Startup AI siapkan superkomputer agar teknologi AGI menjadi cepat nyata

Startup AI SingularityNet akan menerapkan "jaringan komputasi kognitif multilevel" dalam beberapa bulan mendatang. Jaringan ini dirancang untuk menampung dan melatih model yang akan menjadi dasar kecerdasan umum buatan (AGI) yang mampu menyamai — bahkan berpotensi melampaui — kognisi manusia.

Pencapaian AGI secara luas dipandang sebagai tonggak utama berikutnya dalam pengembangan AI. Meskipun model mutakhir saat ini seperti GPT-4o dan Gemini 1.5 Pro sangat andal dan dapat melakukan tugas-tugas tertentu pada tingkat manusia super, model-model tersebut tidak mampu menerapkan keterampilan tersebut di berbagai disiplin ilmu. AGI, meskipun masih bersifat teoritis pada saat ini, akan terbebas dari keterbatasan tersebut, dan mampu bernalar serta belajar sendiri, apa pun tugasnya.

Dilansir dari Digital Trends (14/8), SingularityNet tengah berupaya membangun basis komputasi yang diperlukan untuk melatih dan menerapkan sistem tersebut menggunakan beberapa komponen paling canggih yang saat ini ada di pasaran. Superkomputer modular milik startup tersebut akan menggunakan GPU Nvidia L40S, prosesor AMD Instinct dan Genoa, rak server Tenstorrent Wormhole yang menjalankan GPU Nvidia H200, serta sistem Blackwell GB200 berdaya lebih dari 1.500 W milik Nvidia.

Arsitektur superkomputer berbeda dari konfigurasi desktop konvensional karena menjalankan beberapa set prosesor (baik CPU maupun GPU) yang dirakit menjadi node individual. Node-node tersebut kemudian dirangkai bersama-sama dalam jumlah puluhan ribu menjadi susunan yang lebih besar dari superkomputer yang menyeluruh.

“Superkomputer ini sendiri akan menjadi terobosan dalam transisi ke AGI. Sementara pendekatan AI neural-simbolis baru yang dikembangkan oleh tim AI SingularityNET mengurangi kebutuhan akan data, pemrosesan, dan energi yang relatif terhadap neural network dalam standar, kita masih membutuhkan fasilitas superkomputer yang signifikan,” kata CEO SingularityNet Ben Goertzel. “Misi dari mesin komputasi yang kami ciptakan adalah untuk memastikan transisi fase dari pembelajaran pada data besar dan reproduksi konteks selanjutnya dari memori semantik neural network ke pemikiran mesin non-imitatif berdasarkan algoritma penalaran multi-langkah dan pemodelan dunia yang dinamis.”