Neuron Buatan Baru MIT: Meniru Otak, AI Cerdas & Hemat Energi!

Para peneliti dari USC Viterbi School of Engineering dan School of Advanced Computing telah menciptakan neuron buatan baru yang secara fisik meniru perilaku elektrokimia kompleks sel otak asli. Terobosan ini, yang dijelaskan dalam Nature Electronics, merupakan langkah maju besar dalam komputasi neuromorfik—bidang yang bertujuan membangun hardware komputer yang bekerja seperti otak. Pendekatan baru ini dapat secara drastis mengecilkan ukuran chip, mengurangi penggunaan energi hingga berkali-kali lipat, dan membawa kita lebih dekat untuk mencapai artificial general intelligence (AGI) atau kecerdasan buatan umum.

Berbeda dengan prosesor digital standar atau chip neuromorfik berbasis silikon yang ada saat ini (yang hanya mensimulasikan aktivitas saraf), neuron buatan baru ini secara fisik mereproduksi proses analog dari neuron biologis. Sama seperti bahan kimia saraf memicu aktivitas otak, bahan kimia spesifik kini dapat digunakan untuk memulai komputasi di hardware yang terinspirasi otak atau neuromorfik. Karena mereka mereplikasi mekanisme biologis yang sebenarnya daripada mengandalkan model matematika, neuron buatan ini secara fundamental berbeda dari desain sebelumnya.

Penelitian yang dipimpin oleh Profesor Teknik Komputer dan Elektro USC, Joshua Yang, memperkenalkan jenis neuron buatan baru yang dibangun menggunakan “memristor difusif”. Studi ini merinci bagaimana inovasi ini dapat memungkinkan generasi chip baru yang meningkatkan dan memperluas teknologi berbasis silikon saat ini. Sementara elektronik konvensional bergantung pada aliran elektron untuk komputasi, perangkat difusif Yang justru menggunakan pergerakan atom. Proses tingkat atom ini memungkinkan neuron beroperasi lebih mirip dengan yang ada di otak manusia, menawarkan efisiensi energi yang lebih besar dan potensi untuk memajukan pengembangan AGI.

Cara Kerja Neuron Buatan yang Meniru Otak

Dalam proses biologis, otak menggunakan sinyal listrik dan kimia untuk memicu tindakan di dalam tubuh. Sel saraf atau neuron dimulai dengan sinyal listrik yang, ketika mencapai ruang atau celah di ujung neuron yang disebut sinapsis, sinyal listrik diubah menjadi sinyal kimia untuk meneruskan dan memproses informasi. Setelah informasi melintasi ke neuron berikutnya, beberapa sinyal tersebut sekali lagi diubah menjadi sinyal listrik melalui tubuh neuron. Inilah proses fisik yang berhasil ditiru oleh Yang dan rekan-rekannya dengan fidelitas tinggi dalam beberapa aspek kritis. Keuntungan besar: neuron buatan baru berbasis memristor difusif mereka hanya membutuhkan ruang satu transistor, daripada puluhan hingga ratusan yang digunakan dalam desain konvensional.

Baca juga: Algoritma Kuantum Materi, Ungkap Asal-usul Alam Semesta & Partikel!

Secara khusus, dalam model biologis, ion atau partikel bermuatan membantu menghasilkan sinyal listrik untuk menyebabkan tindakan di dalam neuron. Di otak manusia, proses tersebut bergantung pada bahan kimia (misalnya, ion) seperti kalium, natrium, atau kalsium untuk memaksakan tindakan ini.

Dalam makalah ini, Yang, yang merupakan Direktur Pusat Keunggulan Komputasi Neuromorfik di USC, menggunakan ion perak dalam oksida untuk menghasilkan pulsa listrik dan meniru proses untuk melakukan komputasi untuk aktivitas seperti gerakan, pembelajaran, dan perencanaan.

“Meskipun bukan ion yang persis sama dalam sinapsis dan neuron buatan kami, fisika yang mengatur pergerakan ion dan dinamikanya sangat mirip,” kata Yang.

Yang menjelaskan, “Perak mudah berdifusi dan memberi kita dinamika yang kita butuhkan untuk meniru biosistem sehingga kita dapat mencapai fungsi neuron, dengan struktur yang sangat sederhana.” Perangkat baru yang dapat mengaktifkan chip mirip otak ini disebut “memristor difusif” karena pergerakan ion dan difusi dinamis yang terjadi dengan penggunaan perak.

