JAKARTA (RIAUPOS.CO) – Alibaba Damo Academy, inisiatif penelitian global dari Alibaba Group, memprediksi tren teknologi terdepan yang berperan dalam membentuk industri teknologi pada tahun mendatang. Dengan melakukan analisis pada jutaan dokumen penelitian publik dan hak paten dalam kurun waktu tiga tahun belakangan termasuk melakukan wawancara dengan sekitar 100 orang ilmuwan, Damo memprediksi 10 tren teknologi terkemuka bakal jadi tren dalam dua sampai lima tahun ke depan.
“Selama satu abad terakhir, evolusi teknologi digital telah mendorong percepatan kemajuan teknologi dan perkembangan industri. Batasan teknologi semakin diperluas dari dunia fisik ke realitas campuran (mixed reality), sementara itu semakin banyak dari teknologi mutakhir yang menemukan jalannya untuk dapat digunakan di dunia industri,” kata Jeff Zhang, Kepala Akademi Damo Alibaba.
Teknologi digital juga disebut memainkan peran penting dalam mendukung masa depan yang ramah lingkungan dan berkelanjutan, baik itu diterapkan di industri seperti pusat data yang ramah lingkungan dan pusat manufaktur hemat energi, atau dalam aktivitas sehari-hari seperti kantor tanpa kertas dan banyak lagi, berikut 10 teknologi yang diprediksi segera jadi tren.
1. Konvergensi Cloud-Network-Device
Pesatnya perkembangan teknologi jaringan baru akan mendorong evolusi komputasi awan menuju sistem komputasi baru yakni konvergensi cloud-network-device. Pada sistem ini, cloud, jaringan, dan perangkat memiliki peran sendiri berdasarkan fungsi khususnya masing-masing.
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 dua tahun ke depan, diharapkan makin banyaknya aplikasi yang beroperasi di atas sistem komputasi baru.
Dalam tiga tahun mendatang, diharapkan Kecerdasan Buatan atau Artificial Intelligence (AI) disebut dapat diimplementasikan dengan lebih luas dalam proses penelitian ilmu sains, meluasnya pemanfaatan cip silicon photonics di berbagai data center skala besar, AI akan membuka jalan untuk pengintegrasian sumber energi terbarukan pada sumber daya jaringan listrik dan banyak bidang lainnya.
2. AI untuk Ilmu Pengetahuan
Dalam beberapa ratus tahun belakangan, komunitas saintis memiliki dua paradigma mendasar: ilmu eksperimen dan ilmu teoritis. Saat ini, semakin berkembangnya AI memberi kemungkinan dalam penciptaan paradigma ilmiah terbaru.
Machine learning dapat 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 tiga 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
Karena ukuran transistor mengalami keterbatasan dalam fisik, kecepatan pengembangan chip elektronik tidak dapat lagi memenuhi peningkatan aliran permintaan data yang didorong oleh perkembangan kinerja komputasi tingkat tinggi.
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, dan oleh karena itu silicon photonic chip dapat memberikan kepadatan komputasi tingkat tinggi dan efisiensi energi yang lebih tinggi.
Berkembangnya cloud computing dan AI mendorong perkembangan pesat teknologi silicon photonic. Dalam tiga 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
Semakin pesatnya perkembangan teknologi energi terbarukan seperti tenaga angin dan tenaga surya dalam beberapa tahun belakangan melatarbelakangi semakin menariknya pemanfaatan energi terbarukan sebagai sumber energi untuk ditambahkan ke sumber tenaga jaringan listrik. Namun, masih ada isu yang muncul seperti kesulitan dalam integrasi jaringan, tingkat pemanfaatan energi yang rendah, dan penyimpanan sisa energi menjadi beberapa hambatan utama dalam implementasinya.
Melihat karakter pembangkit listrik energi terbarukan yang sulit untuk diprediksi, mengintegrasikan sumber energi terbarukan ke sumber jaringan listrik menghadirkan tantangan tersendiri yang berpengaruh pada aspek keselamatan dan keandalan sumber tenaga jaringan itu sendiri.
