# Green AI: Revolusi Kecerdasan Buatan yang Berkelanjutan

> Pelatihan GPT-3 menghabiskan energi yang cukup untuk menyalakan 120 rumah di Amerika Serikat selama satu tahun-dan GPU meningkat dari 400W menjadi 1.200W dalam dua tahun. 4,4% energi di Amerika Serikat kini digunakan untuk pusat data, dengan proyeksi meningkat dua kali lipat pada tahun 2030. Namun, Green AI menawarkan jalan keluar: chip khusus, komputasi edge (75% data diproses secara lokal pada tahun 2025), dan kerangka kerja pemantauan seperti CodeCarbon. Tahun 2025 akan menentukan apakah AI akan menjadi bagian dari masalah iklim atau bagian dari solusi.

Source: https://www.electe.net/id/post/green-ai-la-rivoluzione-sostenibile-dellintelligenza-artificiale

Site guide: https://www.electe.net/id/llms.txt

## Pendahuluan: Urgensi Keberlanjutan di Era AI

Green AI merupakan salah satu paradigma paling penting di tahun 2025, yang muncul sebagai respons yang diperlukan terhadap ledakan pertumbuhan kecerdasan buatan dan dampaknya terhadap lingkungan. Green AI lebih ramah lingkungan dan inklusif daripada AI konvensional, karena tidak hanya menghasilkan hasil yang akurat tanpa meningkatkan biaya komputasi, tetapi juga memastikan bahwa inovasi teknologi berjalan seiring dengan tanggung jawab terhadap lingkungan.

Urgensi pendekatan ini ditunjukkan oleh data terbaru: menurut MIT News, kebutuhan energi pusat data di Amerika Utara telah meningkat dari 2.688 megawatt di akhir tahun 2022 menjadi 5.341 megawatt di akhir tahun 2023, yang sebagian disebabkan oleh tuntutan AI generatif. Lebih signifikan lagi, menurut MIT Technology Review, 4,4 persen dari seluruh energi di AS saat ini digunakan untuk pusat data, dengan intensitas karbon listrik yang digunakan oleh pusat data 48 persen lebih tinggi daripada rata-rata di AS (berdasarkan studi dari Harvard T.H. Chan School of Public Health).

## Dampak Lingkungan dari AI: Krisis yang Terus Berkembang

### Konsumsi Energi Eksplosif

Pertumbuhan AI telah menyebabkan perubahan dramatis dalam lanskap energi global. Menurut MIT Technology Review, pada tahun 2018, pusat data kini menyumbang 4,4 persen dari total permintaan, naik dari 1,9 persen pada tahun 2018. Proyeksi masa depan bahkan lebih mengkhawatirkan: menurut laporan dari International Energy Agency, konsumsi listrik pusat data diproyeksikan meningkat dua kali lipat pada tahun 2030.

Model AI generatif mendorong angka-angka ini ke atas. Seperti yang disoroti oleh MIT News, melatih klaster AI generatif dapat menghabiskan tujuh atau delapan kali lebih banyak energi daripada beban kerja komputasi pada umumnya. Sebagai gambaran, pelatihan GPT-3 menghabiskan 1.287 megawatt jam listrik (cukup untuk menyalakan sekitar 120 rumah di Amerika selama satu tahun), menghasilkan sekitar 552 ton karbon dioksida.

### Eskalasi Kekuatan Perangkat Keras

Perlombaan menuju model yang lebih kuat telah menyebabkan peningkatan daya perangkat keras. Menurut Deloitte, GPU untuk AI bekerja dengan daya 400 watt hingga tahun 2022, sementara GPU canggih untuk AI generatif pada tahun 2023 bekerja dengan daya 700 watt, dan chip generasi berikutnya pada tahun 2024 diperkirakan akan bekerja dengan daya 1.200 watt. Hal ini menunjukkan peningkatan eksponensial yang membebani infrastruktur energi global.

## Solusi Perangkat Keras untuk Efisiensi Energi

### Chip Khusus: Revolusi Perangkat Keras AI

Tanggapan industri perangkat keras terhadap krisis AI diwujudkan melalui chip yang semakin terspesialisasi dan efisien:

**Tensor Processing Units (TPU)**: Menurut TechTarget, TPU adalah ASIC yang dirancang untuk volume komputasi presisi rendah yang tinggi dengan lebih banyak operasi input/output per joule. TPU v6e adalah chip Trillium terbaru, dirilis pada Oktober 2024, dengan performa komputasi puncak per chip 4,7 kali lebih tinggi dibandingkan TPU v5e.

