Perkembangan teknologi komputer selama beberapa dekade terakhir sangat bergantung pada tren yang dikenal sebagai Moore’s Law. Gordon Moore, salah satu pendiri Intel, memprediksi bahwa jumlah transistor pada sebuah sirkuit terpadu akan berlipat ganda setiap dua tahun. Prediksi ini awalnya ditujukan hanya untuk sepuluh tahun, namun kenyataannya tren tersebut bertahan selama puluhan tahun. Kini, dunia teknologi menghadapi kenyataan berbeda karena batas fisik ukuran transistor telah hampir tercapai.
Transistor, komponen utama di dalam chip komputer, tidak bisa lagi dikecilkan terus-menerus tanpa batas. Saat ini, produsen chip harus mempertimbangkan aspek manufaktur, biaya, serta kemampuan komunikasi transistor yang semakin kecil. MIT CSAIL bahkan menyebutkan Moore’s Law sudah selesai sejak 2016 karena peningkatan teknologi tidak lagi berlangsung secepat dulu. Misalnya, Intel memerlukan lima tahun untuk beralih dari teknologi 14-nanometer ke 10-nanometer, jauh lebih lambat dibanding prediksi Moore.
Dampak Berakhirnya Moore’s Law pada Komputasi dan AI
Keterbatasan ukuran transistor membawa konsekuensi besar bagi kemajuan kecerdasan buatan (AI). Saat permintaan daya komputasi meningkat drastis, solusi praktis yang dilakukan adalah dengan membangun komputer yang lebih besar dan efisien. Namun, ada batasan terkait ukuran fisik perangkat, konsumsi energi, dan sistem pendinginan yang dibutuhkan. Solusi jangka panjang seperti reaktor fusi nuklir untuk memenuhi kebutuhan energi masih jauh dari kenyataan.
Para penggiat AI optimis terhadap singularitas teknologi, yaitu momen ketika kecerdasan buatan mencapai atau melampaui kemampuan manusia. Model AI seperti Artificial General Intelligence (AGI) menjadi target ambisius yang diyakini mampu merevolusi cara manusia bekerja dan berkreasi. Namun, belum ada paradigma baru pengganti chip silikon yang dapat menghasilkan lonjakan kemampuan komputasi seperti Moore’s Law di masa lalu.
Mengenal Kompleksitas Otak Manusia dan Tantangan Menciptakan AGI
Otak manusia berbeda jauh dari komputer tradisional. National Institute of Standards and Technology (NIST) menganggap otak manusia bekerja setara dengan komputer berkecepatan exaflop, dengan konsumsi daya yang sangat rendah, hanya sekitar 20 watt. Berbeda dengan komputer super yang membutuhkan jutaan kali lebih banyak energi untuk mencapai kemampuan serupa.
Menurut Caltech, proses berpikir manusia melibatkan jaringan sel saraf kompleks yang mengintegrasikan informasi sensorik, emosi, ingatan, dan konteks lingkungan untuk mengambil keputusan. Kompleksitas ini menjelaskan mengapa saat ini sulit untuk membuat AI yang benar-benar memahami dan menduplikasi cara kerja pikiran manusia secara menyeluruh.
Teknologi Masa Depan dan Hambatan Menuju Singularity
Alternatif teknologi seperti komputasi kuantum dan proyek ambisius seperti Dyson Sphere sering disebut-sebut sebagai solusi untuk mengatasi keterbatasan teknologi saat ini. Namun, komputasi kuantum masih dalam tahap awal dan memerlukan lingkungan sangat dingin untuk beroperasi. Dyson Sphere sendiri lebih merupakan konsep fiksi ilmiah yang membutuhkan sumber daya dan teknik konstruksi yang jauh melampaui kemampuan manusia saat ini.
Tantangan terbesar adalah ketersediaan energi dan infrastruktur fisik untuk menopang kebutuhan komputasi besar-besaran. Sampai saat ini, belum ada solusi praktis yang siap menggantikan chip berbasis silikon dalam skala yang diperlukan untuk mencapai singularitas teknologi.
Kasus Studi: Penggunaan Algoritma dalam Penemuan Ilmiah
Salah satu aplikasi AI yang sudah nyata adalah dalam penemuan molekul baru, seperti pigmen YInMn Blue. Algoritma machine learning mampu menyaring jutaan kombinasi kimia dengan cepat, namun tidak selalu menghasilkan temuan yang bisa direalisasikan. Ahli kimia Mas Subramanian menekankan bahwa hasil algoritma harus diverifikasi manusia karena inovasi sering datang dari pengetahuan yang belum ada di data pelatihan.
Hal ini menunjukkan keterbatasan algoritma saat ini dalam melakukan inovasi murni dan membedakan antara kemungkinan teoritis dengan kemampuan praktis dalam dunia nyata.
Menyesuaikan Ekspektasi di Era AI Saat Ini
Sementara perusahaan seperti OpenAI dan tokoh seperti Sam Altman mengumbar visi futuristik seperti membangun infrastruktur kosmik untuk energi, kenyataannya dunia masih jauh dari itu. Moore’s Law yang dulu menjadi tonggak kemajuan teknologi menunjukkan bahwa kecepatan inovasi hardware kini melambat.
Para pakar seperti Murray Shanahan mengingatkan untuk berhati-hati dalam mengartikan kemampuan model AI terkini. Mereka menegaskan bahwa sistem AI besar saat ini masih sangat berbeda secara fundamental dengan kecerdasan manusia yang kompleks dan kontekstual. Oleh karena itu, ekspektasi masyarakat dan investor sebaiknya realistis terhadap perkembangan AI ke depan.
Lewat pandangan ini, dapat dilihat bahwa perlombaan menuju singularitas teknologi bukan hanya soal pencapaian teknis, tetapi juga tantangan mendasar di bidang fisika, energi, dan pemahaman otak manusia. Hingga munculnya paradigma baru dan terobosan revolusioner, batasan dari Moore’s Law akan terus menjadi pengingat akan roadmap dan hambatan besar yang harus dilalui oleh dunia teknologi.
-
-
-
-