Dia menambahkan, tim memilih untuk memanfaatkan dinamika ion untuk membangun sistem cerdas buatan “karena itulah yang terjadi di otak manusia, untuk alasan yang bagus dan karena otak manusia, adalah ‘pemenang dalam evolusi’—mesin cerdas paling efisien.”

“Ini lebih efisien,” kata Yang.

Ini sangat penting, jelas Yang, “Bukan karena chip atau komputer kami tidak cukup kuat untuk apa pun yang mereka lakukan. Ini karena mereka tidak cukup efisien. Mereka menggunakan terlalu banyak energi.” Ini sangat relevan mengingat tingkat energi yang dibutuhkan untuk menjalankan model software besar dengan sejumlah besar data seperti machine learning untuk kecerdasan buatan.

Yang melanjutkan menjelaskan bahwa, tidak seperti otak, “Sistem komputasi kita yang ada tidak pernah dimaksudkan untuk memproses sejumlah besar data atau untuk belajar dari hanya beberapa contoh sendiri. Salah satu cara untuk meningkatkan efisiensi energi dan pembelajaran adalah dengan membangun sistem buatan yang beroperasi sesuai dengan prinsip-prinsip yang diamati di otak.”

Jika Anda mencari kecepatan murni, elektron yang menjalankan komputasi modern akan menjadi yang terbaik untuk operasi cepat. Tapi, ia menjelaskan, “Ion adalah media yang lebih baik daripada elektron untuk mewujudkan prinsip-prinsip otak. Karena elektron ringan dan volatil, komputasi dengan mereka memungkinkan pembelajaran berbasis software daripada pembelajaran berbasis hardware, yang secara fundamental berbeda dari cara kerja otak.”

Sebaliknya, ia mengatakan, “Otak belajar dengan memindahkan ion melintasi membran, mencapai pembelajaran yang hemat energi dan adaptif langsung di hardware, atau lebih tepatnya, dalam apa yang orang mungkin sebut ‘wetware’.”

Misalnya, seorang anak kecil dapat belajar mengenali digit tulisan tangan setelah hanya melihat beberapa contoh masing-masing, sedangkan komputer biasanya membutuhkan ribuan untuk mencapai tugas yang sama. Namun, otak manusia mencapai pembelajaran luar biasa ini sambil hanya mengonsumsi sekitar 20 watt daya, dibandingkan dengan megawatt yang dibutuhkan oleh superkomputer saat ini.

Dampak Potensial

Neuron buatan baru ini merupakan satu langkah lebih dekat untuk meniru kecerdasan alami.

Yang mencatat bahwa perak yang digunakan dalam percobaan tidak mudah kompatibel dengan manufaktur semikonduktor konvensional, dan bahwa spesies ion alternatif perlu diselidiki untuk fungsionalitas serupa.

Baca juga: Mesin Stirling Pendingin Radiatif, Hasilkan Listrik dari Dinginnya Angkasa

Efisiensi memristor difusif ini mencakup tidak hanya energi, tetapi juga ukuran. Biasanya, satu smartphone memiliki sekitar 10 chip tetapi miliaran transistor atau sakelar yang mengontrol on/off atau 0 dan 1 yang menjadi dasar komputasi.

“Sebaliknya [dengan inovasi ini], kami hanya menggunakan jejak satu transistor untuk setiap neuron. Kami merancang blok bangunan yang pada akhirnya membuat kami mengurangi ukuran chip hingga berkali-kali lipat, mengurangi konsumsi energi hingga berkali-kali lipat, sehingga dapat berkelanjutan untuk melakukan AI di masa depan, dengan tingkat kecerdasan yang serupa tanpa membakar energi yang tidak dapat kita pertahankan,” kata Yang.

Sekarang setelah kami mendemonstrasikan blok bangunan yang mampu dan ringkas, sinapsis dan neuron buatan, langkah selanjutnya adalah mengintegrasikan sejumlah besar dari mereka dan menguji seberapa dekat kami dapat mereplikasi efisiensi dan kemampuan otak. “Yang lebih menarik,” kata Yang, “adalah prospek bahwa sistem yang setia pada otak semacam itu dapat membantu kita mengungkap wawasan baru tentang cara kerja otak itu sendiri.”

Referensi: DOI: 10.1038/s41928-025-01488-x