Peneliti MIT Temukan Cara Gandakan Kecepatan Pelatihan AI

Dampak Efisiensi Komputasi Masa Depan

Hasil eksperimen pada berbagai LLM berbasis penalaran menunjukkan lonjakan performa yang luar biasa. Para peneliti melaporkan percepatan pelatihan ujung-ke-ujung (end-to-end) mulai dari 70% hingga 210%. Artinya, dalam banyak skenario, kecepatan pelatihan AI meningkat hingga dua kali lipat lebih cepat dengan tingkat akurasi yang tetap terjaga.

Pencapaian ini menandai pergeseran fokus riset AI dari sekadar menambah jumlah perangkat keras menuju optimalisasi cerdas. Jika teknik TLT diterapkan pada skala industri yang lebih luas, biaya finansial dan dampak lingkungan dari pengembangan AI generasi terbaru dapat ditekan secara signifikan. Inovasi ini membuktikan bahwa efisiensi perangkat lunak seringkali lebih berdampak daripada sekadar menambah daya komputasi secara brutal.