita di Lemurian Labs, menginspirasi kita untuk berinovasi, berkolaborasi, dan menetapkan preseden. “Jangan hanya membangun AI untuk kepentingan inovasi, tetapi inovasi untuk kemanusiaan dan planet kita,” saya ajak, mengundang komunitas global untuk bergabung dalam merestrukturisasi lanskap AI. Bersama, kita dapat memastikan AI muncul sebagai simbol transformasi positif, memberdayakan kemanusiaan dan melindungi planet kita untuk generasi mendatang.