**Field-Programmable Gate Arrays (FPGA)**: Seperti disoroti oleh IBM, FPGA juga sangat cocok untuk tugas-tugas yang mengutamakan efisiensi energi dibandingkan kecepatan pemrosesan dan menawarkan fleksibilitas yang dibutuhkan untuk beradaptasi dengan evolusi cepat algoritma AI.

**Application-Specific Integrated Circuits (ASIC)**: Menurut Geniatech, ASIC menawarkan keunggulan berupa konsumsi energi rendah, kecepatan, dan footprint kecil, sehingga menjadi solusi paling efisien untuk beban kerja AI spesifik dengan volume tinggi.

### Kemunculan Edge AI (Kecerdasan Buatan)

Tren penting untuk keberlanjutan adalah pergerakan menuju komputasi edge. Menurut Geniatech, Gartner memprediksi bahwa pada tahun 2025, edge computing akan memproses 75 persen data yang dihasilkan oleh semua kasus penggunaan, sehingga secara signifikan mengurangi kebutuhan transmisi data ke pusat data terpusat dan energi terkait.

## Kemajuan dalam Efisiensi Energi

### Peningkatan Dramatis dalam Performa per Watt

Industri ini membuat kemajuan yang signifikan dalam efisiensi energi. Menurut NVIDIA, mereka telah mencapai peningkatan efisiensi 10.000x lipat dalam pelatihan dan kesimpulan AI dari tahun 2016 hingga 2025, yang menunjukkan potensi peningkatan dramatis.

Namun, kenyataannya lebih kompleks. Seperti yang dilaporkan oleh David Mytton dalam blog DeVSustainability, server soket ganda sekarang mengkonsumsi antara 600-750 W, dibandingkan dengan 365 W pada tahun 2007-2023, yang mengindikasikan bahwa meskipun efisiensi per operasi membaik, daya total sistem terus bertambah.

### Pengoptimalan Perangkat Lunak dan Arsitektur

Strategi perangkat lunak muncul sebagai pelengkap yang penting untuk peningkatan perangkat keras:

**Optimisasi Model**: Model quantum cenderung membutuhkan parameter yang jauh lebih sedikit untuk pelatihan dibandingkan dengan model klasik yang setara, sehingga menyiratkan adanya pendekatan alternatif untuk mengurangi kompleksitas komputasi.

**Manajemen Energi Cerdas**: Menurut MIT Sloan, dengan membatasi penggunaan hingga 150 atau 250 watt (sekitar 60% hingga 80% dari total daya) tergantung pada prosesor yang digunakan, tidak hanya konsumsi energi keseluruhan dari beban kerja yang berkurang; suhu operasional pun ikut menurun.

## Prakarsa Perusahaan dan Komitmen Lingkungan Hidup

### Microsoft: Kepemimpinan dalam Negatifitas Karbon

Microsoft telah membuat salah satu komitmen paling ambisius di industri ini. Seperti yang dinyatakan dalam blog resmi Microsoft tahun 2020, "Pada tahun 2025, kami akan beralih ke 100 persen pasokan energi terbarukan, yang berarti kami akan memiliki perjanjian pembelian tenaga listrik yang dikontrak untuk tenaga listrik ramah lingkungan untuk 100 persen listrik yang mengeluarkan karbon yang dikonsumsi oleh seluruh pusat data, gedung, dan kampus kami."

Perusahaan ini juga membentuk dana inovasi iklim baru senilai $1 miliar untuk mempercepat pengembangan global teknologi pengurangan, penangkapan, dan pembuangan karbon.

Akan tetapi, kenyataan yang ada memberikan tantangan tersendiri. Menurut GeekWire, Microsoft mengeluarkan lebih dari 15,4 juta metrik ton setara karbon dioksida tahun lalu, dengan emisi lingkup 3 yang menyumbang lebih dari 96 persen jejak karbonnya.

### Google: Pelopor dalam Energi Terbarukan

Google telah mencapai tonggak penting dalam hal keberlanjutan. Menurut situs web resmi Google Sustainability, "Pada tahun 2017, Google berkomitmen untuk menyeimbangkan 100 persen konsumsi energinya dengan energi terbarukan. Tujuan ini berhasil dicapai pada tahun 2020."

