Perkembangan kecerdasan buatan tidak lagi hanya berfokus pada bagaimana membuat model semakin besar dan cepat. Para peneliti kini menghadapi persoalan lain yang tidak kalah penting, yakni bagaimana membuat AI mampu bekerja dengan konsumsi energi yang jauh lebih rendah.
Salah satu jawabannya datang dari teknologi komputasi neuromorfik, sebuah pendekatan yang terinspirasi dari cara kerja otak manusia.
Alih-alih menggunakan arsitektur komputer konvensional, chip neuromorfik dirancang untuk meniru karakteristik neuron dan sinapsis biologis. Sistem tersebut memungkinkan pemrosesan informasi dilakukan secara paralel dan berdasarkan peristiwa tertentu, bukan terus-menerus menjalankan komputasi ketika tidak ada informasi yang perlu diproses.
Pendekatan ini menjadi semakin menarik di tengah meningkatnya kebutuhan energi pusat data untuk menjalankan AI generatif.
Otak Jadi Inspirasi Utama
Otak manusia selama bertahun-tahun menjadi salah satu referensi utama dalam pengembangan teknologi komputasi cerdas.
Sistem biologis tersebut mampu memproses berbagai informasi secara bersamaan dengan konsumsi energi yang sangat rendah dibandingkan sistem komputasi modern berskala besar.
Para peneliti kemudian mencoba mengambil prinsip tertentu dari cara neuron berkomunikasi untuk diterapkan ke dalam perangkat elektronik.
Konsep tersebut dikenal sebagai neuromorphic computing. Teknologi ini tidak sekadar membuat chip lebih cepat, tetapi mengubah cara komputer memproses informasi.
Dalam sistem konvensional, pemrosesan dan penyimpanan data umumnya berada pada komponen berbeda. Data harus terus dipindahkan antara prosesor dan memori, sebuah proses yang membutuhkan energi.
Arsitektur neuromorfik mencoba mengurangi hambatan tersebut dengan mendekatkan fungsi pemrosesan dan memori, menyerupai hubungan antara neuron dan sinapsis dalam sistem biologis.
Neuron Buatan Tidak Selalu Aktif
Salah satu konsep penting dalam chip neuromorfik adalah Spiking Neural Network (SNN).
Dalam sistem tersebut, informasi dikirim melalui sinyal atau lonjakan tertentu. Chip tidak harus terus aktif ketika tidak ada peristiwa yang perlu diproses.
Konsep ini berbeda dengan pendekatan komputasi yang terus menjalankan operasi meskipun perubahan informasi yang diterima sangat kecil.
Dengan sistem berbasis peristiwa atau event-driven, perangkat dapat mengalokasikan energi ketika memang diperlukan.
Pendekatan tersebut berpotensi sangat berguna untuk perangkat yang harus beroperasi dalam waktu lama dengan sumber energi terbatas, seperti sensor, perangkat wearable, robot, kamera pintar, dan berbagai sistem Internet of Things.
Karena itu, chip neuromorfik tidak selalu ditujukan untuk menggantikan GPU yang digunakan melatih model AI berukuran besar. Kekuatan utamanya justru dapat berada pada pemrosesan AI secara langsung di perangkat atau edge computing.
Teknologi Baru Makin Spesifik
Perkembangan terbaru menunjukkan bahwa para ilmuwan tidak hanya mencoba meniru otak secara umum.
Sebuah studi yang diterbitkan di Nature Communications pada Juli 2026 memperkenalkan perangkat memtransistor berbasis molibdenum disulfida atau MoS₂ yang terinspirasi fungsi serebelum.
Perangkat tersebut dirancang untuk mengenali peristiwa baru atau novelty detection. Salah satu demonstrasinya menggunakan data elektrokardiogram untuk mendeteksi aritmia.
Menurut laporan penelitian tersebut, pendekatan ini mampu melakukan tugas dengan jumlah operasi yang jauh lebih sedikit dibandingkan pendekatan AI silikon konvensional.
Temuan tersebut memperlihatkan perubahan arah penelitian. Jika sebelumnya perhatian banyak tertuju pada bagaimana meniru kemampuan berpikir kompleks dari otak, kini bagian otak yang memiliki fungsi spesifik juga mulai dijadikan inspirasi untuk merancang sistem komputasi.
Kenapa Serebelum Menarik?
Serebelum atau otak kecil memiliki peran penting dalam koordinasi gerak dan respons yang membutuhkan ketepatan serta kecepatan.
Karakteristik tersebut menarik bagi peneliti yang ingin membangun sistem AI yang dapat merespons perubahan lingkungan secara cepat.
Bayangkan sebuah robot yang harus menghindari benda bergerak. Robot tidak selalu membutuhkan model AI raksasa untuk mengambil keputusan. Ia membutuhkan sistem yang dapat mengenali perubahan, memproses informasi sensor, kemudian memberikan respons dalam waktu singkat.
Di sinilah arsitektur yang terinspirasi dari sistem biologis memiliki peluang besar.
Teknologi tersebut juga berpotensi diterapkan pada perangkat medis, sistem robotik, sensor industri, dan berbagai perangkat pintar yang membutuhkan respons cepat tetapi memiliki keterbatasan daya.
