JAKARTA – Alibaba Damo Academy membuat laporan yang memprediksi tren teknologi di masa depan. Laporanya berdasarkan analisis pada jutaan dokumen penelitian publik dan hak paten dalam kurun waktu 3 tahun belakangan.
Kepala Akademi Damo Alibaba Jeff Zhang mengatakan, setidaknya ada 10 tren teknologi dalam 2-5 tahun ke depan yang akan terjadi.
“Selama 1 abad terakhir, evolusi teknologi digital telah mendorong percepatan kemajuan teknologi dan perkembangan industri,” kata Jeff dalam keterangan tertulis, Selasa (11/1/2022).
Berikut ini, 10 prediksi tren teknologi menurut laporan Alibaba.
1. Konverensi Cloud-Network-Device
Konvergensi Cloud-Network-Device adalah katalis yang berperan dalam mendorong munculnya aplikasi baru yang dapat menjawab beragam kebutuhan, seperti simulasi industri dengan presisi tingkat tinggi, inspeksi kualitas standar industri secara langsung, dan mixed reality.
Dalam 3 tahun mendatang, diharapkan AI (kecerdasan buatan) dapat diimplementasikan dengan lebih luas dalam proses penelitian ilmu sains.
2. AI untuk Ilmu Pengetahuan
Saat ini, semakin berkembangnya AI memberi kemungkinan penciptaan ilmiah terbaru. Dengan machine learning, dapat membantu memproses data multidimensional dan multimodal dalam jumlah masif, termasuk menyelesaikan persoalan ilmiah kompleks, membuka peluang eksplorasi ilmiah berkembang di area yang sebelumnya diperkirakan mustahil.
AI tidak hanya mempercepat proses dalam penelitian ilmiah, tetapi juga membantu mendorong hadirnya temuan ilmiah terbaru. Dalam 3 tahun mendatang, diharapkan AI dapat diaplikasikan secara luas dalam proses penelitian sains dan digunakan sebagai alat produksi dalam beberapa ilmu pengetahuan dasar.
3. Silicon Photonic Chips
Tidak seperti chip elektronik, silicon photonic chip menggunakan foton sebagai pengganti elektron untuk mengirimkan data. Foton tidak berinteraksi secara langsung satu sama lain, namun dapat menempuh jarak yang lebih jauh. Oleh karena itu, silicon photonic chip bisa memberikan kepadatan komputasi tingkat tinggi dan efisiensi energi yang lebih tinggi.
Perkembangan cloud computing dan AI pun mendorong berkembangnya teknologi silicon photonic. Dalam 3 tahun ke depan, diharapkan penggunaan silicon photonic chip, dalam transmisi data berkecepatan tinggi di pusat data berskala besar, makin meluas.
4. AI untuk Energi Terbarukan
Pengimplementasian AI dalam industri sangat penting dalam meningkatkan efisiensi dan otomatisasi sistem tenaga listrik, memaksimalkan penggunaan sumber daya, dan menjaga stabilitas.
Ini akan selaras pada misi untuk mencapai target netralitas karbon. Dalam 3 tahun ke depan, AI diharapkan dapat membuka peluang dalam pengintegrasian sumber energi terbarukan ke dalam jaringan listrik dan berkontribusi pada pengoperasian jaringan listrik yang aman, efisien, dan andal.
5. High-precision Medicine
Kedokteran adalah salah satu bidang yang sangat bergantung pada keahlian seseorang, seringkali terjadi kesalahan dalam prakteknya. Sehingga besar kemungkinan akan ada perbedaan kemanjuran pengobatan antara pasien dengan ke pasien lain.
Konvergensi AI dan precision medicine diharapkan dapat mempercepat pengintegrasian keahlian dan teknologi diagnosa terbaru yang berperan sebagai pedoman tingkat presisi paling tinggi untuk kedokteran klinis. Dengan pedoman ini, dokter dapat mendiagnosis penyakit dan membuat keputusan medis secepat dan seakurat mungkin.
AI akan menjadi sinonim dengan pedoman tingkat presisi paling tinggi, memungkinkan manusia untuk menentukan secara tepat penyakit dan bagaimana perawatannya.
6. Komputasi yang Menjaga Privasi
Penerapan komputasi untuk menjaga privasi dibatasi dalam cakupan komputasi skala kecil. Sebab, ada persoalan hambatan kinerja, kurangnya keyakinan pada teknologi yang sudah ada, dan masalah standarisasi.
Namun, semakin banyak teknologi yang terintegrasi, seperti chip khusus, algoritma kriptografi, whitebox implementation, dan terus berkembang, komputasi yang memperkuat privasi akan diimplementasikan dalam beberapa skenario.
7. Extended Reality (XR)
Perkembangan teknologi seperti komputasi cloud-edge, komunikasi jaringan, dan digital twins mendorong XR mengalami perkembangan pesat. Kacamata XR dipercaya dapat menghadirkan mixed internet reality yang imersif.
“Dalam 5 tahun ke depan, kami berharap melihat Perceptive Soft Robotic menggantikan robot konvensional di industri manufaktur. Satelit serta sistem terestrial bekerja sebagai node komputasi yang menyediakan konektivitas di mana-mana,” ujar Jeff.
8. Perceptive Soft Robotic
Tidak seperti robot konvensional pada umumnya, perceptive soft robotic adalah robot dengan tubuh yang fleksibel secara fisik dan kepekaan, mengalami peningkatan pada tekanan, penglihatan, dan suara.
Robot-robot ini memanfaatkan teknologi canggih seperti fleksibel pada elektronika, materi tubuh yang bebas tekanan. Dan AI, memungkinkan robot-robot itu melakukan aktivitas khusus dan kompleks, serta melakukan penyesuain bentuk agar adaptif dengan lingkungan fisik yang berbeda.
Kemunculan perceptive soft robotic akan mengubah arah industri manufaktur, dari produksi massal produk terstandarisasi, menjadi produk khusus dalam jumlah kecil. Dalam 5 tahun ke depan, perceptive soft robotic akan menggantikan robot konvensional di industri manufaktur dan membuka jalan bagi penggunaan robot pelayan yang lebih luas dalam kehidupan sehari-hari.
9. Komputasi yang Terintegrasi dengan Satelit-terestrial
Jaringan terestrial dan sistem komputasi menyediakan layanan digital untuk daerah padat penduduk, tetapi tidak ada layanan yang tersedia di daerah jarang penduduk seperti gurun, laut, dan luar angkasa.
Nantinya, STC menghubungkan satelit high-Earth orbit (HEO) dengan low-Earth orbit (LEO) dan jaringan komunikasi seluler terestrial, demi menghasilkan cakupan jaringan yang mulus dan multidimensi.
Dalam 5 tahun ke depan, satelit dan sistem terestrial akan berfungsi sebagai computing node untuk membentuk sistem jaringan terintegrasi yang menyediakan konektivitas di mana-mana.
10. Co-Evolution Model AI Skala Besar dan Kecil
Model pra-pelatihan skala besar, juga dikenal sebagai model utama. Ini merupakan terobosan teknik mendasar dari Weak AI ke General AI, secara relatif meningkatkan kinerja berbagai aplikasi menggunakan deep learning konvensional.
Namun, keunggulan pada kinerja tingkat tinggi dan kekurangannya pada konsumsi daya yang tidak seimbang, membatasi eksplorasi model skala besar.
Di masa depan, model AI bergeser dari skalabilitas pada model dasar ke co-evolution model berskala besar dan kecil melalui cloud, edge, dan perangkat, di mana lebih berguna dalam penggunaannya.