Perusahaan ini terus berinvestasi besar-besaran: menurut laporan keberlanjutan Google 2025, "Pada tahun 2024, kami mengontrak tambahan 19 GW energi terbarukan baru di 16 negara, dan berekspansi ke tenaga nuklir dengan penandatanganan perjanjian pembelian tenaga nuklir berskala besar yang pertama."

### Layanan Web Amazon: Tantangan Skala

AWS, penyedia layanan cloud terbesar di dunia, telah menetapkan target yang ambisius namun menghadapi kritik terkait transparansi. Menurut Climatiq, "Amazon mengumumkan 18 proyek tenaga angin dan tenaga surya baru di wilayah AWS di AS, Finlandia, Jerman, Italia, dan Inggris, dengan total 5,6 GW kapasitas energi terbarukan yang baru."

Namun, menurut sumber yang sama, "kritik terhadap pelaporan jejak karbon AWS dapat dirangkum sebagai tidak terperinci, tidak transparan, dan tidak berguna bagi tim teknologi yang ingin mengoptimalkan penggunaannya."

## Kerangka Kerja dan Alat untuk AI Hijau

### Alat Pemantauan Emisi

Industri telah mengembangkan beberapa alat untuk memantau dan mengurangi dampak lingkungan dari AI:

**CarbonTracker dan CodeCarbon**: Menurut Carbon Credits, "Beberapa alat yang digunakan untuk memperkirakan jejak karbon teknologi AI adalah CarbonTracker, CodeCarbon, Green algorithms, dan PowerTop."

**eco2AI**: Seperti dijelaskan dalam Doklady Mathematics, "eco2AI adalah pustaka open-source yang mampu melacak emisi karbon setara selama pelatihan atau inferensi model AI berbasis Python, dengan memperhitungkan konsumsi energi CPU, GPU, dan perangkat RAM."

### Kerangka Kerja Implementasi Green AI

Menurut sebuah penelitian yang diterbitkan dalam Industry Science, "Alat canggih berbasis Python yang dirancang untuk melacak dan mengelola jejak karbon dari pelatihan model pembelajaran mesin dan tugas-tugas komputasi lainnya merupakan evolusi menuju alat yang lebih canggih untuk manajemen keberlanjutan AI."

## Peraturan dan Kebijakan Publik

### Undang-Undang AI Uni Eropa: Sebuah Model Global

Uni Eropa telah memimpin dalam mengatur AI yang berkelanjutan. Menurut Parlemen Eropa, "Pada bulan Juni 2024, Uni Eropa mengadopsi aturan pertama di dunia tentang AI. Undang-Undang Kecerdasan Buatan akan berlaku penuh 24 bulan setelah diberlakukan."

Secara signifikan, menurut Green Software Foundation, "UU AI UE semakin penting jika dilihat dalam konteks bahwa UE saat ini merupakan salah satu pemimpin dunia dalam kebijakan lingkungan dan iklim."

### Kesenjangan Peraturan dan Rekomendasi

Meskipun ada kemajuan, kesenjangan yang signifikan tetap ada. Seperti yang disoroti dalam makalah yang diterbitkan di arXiv, "Proposal saat ini untuk regulasi AI, di Uni Eropa dan di luarnya, bertujuan untuk mendorong AI yang dapat diandalkan (misalnya Undang-Undang AI) dan bertanggung jawab (misalnya Kewajiban AI). Namun, yang kurang adalah wacana regulasi dan peta jalan yang kuat untuk membuat AI, dan teknologi secara umum, menjadi ramah lingkungan."

Para ahli mengusulkan solusi konkret: menurut laporan dari Tony Blair Institute for Global Change, "Menetapkan dan mengadopsi metrik praktik terbaik untuk konsumsi energi pusat data dan emisi karbon, serta mengisolasi informasi terkait AI."

## Prospek dan Tantangan Masa Depan

### Proyeksi Pertumbuhan Energi

Proyeksi untuk masa depan secara bersamaan mengkhawatirkan dan penuh dengan peluang. Menurut IDC, "Konsumsi listrik pusat data global akan meningkat dua kali lipat antara tahun 2023 dan 2028 dengan CAGR lima tahun sebesar 19,5 persen dan mencapai 857 Terawatt hour (TWh) pada tahun 2028."

Lebih khusus lagi untuk AI, menurut laporan IDC yang sama, "Konsumsi energi pusat data AI diperkirakan akan tumbuh dengan CAGR 44,7 persen, mencapai 146,2 Terawatt hours (TWh) pada tahun 2027."