Tantangan Tidak Sedikit
Meski menjanjikan, chip yang meniru otak manusia masih menghadapi berbagai tantangan.
Salah satu persoalan terbesar adalah ekosistem perangkat lunak.
Sebagian besar software AI saat ini dikembangkan untuk CPU dan GPU. Pengembang telah memiliki berbagai framework, library, serta metode pemrograman yang matang untuk arsitektur tersebut.
Sebaliknya, sistem neuromorfik memiliki karakteristik berbeda.
Pengembang harus memahami bagaimana memanfaatkan sinyal berbasis peristiwa, jaringan saraf lonjakan, waktu, serta pola aktivitas neuron buatan.
Artinya, membuat chip neuromorfik bukan sekadar persoalan menghasilkan perangkat keras baru. Industri juga harus membangun ekosistem software yang mampu memaksimalkan kemampuan perangkat tersebut.
Tanpa dukungan software yang memadai, keunggulan hardware akan sulit dimanfaatkan secara luas.
Bukan Pengganti GPU
Munculnya chip yang meniru otak juga tidak berarti GPU akan segera ditinggalkan.
GPU masih memiliki peran besar dalam melatih dan menjalankan berbagai model AI berskala besar. Sementara itu, chip neuromorfik memiliki keunggulan pada jenis pekerjaan tertentu yang membutuhkan efisiensi energi, pemrosesan paralel, dan respons real-time.
Dengan kata lain, kedua teknologi tersebut berpotensi berjalan berdampingan.
GPU dapat menangani komputasi AI yang sangat besar di pusat data, sedangkan chip neuromorfik dapat digunakan di perangkat yang berada langsung di lapangan.
Kamera keamanan, misalnya, tidak selalu perlu mengirim seluruh rekaman video ke pusat data. Chip di dalam kamera dapat mendeteksi perubahan tertentu secara lokal dan hanya mengirimkan informasi yang dianggap penting.
Model seperti ini dapat mengurangi kebutuhan bandwidth sekaligus meningkatkan kecepatan respons.
Robot Jadi Salah Satu Pengguna Potensial
Robot merupakan salah satu bidang yang paling menarik untuk penerapan chip neuromorfik.
Sebuah robot harus terus menerima informasi dari kamera, mikrofon, sensor sentuhan, sensor gerak, hingga perangkat pengukur jarak.
Jika seluruh data tersebut diproses dengan metode konvensional secara terus-menerus, kebutuhan energi dapat meningkat.
Chip neuromorfik menawarkan pendekatan berbeda. Sistem dapat dibuat hanya aktif ketika sensor mendeteksi perubahan tertentu.
Konsep tersebut memungkinkan robot merespons kejadian penting dengan cepat tanpa harus menghabiskan energi untuk memproses informasi yang tidak berubah.
Teknologi serupa juga dapat berguna pada kendaraan otonom, drone, perangkat medis, serta sistem industri yang membutuhkan respons dalam waktu sangat singkat.
AI Hemat Energi Jadi Target
Persoalan konsumsi energi menjadi semakin penting seiring berkembangnya AI.
Model AI modern membutuhkan pusat data dengan jumlah akselerator komputasi yang sangat besar. Selain energi untuk melakukan komputasi, pusat data juga membutuhkan sistem pendingin dan infrastruktur pendukung.
Karena itu, meningkatkan efisiensi pada tingkat chip menjadi salah satu strategi penting untuk menjaga perkembangan AI tetap berkelanjutan.
Komputasi neuromorfik menawarkan kemungkinan tersebut dengan mengubah paradigma pemrosesan informasi.
Alih-alih hanya mengejar jumlah transistor dan kecepatan clock, pendekatan ini mencoba membuat perangkat bekerja lebih mirip sistem biologis yang sangat efisien dalam mengelola informasi.
Masa Depan Chip Makin Biologis
Perkembangan chip neuromorfik menunjukkan bahwa masa depan AI mungkin tidak hanya ditentukan oleh model yang semakin besar.
Perubahan juga dapat terjadi pada perangkat keras yang menjalankan model tersebut.
Para ilmuwan mulai mengambil inspirasi dari berbagai bagian otak, mulai dari neuron dan sinapsis hingga fungsi khusus seperti yang dilakukan serebelum. Pada saat yang sama, material baru seperti MoS₂ membuka peluang untuk membuat perangkat yang menggabungkan kemampuan memori dan pemrosesan dalam bentuk yang lebih efisien.
Jika teknologi ini terus berkembang, perangkat AI masa depan mungkin tidak harus selalu terhubung ke pusat data besar.
Sensor dapat memproses informasi secara lokal. Robot dapat merespons lingkungan dengan lebih cepat. Perangkat medis dapat melakukan analisis tanpa terus mengirimkan data ke cloud.
Chip yang meniru cara kerja otak manusia memang belum menjadi pengganti komputer konvensional. Namun, arahnya semakin jelas.
Masa depan komputasi mungkin bukan hanya tentang membuat mesin semakin kuat, tetapi juga membuatnya semakin cerdas dalam menggunakan energi.
