Kecerdasan Buatan Akan Memimpin Dalam Penghematan Energi
Perkembangan ini diumumkan oleh Ramin Javadi, kepala Laboratorium Sirkuit dan Sistem Sinyal Campuran OSU, dan Tejasvi Anand, asisten profesor teknik elektro, pada Konferensi Sirkuit Terpadu Kustom IEEE yang diadakan di Boston.
Sudah diketahui secara luas bahwa pemrosesan dan transmisi data dalam jumlah besar yang diperlukan untuk pengoperasian model bahasa menyebabkan konsumsi energi yang sangat besar oleh pusat data.
Dengan kecepatan transfer data yang terus meningkat dan teknologi efisiensi energi yang tertinggal, beban pusat data pada jaringan listrik meningkat secara eksponensial. Hal ini telah menjadi masalah yang sangat sensitif bagi operator AI besar.
Tn. Javadi menjelaskan bahwa masalah terbesar disebabkan oleh distorsi: pada kecepatan data tinggi, kualitas sinyal sering kali memburuk dan perlu dipulihkan. Hal ini biasanya dicapai oleh equalizer, sirkuit mikro khusus yang berhasil menghilangkan distorsi sambil mengonsumsi sejumlah besar energi.
Mikrocip baru ini menawarkan alternatif: menggunakan pengklasifikasi bawaan berdasarkan kecerdasan buatan, yang dilatih untuk mengenali dan mengoreksi kesalahan dalam sinyal yang dikirimkan. Metode ini memungkinkan data dipulihkan dengan lebih akurat, sehingga menghabiskan lebih sedikit energi dalam prosesnya.
“Pada dasarnya, untuk menghemat energi saat menangani AI, kami menggunakan prinsip-prinsip AI tersebut pada chip dengan melatih pengklasifikasi pada chip untuk mengenali dan mengoreksi kesalahan,” kata Tn. Javadi.
Proyek ini telah menerima dukungan dari Defense Advanced Research Projects Agency di bawah Departemen Pertahanan AS, serta Semiconductor Research Corporation dan Center for Ubiquitous Connectivity.
Tim peneliti saat ini tengah mengerjakan versi chip berikutnya, yang diharapkan akan lebih hemat energi. (Tim Liputan)
Editor : Aan
Perkembangan ini diumumkan oleh Ramin Javadi, kepala Laboratorium Sirkuit dan Sistem Sinyal Campuran OSU, dan Tejasvi Anand, asisten profesor teknik elektro, pada Konferensi Sirkuit Terpadu Kustom IEEE yang diadakan di Boston.
Sudah diketahui secara luas bahwa pemrosesan dan transmisi data dalam jumlah besar yang diperlukan untuk pengoperasian model bahasa menyebabkan konsumsi energi yang sangat besar oleh pusat data.
Dengan kecepatan transfer data yang terus meningkat dan teknologi efisiensi energi yang tertinggal, beban pusat data pada jaringan listrik meningkat secara eksponensial. Hal ini telah menjadi masalah yang sangat sensitif bagi operator AI besar.
Tn. Javadi menjelaskan bahwa masalah terbesar disebabkan oleh distorsi: pada kecepatan data tinggi, kualitas sinyal sering kali memburuk dan perlu dipulihkan. Hal ini biasanya dicapai oleh equalizer, sirkuit mikro khusus yang berhasil menghilangkan distorsi sambil mengonsumsi sejumlah besar energi.
Mikrocip baru ini menawarkan alternatif: menggunakan pengklasifikasi bawaan berdasarkan kecerdasan buatan, yang dilatih untuk mengenali dan mengoreksi kesalahan dalam sinyal yang dikirimkan. Metode ini memungkinkan data dipulihkan dengan lebih akurat, sehingga menghabiskan lebih sedikit energi dalam prosesnya.
“Pada dasarnya, untuk menghemat energi saat menangani AI, kami menggunakan prinsip-prinsip AI tersebut pada chip dengan melatih pengklasifikasi pada chip untuk mengenali dan mengoreksi kesalahan,” kata Tn. Javadi.
Proyek ini telah menerima dukungan dari Defense Advanced Research Projects Agency di bawah Departemen Pertahanan AS, serta Semiconductor Research Corporation dan Center for Ubiquitous Connectivity.
Tim peneliti saat ini tengah mengerjakan versi chip berikutnya, yang diharapkan akan lebih hemat energi. (Tim Liputan)
Editor : Aan
