Inggris Ciptakan Cip AI Mirip Otak, Hemat Energi Seribu Kali Lebih Efisien

Para peneliti di Loughborough University, Inggris, mengembangkan cip semikonduktor baru yang diklaim dapat membuat sistem kecerdasan buatan jauh lebih hemat energi. Dalam pengujian awal, chip ini disebut mampu bekerja hingga 2.000 kali lebih efisien pada tugas tertentu dibanding pendekatan AI konvensional yang mengandalkan perangkat lunak.

Inovasi tersebut menarik perhatian karena dirancang meniru cara kerja otak manusia dalam memproses informasi. Alih-alih memindahkan seluruh beban komputasi ke software, chip ini memproses data yang berubah seiring waktu langsung di perangkat keras, sehingga konsumsi daya bisa ditekan secara signifikan.

Cara kerja chip meniru otak manusia

Tim peneliti memakai memristor berbahan niobium oksida sebagai komponen utama. Perangkat ini memiliki struktur sangat kecil dengan pori-pori acak yang membantu chip meniru jaringan saraf kompleks di otak.

Pendekatan itu memungkinkan chip menangani beberapa jenis tugas dalam satu perangkat. Sistem ini dapat menjalankan operasi logika sederhana, mengenali gambar, dan memprediksi data berbasis waktu dengan efisien.

Efisiensi energi jadi keunggulan utama

Pavel Borisov, peneliti yang memimpin studi tersebut, menyebut pendekatan berbasis proses fisik membuka cara baru dalam merancang sistem AI. Ia menilai penggunaan perangkat keras langsung dapat memangkas kebutuhan energi secara dramatis untuk jenis tugas tertentu.

“Dengan menggunakan proses fisik alih-alih sepenuhnya bergantung pada perangkat lunak, kita dapat secara dramatis mengurangi energi yang dibutuhkan untuk jenis tugas ini,” kata Borisov, dikutip dari Interesting Engineering pada Senin (6/4/2026).

1. Proses komputasi terjadi langsung di hardware.
2. Konsumsi energi berkurang karena beban software lebih ringan.
3. Chip bisa menangani beragam tugas AI dalam satu perangkat.
4. Desainnya terinspirasi dari koneksi neuronal otak yang tampak acak.

Diuji pada data kompleks dan pengenalan gambar

Salah satu pengujian menggunakan model matematika Lorenz-63 system, yang sering dipakai untuk menggambarkan efek kupu-kupu. Model ini terkenal karena perubahan kecil pada kondisi awal dapat memicu hasil yang sangat berbeda.

Dalam uji tersebut, chip mampu memprediksi pola jangka pendek dan merekonstruksi data yang hilang dengan cukup akurat. Hasil ini menunjukkan perangkat itu tidak hanya cocok untuk perhitungan sederhana, tetapi juga untuk sinyal yang berubah dari waktu ke waktu.

Chip tersebut juga berhasil mengenali angka sederhana dari gambar berpiksel dan menjalankan logika dasar. Kemampuan ini memperlihatkan potensi chip sebagai platform komputasi serbaguna untuk aplikasi AI modern.

Mengapa teknologi ini menarik bagi industri AI

Industri AI saat ini menghadapi tantangan besar dalam efisiensi daya, terutama saat model semakin besar dan kebutuhan komputasi terus meningkat. Data dari berbagai riset industri menunjukkan bahwa konsumsi listrik untuk pelatihan dan inferensi AI menjadi salah satu isu utama dalam pengembangan pusat data modern.

Teknologi seperti chip Loughborough berpotensi menjadi solusi untuk perangkat yang membutuhkan pemrosesan cepat tetapi hemat energi, seperti sensor pintar, robotika, sistem pemantauan, dan perangkat edge AI. Jika pengembangan berikutnya berhasil, pendekatan ini bisa membantu mengurangi ketergantungan pada komputasi berbasis cloud yang boros daya.

Apa itu elektronik neuromorfik

Elektronik neuromorfik adalah pendekatan desain perangkat keras yang meniru struktur dan cara kerja otak. Tujuannya adalah membuat komputer lebih efisien saat memproses informasi yang kompleks, terutama data sensor, gambar, dan sinyal waktu nyata.

Dalam konteks ini, chip baru dari Inggris menjadi contoh awal bagaimana neuromorfik dapat diterapkan untuk AI. Dengan menggabungkan memristor, struktur acak, dan pemrosesan langsung di perangkat keras, teknologi ini membuka jalur alternatif di luar arsitektur komputasi tradisional.

Fakta penting tentang chip AI hemat energi ini

1. Dikembangkan oleh peneliti Loughborough University, Inggris.
2. Dipimpin oleh Pavel Borisov.
3. Menggunakan memristor berbahan niobium oksida.
4. Diklaim hingga 2.000 kali lebih hemat energi pada tugas tertentu.
5. Mampu memprediksi data waktu, mengenali gambar, dan menjalankan logika dasar.
6. Dirancang dengan inspirasi dari koneksi neuron di otak manusia.
7. Berpotensi menjadi fondasi perangkat elektronik neuromorfik.

Hingga kini, riset tersebut masih berada pada tahap pengembangan dan pengujian, tetapi hasil awalnya menunjukkan arah baru bagi chip AI generasi berikutnya. Jika teknologi ini terus dikembangkan, efisiensi energi bisa menjadi nilai jual utama dalam persaingan perangkat keras kecerdasan buatan di masa depan.