MLPerf adalah singkatan dari “ML” yang berarti machine learning dan “Perf” yang merupakan kependekan dari performance atau kinerja. Nama yang sederhana namun deskriptif ini dengan tepat menggambarkan tujuan benchmark tersebut, yaitu untuk mengukur seberapa cepat dan efisien sebuah sistem AI dalam memproses dan menyelesaikan tugas dengan tingkat kualitas tertentu.
Sejak debutnya pada Mei 2018, MLPerf telah berkembang menjadi standar acuan yang digunakan oleh banyak perusahaan, startup, dan institusi akademik untuk menilai perkembangan teknologi AI secara objektif dan komparatif.
Benchmark MLPerf dibagi dalam dua kategori utama, yaitu pelatihan (training) dan inferensi (inference). Pada tahap pelatihan, model AI dibangun dengan menggunakan dataset yang besar guna memahami pola, sedangkan pada tahap inferensi, model yang telah dilatih tersebut digunakan untuk menjalankan aplikasi nyata, seperti pengenalan gambar, analisis bahasa, dan rekomendasi produk.
Dengan dua kategori ini, para pengembang dan pengguna dapat memperoleh gambaran lengkap mengenai performa sebuah sistem AI, baik dari segi kemampuannya dalam “belajar” maupun dalam “beraksi” di lapangan.
Selain pembagian berdasarkan fungsi, MLPerf juga menyediakan dua divisi pengujian: divisi tertutup (closed) dan divisi terbuka (open). Pada divisi tertutup, parameter seperti model dan stack perangkat lunak ditetapkan secara seragam bagi semua peserta, sehingga perbandingan antar perangkat keras dapat dilakukan secara adil. Sistem ini memastikan bahwa fokus utama pengukuran adalah pada kemampuan perangkat keras masing-masing dalam menyelesaikan tugas yang sama.
Sementara itu, divisi terbuka memberi ruang bagi para peserta untuk mengimplementasikan inovasi dan melakukan optimasi terbaik mereka asalkan hasil akhirnya memenuhi standar kualitas tertentu. Pendekatan dual ini memungkinkan evaluasi yang komprehensif, sekaligus mendorong inovasi untuk terus mempercepat kemajuan teknologi.
Salah satu aspek yang membuat MLPerf begitu istimewa adalah proses pengembangannya yang bersifat kolaboratif. MLPerf dikembangkan melalui diskusi dan debat terbuka yang melibatkan berbagai pihak, mulai dari perusahaan teknologi besar, startup inovatif, hingga lembaga riset dan akademisi.
Organisasi MLCommons, sebuah konsorsium yang didirikan pada akhir 2020, berperan penting dalam mengkoordinasikan inisiatif-inisiatif pengujian ini. Dengan menggabungkan keahlian dari berbagai kalangan, benchmark ini selalu diperbarui agar selaras dengan perkembangan teknologi terkini dan dapat terus mendorong batas kemampuan sistem AI.
Peran strategis Intel dalam ekosistem MLPerf tidak bisa dipandang sebelah mata. Sebagai salah satu pionir dalam pengembangan teknologi semikonduktor, Intel telah secara konsisten menyumbangkan hasil pengujian performa menggunakan rangkaian prosesor mereka, terutama keluarga Intel Xeon. Intel merupakan salah satu dari sedikit vendor yang secara rutin mengirimkan hasil pengujian CPU server ke dalam benchmark MLPerf.
Pengujian ini mencakup berbagai tugas, mulai dari inspeksi gambar hingga analisis informasi, dengan menunjukkan performa bagus dalam kecepatan dan efisiensi. Hasil-hasil terbaru menunjukkan bahwa Intel berhasil meraih peningkatan signifikan, seperti peningkatan efisiensi hingga 80% dalam pengujian inferensi untuk aplikasi rekomendasi dan penambahan performa sebesar 22% dalam benchmark GPT-J.
Selain itu, Intel juga aktif dalam mengembangkan dan memperbaiki kerangka kerja open source untuk AI. Kontribusi Intel terhadap proyek seperti PyTorch memungkinkan setiap pengguna yang menjalankan aplikasi AI pada perangkat Intel memperoleh manfaat dari optimasi yang telah diterapkan.
Perbaikan-perbaikan ini tidak hanya meningkatkan kecepatan eksekusi, tetapi juga mengurangi konsumsi daya dan biaya operasional. Dengan demikian, inovasi yang dilakukan oleh para insinyur Intel tidak hanya menguntungkan perusahaan itu sendiri, melainkan memberikan dampak positif bagi seluruh ekosistem AI yang menggunakan teknologi tersebut.
Transparansi juga menjadi salah satu prinsip utama di balik MLPerf. Seluruh proses pengujian dan metodologi yang diterapkan bersifat terbuka dan dapat diakses publik. Keterbukaan ini memastikan bahwa setiap data yang dihasilkan dapat direproduksi oleh pihak lain, sehingga tidak ada ruang untuk keraguan atau bias dalam penilaian. Hasil benchmarking yang transparan memberikan dasar yang kuat bagi pengambilan keputusan, baik bagi perusahaan dalam memilih solusi teknologi terbaik maupun bagi para peneliti dalam mengidentifikasi bidang-bidang yang masih bisa dioptimalkan.
Implikasi dari keberadaan MLPerf sangat luas bagi berbagai sektor industri. Dengan adanya tolok ukur yang objektif ini, perusahaan-perusahaan dapat lebih mudah menentukan perangkat keras dan teknologi AI yang paling sesuai dengan kebutuhan spesifik mereka.
Industri seperti perawatan kesehatan, otomotif, keuangan, dan lain-lain pun dapat merasakan manfaat dari sistem AI yang semakin cepat, responsif, dan efisien. Inovasi-inovasi yang didorong oleh benchmark ini akan semakin memacu percepatan adopsi teknologi AI, sekaligus menciptakan peluang baru dalam hal riset dan pengembangan.
Cek Berita dan Artikel yang lain di
Google News
