Chip Neuromorfik: Perajur Terdepan untuk Performa AI
Tim Cook dari Apple menyatakan iPhone X akan "menetapkan jalur untuk teknologi dalam dekade ke depan" saat debutnya. Mesin neural terintegrasinya—ASIC pengenalan wajah komersial pertama—meramalkan kemunculan jaringan saraf dalaman (DNN). Hari ini, processor neuromorfik muncul sebagai jalur yang唯一 berkelanjutan untuk menahan permintaan AI yang semakin meningkat.
Dihadapkan pada hambatan bandwidth data dan kebutuhan komputasi yang semakin besar, laporan terbaru dari Yole Développement (Lyon, Prancis) berargumen bahwa sensing dan komputasi harus meniru arsitektur neuro-biologis untuk maju.
Dalam wawancara dengan EE Times, Pierre Cambou, Analis Utama untuk Imaging di Yole, mengatakan sensing dan komputasi neuromorfik dapat menyelesaikan sebagian besar tantangan AI saat ini sambil membuka horizon aplikasi baru dalam dekade mendatang. "Rekayasa neuromorfik adalah langkah berikutnya menuju biomimetik dan mesin progres AI," ujarnya.
Mengapa sekarang?
Tujuh puluh tahun setelah Alan Turing bertanya "Bisakah mesin berpikir?" dan tiga puluh tahun setelah Carver Mead memperkenalkan rekayasa neuromorfik, mesin mirip otak yang praktis tetap sulit ditemukan. Gelombang berbalik dengan field-programmable neural array Georgia Tech pada 2006 dan chip MIT pada 2011 yang meniru perilaku neuron adaptif.
Teroboran sebenarnya datang ketika tim Universitas Toronto menerbitkan "ImageNet Classification with Deep Convolutional Neural Networks". Arsitektur AlexNet—jaringan saraf konvolusional delapan lapis—mengaktifkan klasifikasi pertama yang berhasil dari 1,2 juta gambar resolusi tinggi menjadi 1.000 kategori, seperti kucing dan anjing. "AlexNet membuktikan bahwa deep learning lebih kuat dan memicu kenaikan meteorit AI," tambah Cambou.
Sebagian besar implementasi deep learning saat ini bergantung pada Hukum Moore, dan itu telah "berjalan baik". Namun seiring pertumbuhan bidang, permintaan akan chip berkinerja tinggi dan daya rendah akan melampaui apa yang dapat disampaikan oleh skala tradisional. Cambou memperingatkan bahwa deep learning "akan gagal" jika tetap terikat pada paradigma saat ini.
Ia menyebut tiga hambatan kunci. Pertama, ekonomi Hukum Moore: hanya sedikit pemain yang dapat melampaui 7 nm, berisiko monopoli yang menghambat inovasi. Kedua, volume data melampaui teknologi memori, menciptakan hambatan. Ketiga, dinding panas: chip 7 nm menghasilkan sekitar satu teraflop per watt, namun memasang kendaraan otonom mungkin membutuhkan sekitar satu kilowatt—atau seribu teraflop—hal yang tidak dapat dicapai oleh teknologi saat ini. Hardware neuromorfik, dengan efisiensi energi yang unggul, menawarkan jalan maju.
Cambou mendorong pergeseran gangguan yang memanfaatkan teknologi memori yang muncul untuk meningkatkan bandwidth dan efisiensi daya—intinya komputasi neuromorfik. "AI akan terus maju, dan loncat berikutnya adalah neuromorfik," katanya.
Dalam beberapa tahun terakhir, banyak inisiatif telah membangun neuron silicon yang meniru kognisi. Menurut Yole, pasar neuromorfik dapat tumbuh dari $69 juta pada 2024 menjadi $5 miliar pada 2029 dan $21,3 miliar pada 2034 jika hambatan teknis dapat diatasi. Ekosistem mencakup pemain besar seperti Samsung, Intel, dan SK Hynix, bersama startup seperti Brainchip, Nepes, Vicarious, dan General Vision.
Kredit: Yole
Neuron dan sinaps
Hardware neuromorfik keluar dari laboratorium, didorong oleh kolaborasi di seluruh sektor sensing, komputasi, dan memori. Joint venture, aliansi strategis, dan proyek EU jangka panjang seperti Human Brain Project mempercepat kemajuan.
Meskipun produk komersial tidak akan hadir sebelum 2024, potensinya luas. Chip Loihi Intel 2017—130.000 neuron buatan—dan sistem Pohoiki Beach 8-juta-neuron-nya mengilustrasikan kecepatan yang pesat. TrueNorth IBM menawarkan 1 juta neuron dan 256 juta sinaps, sementara Akida Brainchip menyajikan 1,2 juta neuron dan 10 miliar sinaps.
"Sinaps lebih penting daripada neuron," ujar Cambou. "Langkah berikutnya melibatkan pembangunan aplikasi pada hibrid asynchronous Von Neumann saat ini, diikuti oleh solusi berbasis RRAM yang menambahkan miliaran sinaps."
Pemimpin memori seperti Micron, Western Digital, dan SK Hynix mengejar desain neuromorfik, tetapi teroboran sejati mungkin datang dari startup terfokus seperti Weebit, Robosensing, Knowm, Memry, dan Symetrix. Pendekatan memristor dan memori phase-change mereka bertujuan untuk meniru plasticitas sinaps, sementara MRAM siap melengkapi tumpukan neuromorfik.
Ekosistem sensing neuromorfik juga matang, berakar pada Silicon Neuron Misha Mahowald 1991. Hari ini, kurang dari sepuluh perusahaan menawarkan kamera dan sensor berbasis event, termasuk Prophesee, Samsung, Insightness, Inivation, dan Celepixel. Citra berbasis frame tidak dapat menangkap gerak sebagaimana mata manusia; perangkat berbasis event menyediakan pengenalan pola real-time untuk adegan dinamis.
Cambou mencatat, "Bioskop menipu otak kita, tetapi komputer membutuhkan aliran informasi visual yang sama." Prinsip yang sama berlaku untuk sensor auditory, imaging, dan behavior, yang krusial untuk kecerdasan umum.
Yole memproyeksikan pendapatan sensing neuromorfik akan naik dari $43 juta pada 2024 menjadi $2 miliar pada 2029 dan $4,7 miliar pada 2034.
Otomotif, tetapi tidak hanya
Sementara sektor otomotif adalah adopter awal yang paling jelas, sensing dan komputasi neuromorfik akan mempower aplikasi industri dan mobile pertama—robotika, persepsi real-time, dan logistika. "Deep learning membutuhkan kumpulan data masif, tetapi sistem neuromorfik belajar dari beberapa gambar atau kata dan menangkap dinamika temporal," jelas Cambou.
Dalam dekade, chip komputasi in-memory hibrid dapat membuka otonomi daratan massal, memungkinkan komputer untuk menafsirkan lingkungan tidak terstruktur dengan keajaman mirip manusia.