### Pendekatan Inovatif untuk Keberlanjutan

Pendekatan inovatif bermunculan seperti Sustain AI, yang dijelaskan dalam makalah MDPI sebagai "kerangka kerja pembelajaran mendalam multi-modal yang mengintegrasikan Convolutional Neural Networks (CNN) untuk deteksi cacat, Recurrent Neural Networks (RNN) untuk pemodelan prediktif konsumsi energi, dan Reinforcement Learning (RL) untuk optimalisasi energi dinamis."

## Green-in AI vs Green-by AI: Dua Paradigma yang Saling Melengkapi

### Green-in AI: Pengoptimalan Intrinsik

Paradigma 'Green-in AI' berfokus pada perancangan algoritme dan model yang secara inheren lebih efisien. Menurut ulasan yang diterbitkan di ScienceDirect, ini adalah "strategi untuk merancang algoritme dan model pembelajaran mesin yang lebih hemat energi dengan berfokus pada pengoptimalan perangkat keras dan perangkat lunak."

### Green-by AI: AI untuk Keberlanjutan

Paradigma 'Green-by-AI' memanfaatkan AI untuk meningkatkan keberlanjutan di sektor lain. Menurut tinjauan ScienceDirect yang sama, ini merupakan "pendekatan AI untuk meningkatkan praktik ramah lingkungan di sektor lain, menggunakan kecerdasan buatan untuk mengoptimalkan efisiensi energi dalam aplikasi luar ruangan."

## Kesimpulan: Menuju Masa Depan AI yang Berkelanjutan

Green AI mewakili transformasi mendasar dalam cara kita memahami dan menerapkan kecerdasan buatan. Data dari tahun 2025 menunjukkan bahwa kita berada di titik balik: Pertumbuhan permintaan listrik untuk AI dan pusat data merupakan contoh kasus bagaimana masyarakat akan merespons tuntutan dan tantangan elektrifikasi yang lebih luas.

Solusi yang muncul - mulai dari perangkat keras khusus hingga komputasi kuantum, dari kerangka kerja pemantauan hingga kebijakan regulasi - menawarkan jalan menuju keberlanjutan. Namun, kesuksesan akan bergantung pada kemampuan industri untuk menyeimbangkan inovasi dengan tanggung jawab terhadap lingkungan, memastikan bahwa AI dapat menjadi kekuatan pendorong utama di balik upaya global untuk mencapai netralitas karbon.

Tahun 2025 menjadi tahun yang sangat penting di mana keputusan yang dibuat hari ini akan menentukan apakah AI akan menjadi bagian dari masalah iklim atau menjadi bagian dari solusinya. AI ramah lingkungan bukan lagi sebuah pilihan, melainkan sebuah keharusan untuk masa depan yang maju secara teknologi dan ramah lingkungan.

# Pertanyaan yang sering diajukan

## **Apa itu Green AI?**

Green AI adalah paradigma teknologi yang bertujuan untuk membuat kecerdasan buatan menjadi lebih ramah lingkungan dan berkelanjutan. Paradigma ini berfokus pada hasil yang akurat tanpa meningkatkan biaya komputasi, memastikan bahwa inovasi teknologi berjalan seiring dengan tanggung jawab terhadap lingkungan.

## **Mengapa Green AI begitu mendesak pada tahun 2025?**

Urgensi ini berasal dari dampak lingkungan yang sangat besar dari AI. Data dari tahun 2025 menunjukkan hal itu:

- Kebutuhan energi pusat data di Amerika Utara meningkat dari 2.688 megawatt (akhir 2022) menjadi 5.341 megawatt (akhir 2023)
- 4,4% dari seluruh energi di Amerika Serikat digunakan untuk pusat data
- Intensitas karbon listrik pusat data 48% lebih tinggi dibandingkan rata-rata nasional AS

## **Berapa banyak energi yang sebenarnya dikonsumsi oleh AI?**

Dampak energi dari AI sangat dramatis:

- Sejak 2018, pusat data meningkat dari 1,9% menjadi 4,4% dari total permintaan energi
- Pelatihan sebuah cluster AI generatif dapat mengonsumsi 7-8 kali lebih banyak energi dibandingkan beban komputasi tipikal
- Pelatihan GPT-3 mengonsumsi 1.287 megawatt jam (cukup untuk 120 rumah tangga Amerika selama satu tahun)
- Konsumsi pusat data diperkirakan akan berlipat ganda pada tahun 2030

## **Bagaimana perangkat keras berkembang agar lebih efisien?**

Industri ini sedang mengembangkan chip khusus:

**Tensor Processing Units (TPU)**: TPU v6e menawarkan performa 4,7 kali lebih tinggi dibandingkan v5e

**Field-Programmable Gate Arrays (FPGA)**: Dioptimalkan untuk efisiensi energi dan fleksibilitas

**Application-Specific Integrated Circuits (ASIC)**: Menawarkan konsumsi rendah, kecepatan, dan footprint yang kecil

Namun, total daya terus bertambah: GPU meningkat dari 400W (2022) menjadi 700W (2023), dengan perkiraan 1.200W untuk tahun 2024.