Pengimplementasian AI dalam industri ini 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 tiga 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
Ilmu kedokteran adalah salah satu bidang yang sangat bergantung pada keahlian seseorang yang seringkali masih didominasi percobaan dan kesalahan dalam prakteknya, sehingga besar kemungkinan akan ada perbedaan kemanjuran dari pasien ke pasien. 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. Hadirnya berbagai kemajuan teknologi ini akan memungkinkan kita untuk mengukur, menghitung, memprediksi, dan mencegah penyakit parah.
Dalam tiga tahun ke depan, diharapkan people-centric precision medicine menjadi tren utama yang akan menjangkau berbagai bidang perawatan kesehatan, termasuk pencegahan penyakit, diagnosis, dan pengobatan. AI akan menjadi sinonim dengan pedoman tingkat presisi paling tinggi yang memungkinkan kita untuk menentukan secara tepat penyakit dan bagaimana perawatannya.
6. Komputasi yang Menjaga Privasi
Setelah sekian lama, penerapan komputasi untuk menjaga privasi dibatasi dalam cakupan komputasi skala kecil karena persoalan hambatan kinerja, kurangnya keyakinan pada teknologi yang sudah ada, dan masalah standarisasi. Namun, karena semakin banyak teknologi terintegrasi, seperti chip khusus, algoritma kriptografi, whitebox implementation, dan kepercayaan data, terus berkembang komputasi yang memperkuat privasi akan diimplementasikan dalam beberapa skenario, seperti pemrosesan data dalam jumlah besar dan mengintegrasikan data dari semua domain, yang merupakan kemajuan yang dibuat dari pemrosesan sejumlah kecil data dan data dari domain pribadi
Pengadopasian akan meningkatkan produktivitas jenis baru yang didukung oleh data dari semua domain. Dalam tiga tahun ke depan, diharapkan adanya peningkatan dalam terobosan kinerja dan interpretasi komputasi yang menjaga privasi, serta munculnya entitas data trust yang menyediakan layanan berbagi data berdasarkan teknologi.
7. Extended Reality (XR)
Perkembangan teknologi seperti komputasi cloud-edge, komunikasi jaringan, dan digital twins mendorong XR mengalami perkembangan yang pesat. Kacamata XR dipercaya dapat menghadirkan mixed internet reality yang imersif menjadi kenyataan.
Teknologi ini menjadi dasar kokoh yang akan tumbuh menjadi ekosistem industri baru yang mencakup komponen elektronik, perangkat, sistem operasi, dan beragam aplikasi. XR akan membentuk kembali aplikasi digital dan merevolusi cara orang berinteraksi dengan teknologi dalam skenario seperti hiburan, jejaring sosial, kantor, belanja, pendidikan, dan perawatan kesehatan.
Dalam tiga tahun ke depan, generasi baru kacamata XR yang memiliki tampilan dan nuansa yang sama dengan kacamata biasa, memasuki pasar dan berfungsi sebagai pintu masuk ke perkembangan generasi Internet berikutnya.
8. Perceptive Soft Robotic
Tidak seperti robot konvensional pada umumnya, perceptive soft robotic adalah robot dengan tubuh yang fleksibel secara fisik dan kepekaan yang mengalami peningkatan pada tekanan, penglihatan, dan suara. Robot-robot ini memanfaatkan teknologi canggih seperti fleksibel pada elektronika, materi tubuh yang bebas tekanan, dan AI, yang 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 lima tahun ke depan, perceptive soft robotic akan menggantikan robot konvensional di industri manufaktur dan membuka jalan bagi penggunaan service robot 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, sementara tidak ada layanan yang tersedia di daerah jarang penduduk seperti gurun, laut, dan luar angkasa. STC menghubungkan satelit high-Earth orbit (HEO) dan low-Earth orbit (LEO) dan jaringan komunikasi seluler terestrial, demi menghasilkan cakupan jaringan yang mulus dan multidimensi. STC juga menciptakan sistem komputasi yang mengintegrasikan satelit, jaringan satelit, sistem komunikasi terestrial, dan teknologi komputasi awan.
Dengan beragam pilihan ini, layanan digital dapat lebih mudah diakses dan inklusif di seluruh dunia. Dalam lima 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, merupakan terobosan teknik mendasar dari Weak AI ke General AI, yang 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, yang mana lebih berguna dalam penggunaannya.
Sumber: Jawapos.com
Editor: E Sulaiman
