Model inferensi R1 yang diluncurkan oleh perusahaan rintisan China DeepSeek, memiliki kinerja setara dengan model o1 dari OpenAI, tetapi biayanya jauh lebih rendah. Biaya per satu juta Token input hanya sekitar 0,14 hingga 0,55 dolar, jauh di bawah model o1 yang berkisar antara 7 hingga 15 dolar. Perbedaan ini menarik perhatian pasar: seiring teknologi matang, apakah biaya penggunaan AI akan terus menurun?
Biaya penggunaan AI berkurang sekitar 10 kali lipat setiap tahun
Hari ini, CEO OpenAI Sam Altman menerbitkan artikel yang membagikan tiga pengamatannya tentang ekonomi AI, salah satunya berfokus pada tren penurunan biaya AI yang tajam.
Altman menunjukkan bahwa biaya penggunaan AI pada tingkat tertentu berkurang sekitar 10 kali lipat setiap tahun, dan harga yang lebih rendah akan menghasilkan lebih banyak penggunaan. Ia memberikan contoh GPT-4 dan GPT-4o, di mana dari awal tahun 2023 hingga pertengahan 2024, harga per Token turun sekitar 150 kali lipat, cukup untuk membuktikan kebenaran tren ini.
Ia lebih lanjut menekankan bahwa, dibandingkan dengan kecepatan hukum Moore yang menggandakan kinerja setiap 18 bulan, penurunan biaya AI terjadi dengan kecepatan yang sulit dipercaya.
Seiring biaya AI terus menurun, Altman memperkirakan:
Harga banyak barang pada akhirnya akan turun drastis, karena saat ini banyak biaya berasal dari keterbatasan kecerdasan dan energi.
Sebaliknya, harga barang mewah dan sumber daya yang secara inheren langka (seperti tanah) mungkin mengalami kenaikan yang lebih tajam.
Hukum 'Altman' dalam industri AI?
Melihat sejarah industri semikonduktor, hukum Moore berhasil memprediksi jalur perkembangan kinerja chip yang menggandakan setiap 18 bulan, menjadi pedoman emas yang mendorong kemajuan industri. Banyak raksasa teknologi juga mengikuti jejak tersebut, mengajukan prediksi pertumbuhan di bidang mereka sendiri.
Apakah argumen Sam Altman tentang 'biaya AI yang turun 10 kali lipat setiap tahun' memiliki potensi untuk menjadi 'hukum Altman' dalam industri AI?
Jika pengamatan ini terus terbukti benar, itu akan menjadi hukum emas evolusi biaya model industri AI dan menetapkan tolok ukur baru untuk perkembangan teknologi di masa depan.
Dua pengamatan lainnya
Selain itu, dua pengamatan lainnya yang diajukan Sam Altman adalah:
1) Tingkat kecerdasan model AI kira-kira setara dengan logaritma dari sumber daya yang digunakan untuk melatih dan menjalankannya.
Sumber daya ini terutama mencakup daya komputasi pelatihan, data, dan daya komputasi inferensi. Altman mengamati bahwa selama cukup dana diinvestasikan, peningkatan kinerja yang berkelanjutan dan dapat diprediksi dapat diperoleh, dan fenomena ini sesuai dengan hukum ekspansi yang melintasi beberapa urutan besaran.
2) Kecerdasan AI yang meningkat secara linier, dengan nilai sosial ekonomi yang bersifat super eksponensial
Ini berarti Altman mengamati bahwa meskipun kecerdasan AI hanya menunjukkan pertumbuhan linier, nilai sosial ekonomi yang dihasilkannya akan menunjukkan ledakan super eksponensial. Ia lebih lanjut menyatakan bahwa dengan demikian dapat disimpulkan bahwa dalam jangka pendek, tidak ada alasan untuk percaya bahwa gelombang investasi dalam tingkat eksponensial ini akan berhenti.
Altman menyatakan bahwa jika ketiga pengamatan ini terus berlaku, dampak AI terhadap masyarakat akan sangat besar. Dari segi ekonomi, mungkin seperti transistor, menjadi terobosan ilmiah besar yang dapat diterapkan secara luas dan menyatu dengan berbagai industri.
Seperti kita biasanya tidak secara khusus memperhatikan transistor atau perusahaan terkait, tetapi nilainya ada di mana-mana, meresap ke dalam setiap sudut kehidupan. Demikian juga, di masa depan kita mungkin tidak lagi berbicara khusus tentang AI itu sendiri, tetapi akan secara alami mengharapkan produk seperti komputer, televisi, mobil, mainan, dan lainnya memiliki fungsi kecerdasan yang mengesankan.
Penurunan biaya yang ekstrem membantu mendemokratisasi AI
Di sisi lain, seiring kemajuan teknologi AI, Altman percaya bahwa risiko ketidakseimbangan kekuatan antara pekerja dan majikan mungkin datang lebih cepat dari yang diperkirakan, sehingga perlu 'intervensi awal', bukan menunggu sampai masalah memburuk untuk mencoba menyelesaikannya.
Altman mengajukan ide yang terdengar 'aneh', seperti: memberikan 'anggaran sumber daya komputasi' kepada setiap orang di Bumi, agar setiap orang dapat menggunakan sumber daya AI yang besar secara adil.
Ia juga mencatat bahwa terus-menerus menurunkan biaya AI itu sendiri mungkin sudah cukup untuk mencapai efek serupa. Jika biaya mendekati nol, maka sumber daya AI dapat tersebar luas seperti udara atau air keran, tanpa memerlukan intervensi kebijakan tambahan, dan semua orang dapat mengambil manfaat.
Akhirnya, Altman menjelaskan tujuannya:
Pada tahun 2035, siapa pun seharusnya dapat memanfaatkan kemampuan yang setara dengan kecerdasan umat manusia pada tahun 2025, setiap orang seharusnya dapat menggunakan jenius tanpa batas dan mengarahkannya sesuai imajinasi mereka.
Saat ini, ada banyak bakat yang tidak dapat menunjukkan potensi mereka secara maksimal karena kekurangan sumber daya, jika kita dapat mengubah situasi ini, hasil kreativitas yang dihasilkan di seluruh dunia akan memberikan manfaat besar bagi kita semua.