Teknik Distilasi AI Memicu Persaingan Teknologi AS dan China

Metode efisiensi kecerdasan buatan yang dikenal sebagai distilasi model kini menjadi arena persaingan baru antara Amerika Serikat dan China. Seperti dilansir dari Investor Daily, teknik ini memungkinkan pengembang mengecilkan kapasitas model AI raksasa menjadi sistem yang lebih hemat biaya dan efisien. Distilasi model memanfaatkan luaran dari sistem AI tingkat lanjut atau frontier models untuk melatih model yang berukuran lebih kecil.

Melalui mekanisme ini, model kecil mampu menyelesaikan tugas-tugas rumit tanpa membutuhkan konsumsi daya komputasi yang tinggi. Meskipun telah lama menjadi standar umum dalam riset AI, penggunaan teknik ini mulai menimbulkan perdebatan sengit. Fokus utama permasalahan berpusat pada kepemilikan hak cipta dan izin pemindahan kemampuan AI tingkat canggih antarperusahaan.

Pemerintah AS beserta sejumlah perusahaan teknologi terkemuka menuding entitas asal China mengekstrak kemampuan dari model-model berhak cipta milik mereka. Langkah tersebut dinilai membuka babak baru dalam perbutan dominasi teknologi global.

Proses pelatihan model AI skala besar umumnya memerlukan pusat data berkapasitas raksasa, modal finansial yang tinggi, serta volume data yang sangat masif. Distilasi hadir sebagai metode alternatif dengan memposisikan model besar sebagai guru dan model kecil sebagai murid. Model guru bertugas menghasilkan contoh kode komputer atau jawaban logis yang menjadi bahan ajar bagi model murid. Model yang lebih kecil tidak meniru seluruh struktur internal sang guru, melainkan mempelajari pola perilaku pilihan untuk menyelesaikan tugas secara presisi.

Daya tarik utama dari teknik ini terletak pada efisiensi biaya operasional. Model hasil distilasi dapat dijalankan pada perangkat keras berspesifikasi lebih rendah, sehingga memudahkan penerapan AI secara massal pada pabrik, kendaraan otonom, hingga perangkat pintar.

Peran Jejak Penalaran dalam Pengembangan AI

Pengembangan teknologi AI terkini tidak hanya berfokus pada transfer jawaban akhir, melainkan juga langkah-langkah logika yang disebut jejak penalaran. Metode ini mengajari model kecil cara membedah masalah yang rumit secara bertahap.

Florian Tramèr, Profesor Muda di ETH Zurich yang meneliti keamanan pembelajaran mesin, mengibaratkan proses ini seperti metode belajar manusia. "Jika Anda diberi buku kumpulan soal matematika rumit yang hanya berisi kunci jawaban akhir, Anda akan kesulitan memahami cara menyelesaikannya. Namun, jika Anda diberi petunjuk langkah demi langkah secara mendetail, proses belajar akan jauh lebih efektif," kata Tramèr seperti dikutip Reuters.

Akses terhadap luaran AI kini diawasi dengan ketat karena jejak penalaran mengandung metode penyelesaian masalah yang sangat berharga. Hal ini membuat transfer data melalui distilasi menjadi isu yang sangat sensitif.

Konflik Geopolitik dan Kontrol Teknologi

Distilasi pada dasarnya merupakan teknik pelatihan AI yang sah dan digunakan secara global, termasuk dalam proyek Alpaca dari Stanford University serta Orca milik Microsoft. Peneliti asal China juga memanfaatkan metode ini untuk mengembangkan model pemrosesan bahasa Mandarin. Namun, perbedaan mendasar timbul antara akses model berbobot terbuka dan model tertutup seperti ChatGPT milik OpenAI atau Claude dari Anthropic.

Penyedotan data secara sistematis dari model tertutup dinilai merugikan nilai komersial pengembang aslinya. Beberapa perusahaan AS seperti Anthropic dan OpenAI mendeteksi adanya upaya dari entitas China untuk mengekstrak kemampuan model mereka melalui akses antarmuka API. Hal ini terjadi di tengah pengetatan ekspor cip GPU canggih oleh pemerintah AS ke pasar China.

Pembatasan ekspor perangkat keras tersebut memaksa para peneliti di China memanfaatkan teknik distilasi model sebagai solusi strategis untuk menghasilkan AI berkinerja tinggi. Akibatnya, isu metodologi riset ini kini bergeser menjadi perhatian keamanan nasional dan geopolitik global.