sDengan maraknya proyek kecerdasan buatan generatif, kekuatan komputasi telah menjadi sumber daya yang sangat diperebutkan. Ketika AI semakin banyak digunakan dan perlombaan untuk mendapatkan pasokan unit pemrosesan grafis (GPU) semakin meningkat, kebutuhan akan akses yang lebih luas dan demokratis terhadap daya komputasi telah menjadi prioritas mendesak bagi perusahaan non-MAANG. Kombinasikan permintaan yang sangat besar ini dengan kelangkaan yang dengan cepat berubah menjadi eksklusivitas sumber daya, dan kemungkinan besar dampak buruknya adalah ekosistem AI sebagian besar dibentuk oleh segelintir perusahaan teknologi besar.
Mark Rydon adalah Salah Satu Pendiri dan Kepala Strategi di Aethir, jaringan komputasi awan tingkat perusahaan yang terdesentralisasi.
Jika kita ingin menghindari hal ini, masa depan AI, dan implikasi etisnya, bergantung pada kemampuan untuk mendistribusikan sumber daya ini secara luas dibandingkan mengandalkan segelintir perusahaan untuk memonopoli kekuasaan ini.
Mengatasi Sisi Pasokan Permintaan Komputasi
Seiring dengan meningkatnya permintaan akan komputasi, infrastruktur yang ada saat ini kesulitan untuk mengimbanginya. Seperti diberitakan Washington Post, beberapa negara bagian kehabisan pasokan listrik. Virginia Utara, misalnya, memerlukan beberapa pembangkit listrik tenaga nuklir besar untuk melayani semua pusat data baru yang direncanakan dan sedang dibangun.
Selain itu, meningkatnya biaya pelatihan model menimbulkan pertanyaan penting tentang masa depan pengembangan AI: Dari mana sumber daya komputasi yang diperlukan ini? Tiongkok baru-baru ini mengumumkan bahwa mereka bertujuan untuk meningkatkan kapasitas komputasi sebesar 50% dalam satu setengah dekade mendatang, namun cara ini tidak akan tersedia bagi semua orang.
Salah satu cara untuk mengatasi hal ini adalah melalui model desentralisasi.
Jaringan Infrastruktur Fisik Terdesentralisasi (DePIN) dapat digunakan untuk mengumpulkan GPU perusahaan yang kurang dimanfaatkan dan memanfaatkannya, sehingga mendistribusikan kembali pasokan yang sebelumnya tidak dapat diakses ke pasar. Mereka juga dapat membantu memanfaatkan kapasitas komputasi laten di perangkat konsumen, menciptakan jaringan GPU yang luas dan mudah diakses yang dapat digunakan untuk pelatihan AI dan tugas-tugas intensif komputasi lainnya. Pendekatan ini mendemokratisasi pasokan dan akses terhadap sumber daya komputasi, menantang monopoli GPU tradisional, dan mendorong inovasi.
Selain itu, infrastruktur terdistribusi mengoptimalkan penggunaan sumber daya, memastikan bahwa daya komputasi yang tidak terpakai dapat berkontribusi pada proyek AI yang signifikan. Pendekatan ini memaksimalkan efisiensi dan sejalan dengan prinsip-prinsip ESG dalam mengurangi limbah energi dan dampak lingkungan yang terkait dengan pusat data berskala besar.
Membuka Lautan Data Baru
DePIN tidak hanya dapat mengatasi tantangan pasokan dan sumber daya yang mendorong aksesibilitas komputasi. Mereka juga dapat membantu membuka lautan data baru yang dapat menyediakan beragam kumpulan data yang diperlukan untuk melatih model AI yang lebih terspesialisasi, kuat, dan inklusif. Pendekatan ini meningkatkan kualitas sistem AI dan mendukung kedaulatan dan privasi data.
DePIN menggunakan teknologi blockchain dan metode enkripsi canggih untuk memastikan data tetap aman dan kepemilikannya ditentukan dengan jelas. Pendekatan desentralisasi ini memperluas spektrum informasi, termasuk wilayah dan komunitas yang kurang terwakili, sehingga menghasilkan model AI yang lebih akurat dan inklusif.
