Masa depan AI dan efisiensi energi

Kecerdasan buatan (AI) telah mengubah cara kita hidup dan bekerja, dan memiliki potensi untuk merevolusi industri dan dunia secara luas. Kecerdasan buatan diperkirakan akan menghasilkan nilai triliunan, melakukan segala hal mulai dari meningkatkan prediksi kejadian cuaca yang dahsyat hingga mempercepat penemuan dan pengiriman obat-obatan yang menyelamatkan jiwa. 

Individu menggunakannya untuk berfungsi sebagai asisten virtual dan kopilot virtual. Perusahaan dan karyawan menerapkan itu untuk mencapai efisiensi di beberapa area utama, termasuk layanan pelanggan, keuangan, dan area lainnya.

Pada bulan Mei, laporan McKinsey (tautan berada di luar ibm.com) menemukan bahwa jumlah organisasi yang menggunakan AI generatif (gen AI) hampir dua kali lipat menjadi 65% hanya dalam 10 bulan terakhir. Sebuah studi IBM Institute for Business Value (IBV) baru-baru ini menemukan bahwa 77% responden merasa bahwa mereka perlu mengadopsi gen AI dengan cepat untuk mengimbangi pelanggan. 

Pertumbuhan pesat dalam adopsi AI juga mengakibatkan peningkatan dramatis dalam penggunaan energi. Energi diperlukan untuk dua tahap utama dalam penggunaan model AI: pertama, untuk membangun dan melatih model, dan kedua, untuk menjalankan perhitungan kompleks setiap kali model digunakan untuk memberikan informasi atau menghasilkan konten.

International Energy Agency (IEA) telah menyarankan bahwa mengintegrasikan AI ke dalam perangkat yang sudah ada seperti mesin pencari internet dapat menghasilkan peningkatan permintaan listrik hingga sepuluh kali lipat. Pada tahun 2030, IEA memproyeksikan pangsa listrik global yang digunakan untuk menggerakkan pusat data akan meningkat dua kali lipat.

AI bukanlah teknologi pertama yang menimbulkan tantangan konsumsi energi. Kekhawatiran serupa juga pernah muncul akibat komputasi cloud di awal tahun 2000-an, tetapi untungnya dapat dihindari melalui efisiensi inovasi. Meskipun demikian, seiring dengan berlanjutnya adopsi AI dan perusahaan-perusahaan mencari listrik yang stabil dan terjangkau dari pasar energi yang kompetitif, topik ini menjadi perhatian utama banyak eksekutif.

Namun, di tengah maraknya AI ini, banyak perusahaan masih mengejar tujuan keberlanjutan yang ambisius. 45% perusahaan S&P telah membuat komitmen net zero, dan Gartner telah menyampaikan bahwa  42% eksekutif menganggap upaya keberlanjutan mereka sebagai pembeda utama. 

Akibatnya, banyak perusahaan kini menghadapi dua tantangan utama: mengintegrasikan peningkatan konsumsi energi yang didorong oleh AI ke dalam target keberlanjutan mereka, sekaligus mendukung inisiatif industri untuk membuat AI lebih hemat energi.

Adopsi AI diperkirakan tidak akan melambat karena banyak perusahaan dan eksekutif menganggapnya sebagai elemen penting bagi masa depan mereka. Menggabungkan dua ambisi ini—memanfaatkan potensi AI sekaligus mencapai kemajuan menuju target net zero—memerlukan pendekatan yang cerdas.

Untungnya, banyak pakar industri sedang mengerjakan berbagai solusi. Solusi-solusi tersebut meliputi:

• Perbaikan perangkat keras
• Model yang lebih kecil
• Pelatihan model yang lebih cerdas
• Penggunaan energi bersih dan terbarukan
• Sumber terbuka dan kolaborasi

Teknologi pembatasan daya pada perangkat keras telah terbukti mampu mengurangi konsumsi energi hingga 15%, dengan peningkatan waktu pemrosesan hasil hanya sekitar 3%, yang hampir tidak terasa.

Penggunaan energi AI juga dapat dikurangi dengan menggunakan perangkat keras hemat karbon, yang "mencocokkan model dengan campuran perangkat keras yang paling hemat karbon," menurut MIT. 

Chip yang baru dan lebih baik adalah solusi lain untuk masalah energi. IBM baru-baru ini mengungkapkan detail arsitektur Prosesor IBM Telum II dan IBM Spyre Accelerator yang akan datang. Teknologi ini dirancang untuk mengurangi konsumsi energi berbasis AI serta jejak karbon pusat data, dan dijadwalkan rilis pada tahun 2025.