## **Apa itu Edge AI dan mengapa penting untuk keberlanjutan?**

Edge AI memproses data secara lokal alih-alih mengirimkannya ke pusat data terpusat. Gartner memprediksi bahwa pada tahun 2025, komputasi edge akan memproses 75 persen data yang dihasilkan, sehingga secara signifikan mengurangi konsumsi energi yang terkait dengan transmisi data.

## **Kemajuan apa saja yang telah dicapai dalam efisiensi energi?**

NVIDIA mencapai peningkatan efisiensi 10.000x lipat dalam pelatihan dan kesimpulan AI dari tahun 2016 hingga 2025. Namun, server modern mengonsumsi 600-750W dibandingkan dengan 365W dari tahun 2007-2023, yang menunjukkan bahwa meskipun efisiensi per operasi meningkat, total daya terus meningkat.

## **Apa yang dilakukan perusahaan teknologi besar untuk keberlanjutan?**

**Microsoft**: Berkomitmen pada 100% energi terbarukan hingga tahun 2025 dan dana sebesar 1 miliar untuk inovasi iklim. Namun, perusahaan ini menghasilkan 15,4 juta ton CO2 setara pada tahun 2024.

**Google**: Mencapai 100% energi terbarukan pada tahun 2020 dan mengontrak 19 GW energi terbarukan baru di 16 negara pada tahun 2024.

**Amazon AWS**: Mengumumkan 18 proyek terbarukan baru sebesar 5,6 GW, tetapi mendapat kritik karena kurangnya transparansi dalam pelaporan.

## **Apakah ada alat untuk memantau dampak lingkungan dari AI?**

Ya, beberapa alat bantu tersedia:

- **CarbonTracker dan CodeCarbon**: Untuk memperkirakan jejak karbon
- **eco2AI**: Pustaka open-source untuk melacak emisi selama pelatihan dan inferensi
- **Green algorithms dan PowerTop**: Alat pemantauan khusus lainnya

## **Bagaimana Green AI diatur secara regulasi?**

UE telah mengambil kepemimpinan dengan **EU AI Act**, yang diadopsi pada Juni 2024 - aturan AI pertama di dunia yang akan sepenuhnya berlaku setelah 24 bulan. Namun, para ahli menyoroti kesenjangan dalam wacana regulasi untuk membuat AI berkelanjutan secara lingkungan.

## **Apa proyeksi masa depan untuk konsumsi energi AI?**

Prakiraan tersebut mengkhawatirkan:

- Konsumsi global pusat data akan berlipat ganda antara 2023 dan 2028 (CAGR 19,5%)
- Akan mencapai 857 TWh pada 2028
- Konsumsi energi khusus untuk AI akan tumbuh dengan CAGR 44,7%, mencapai 146,2 TWh pada 2027

## **Apa perbedaan antara Green-in AI dan Green-by AI?**

**Green-in AI**: Berfokus pada perancangan algoritma dan model yang secara inheren lebih efisien secara energi, mengoptimalkan perangkat keras dan perangkat lunak.

**Green-by AI**: Menggunakan AI untuk meningkatkan keberlanjutan di sektor lain, memanfaatkan kecerdasan buatan untuk mengoptimalkan efisiensi energi dalam aplikasi eksternal.

## **Mengapa 2025 dianggap sebagai tahun krusial untuk Green AI?**

Tahun 2025 merupakan titik balik di mana keputusan yang diambil hari ini akan menentukan apakah AI akan menjadi bagian dari masalah iklim atau menjadi bagian dari solusinya. Pertumbuhan permintaan listrik untuk AI merupakan ujian bagi bagaimana masyarakat akan merespons tantangan elektrifikasi yang lebih luas. AI ramah lingkungan bukan lagi sebuah pilihan, melainkan sebuah keharusan untuk masa depan yang maju secara teknologi dan ramah lingkungan.