Selain itu, DePIN memberi pemilik data kendali lebih besar atas informasi mereka, meningkatkan privasi sekaligus mendorong pembagian data secara luas. Misalnya, pertimbangkan skenario layanan kesehatan di mana data pasien dari berbagai rumah sakit dan klinik dapat dibagikan dengan aman tanpa mengorbankan privasi. Dengan memanfaatkan DePIN, peneliti dapat mengakses kumpulan data yang kaya dan beragam yang meningkatkan kemampuan mereka untuk mengembangkan alat diagnostik dan rencana pengobatan yang lebih baik. Demikian pula di bidang ilmu lingkungan, DePIN dapat memfasilitasi pembagian data iklim dari berbagai sensor, yang sering kali berlokasi di rumah dan properti pribadi di seluruh dunia, sehingga menghasilkan model dan prediksi yang lebih akurat.
Keharusan Etis
Perlu juga diperhatikan bagaimana konsentrasi pengembangan AI di beberapa perusahaan teknologi besar menimbulkan kekhawatiran etika yang signifikan. Ketika pelatihan dan penerapan model AI tingkat lanjut dimonopoli oleh beberapa entitas, hal ini membatasi potensi AI untuk memberi manfaat bagi semua pihak. Kontrol terpusat ini dapat memperkuat kesenjangan yang ada dan membatasi dampak positif AI terhadap masyarakat.
Konsentrasi kekuasaan dapat menyebabkan sistem AI menjadi bias dan mencerminkan perspektif dan prioritas kelompok masyarakat tertentu, sehingga memperburuk kesenjangan sosial dan ekonomi. Skenario seperti ini bertentangan dengan potensi demokratisasi AI, dimana inovasi idealnya harus melayani beragam komunitas dan mengatasi berbagai tantangan sosial.
Mendemokratisasikan akses terhadap sumber daya GPU bukan hanya sebuah keharusan bagi industri â namun juga merupakan kebutuhan etis. Dengan memastikan bahwa para peneliti, startup, dan inovator di seluruh dunia dapat mengakses kekuatan komputasi yang diperlukan untuk mengembangkan teknologi AI, kita dapat mendorong lanskap AI yang lebih inklusif dan adil. CEO NVIDIA Jensen Huang yang menciptakan istilah "Sovereign AI" juga menekankan bahwa negara harus menciptakan AI untuk memastikan pelestarian budaya. Akses yang lebih luas ini mendorong beragam perspektif dalam pengembangan AI, sehingga menghasilkan solusi AI yang lebih adil, seimbang, dan efektif yang dapat bermanfaat bagi masyarakat.
Dampak terhadap Inovasi
Potensi dampak infrastruktur GPU yang terdesentralisasi terhadap inovasi dan penelitian, khususnya di pasar negara berkembang, tidak dapat dilebih-lebihkan. Misalnya, kolaborasi kami baru-baru ini dengan TensorOpera AI untuk memajukan pelatihan model bahasa skala besar (LLM) pada infrastruktur cloud terdesentralisasi menunjukkan manfaat nyata dari pendekatan ini. Dengan memanfaatkan kekuatan GPU yang terdesentralisasi, TensorOpera kini dapat melakukan pelatihan LLM yang signifikan tanpa bergantung pada sumber daya tradisional yang terpusat. Demokratisasi kekuatan komputasi kini membuka jalan bagi proyek-proyek inovatif dan upaya penelitian yang sebelumnya tidak dapat dicapai karena keterbatasan sumber daya.
Menjembatani kesenjangan komputasi
Infrastruktur GPU yang terdesentralisasi mewakili langkah penting dalam menjembatani kesenjangan komputasi dan mendemokratisasi akses ke sumber daya AI. Dengan mendistribusikan kekuatan komputasi secara lebih adil, kami dapat memastikan bahwa manfaat AI dapat dirasakan oleh masyarakat yang lebih luas, sehingga meningkatkan inovasi di seluruh bidang. Pendekatan ini mengatasi tantangan etika yang ditimbulkan oleh monopoli AI dan mendorong inovasi dan penelitian global, khususnya di pasar negara berkembang.
Seiring dengan kemajuan kita, penerapan model terdesentralisasi dan pemanfaatan kapasitas komputasi laten akan menjadi hal yang sangat penting dalam memenuhi tuntutan pengembangan AI yang semakin meningkat. Masa depan AI bergantung pada kemampuan kita untuk membangun lanskap komputasi yang lebih inklusif, adil, dan terdesentralisasi.
Catatan: Pandangan yang diungkapkan dalam kolom ini adalah milik penulis dan tidak mencerminkan pandangan CoinDesk, Inc. atau pemilik dan afiliasinya.