Secara umum, model yang lebih besar—seperti model bahasa besar (LLM) generalis yang digunakan oleh ChatGPT dan Google Gemini—memerlukan lebih banyak energi daripada model yang lebih kecil. Model generalis seperti itu dapat berguna untuk berbagai kebutuhan yang dihadapi konsumen, tetapi untuk bisnis dengan contoh penggunaan tertentu, IBM dan perusahaan lain merekomendasikan model yang lebih kecil, lebih efisien, lebih terjangkau, dan lebih hemat energi.

Metode pelatihan model yang ada memerlukan energi yang signifikan karena pengembang AI sering menggunakan beberapa model sebelumnya  sebagai titik awal untuk melatih model baru. Menjalankan semua model ini akan meningkatkan daya yang dibutuhkan.

Namun, para peneliti berusaha untuk memprediksi model mana yang berkinerja lebih baik dan di bawah ekspektasi, menghentikan model yang berkinerja buruk lebih awal untuk menghemat energi. Ini semua adalah bagian dari gerakan "merancang untuk keberlanjutan" yang sedang berkembang yang mendefinisikan parameter beban kerja untuk menggunakan energi dengan lebih baik secara efisien.

Semua perusahaan sebaiknya membangun atau menggunakan pusat data yang dekat dengan area di mana energi terbarukan berlimpah. Menggunakan pusat data ramah lingkungan, yang menggunakan energi terbarukan dan berkelanjutan, merupakan cara terbaik untuk mengurangi dampak lingkungan.

Perusahaan yang beroperasi di bidang AI tidak boleh membiarkan persaingan yang berlebihan menghalangi mereka untuk berbagi tips dan alatyang dapat membantu masyarakat untuk mendapatkan manfaat dari model AI dengan kebutuhan energi yang lebih sedikit.

IBM telah berkolaborasi dengan Universitas Columbia untuk menghasilkan solusi yang berarti bagi krisis energi, termasuk pemodelan bagaimana AI berperilaku pada perangkat keras yang berbeda, pengembangan chip berdaya rendah, menghilangkan pembengkakan perangkat lunak, dan mengoptimalkan sistem AI.

Selain berbagai pendekatan ini, AI sendiri dapat membantu pemecahan masalah seputar kebutuhan energinya.

Sebuah studi IBM baru-baru ini menemukan bahwa 74% perusahaan yang disurvei di industri energi dan utilitas menggunakan AI untuk mengatasi tantangan terkait data. Ini dapat membantu mereka meningkatkan efisiensi, mengurangi dampaknya terhadap lingkungan. Dari pemeliharaan jaringan hingga perkiraan beban, AI berpotensi untuk memiliki dampak besar pada industri energi, yang memungkinkan energi disalurkan secara lebih efisien ke semua industri lainnya.

IBM telah mengambil peran kepemimpinan dalam transisi energi bersih, menciptakan Model Kematangan Elektrifikasi Bersih (CEMM) yang dikoordinasikan dengan APQC untuk membantu perusahaan energi melakukan penilaian guna mengukur hasil mereka dan mempercepat transisi energi mereka.

Studi yang sama menunjukkan bahwa, pada akhir 2024, 63% bisnis yang disurvei berencana untuk menerapkan gen AI dalam inisiatif TI berkelanjutan. Namun, hanya 23% yang saat ini mempertimbangkan penilaian keberlanjutan selama tahap desain dan perencanaan proyek TI untuk sebagian besar. Ini perlu diubah.

Sangat baik bahwa diskusi mengenai penggunaan energi dalam AI sudah berkembang pesat. Diharapkan, terobosan baru untuk meminimalkan konsumsi energi akan segera menyusul pencapaian yang telah kita buat.

IBM secara khusus berkomitmen untuk membantu mengidentifikasi model-model yang lebih kecil, lebih efektif, dan perangkat keras yang lebih cerdas untuk meminimalkan penggunaan energi. Meningkatkan AI sekaligus mengurangi penggunaan energi menciptakan lebih banyak lagi peluang untuk menanamkan teknologi ini ke dalam kehidupan kita sehari-hari. Kemungkinan bahwa penggunaan AI dapat membantu dunia memecahkan tantangan lingkungan terbesarnya membuat tujuan meminimalkan penggunaan energi menjadi semakin penting.