WartaBulukumba.Com - Namanya Maia, sebuah nama yang beresonansi dengan jaringan imajinasi manusia ke dimensi yang lebih dalam, ke luar batas yang sebelumnya tidak terbayangkan. Sebongkah kecerdasan buatan yang tersemat dalam sebuah chip khusus yang diciptakan oleh para insinyur dan ilmuwan di jantung Microsoft ini sepertinya melampaui batas kecerdasan mesin sebelumnya.
Rupanya Maia dipersembahkan oeh Microsoft untuk menggebrak sektor kecerdasan buatan dengan mengakselerasi tugas-tugas komputasi AI, menjadi pijakan bagi layanan bisnis "Copilot".
Microsoft pada hari Rabu mengatakan tidak berencana untuk menjual chip tersebut, namun akan menggunakan mereka untuk menggerakkan penawaran perangkat lunak langganan sendiri dan sebagai bagian dari layanan komputasi awan Azure-nya.
Baca Juga: Microsoft meluncurkan Teams Premium yang didukung ChatGPT
Beban biaya dan permintaan layanan AI kian meningkat
Melalui laman resminya, Microsoft News pada Rabu, 15 November 2023, Microsoft mengungkapkan tentang pendekatan sistem terhadap chip, bertujuan untuk menyesuaikan segalanya ‘mulai dari silikon hingga layanan’ untuk memenuhi permintaan AI.
Proses multi-langkah ini menguji silikon dengan cermat, dengan metode yang telah disempurnakan secara rahasia oleh para insinyur Microsoft selama bertahun-tahun.
Di Microsoft Ignite, perusahaan meluncurkan dua chip yang dirancang khusus dan sistem terintegrasi yang dihasilkan dari perjalanan tersebut: Microsoft Azure Maia AI Accelerator, yang dioptimalkan untuk tugas-tugas kecerdasan buatan (AI) dan AI generatif, dan CPU Microsoft Azure Cobalt, sebuah Arm- prosesor berbasis yang disesuaikan untuk menjalankan beban kerja komputasi tujuan umum di Microsoft Cloud.
Baca Juga: Peraih Nobel Prize ungkap hal mencengangkan tentang AI, superkonduktor hingga invasi alien
Chip ini mewakili potongan teka-teki terakhir bagi Microsoft untuk menghadirkan sistem infrastruktur – yang mencakup segala hal mulai dari pilihan silikon, perangkat lunak dan server hingga rak dan sistem pendingin – yang telah dirancang dari atas ke bawah dan dapat dioptimalkan dengan mempertimbangkan beban kerja internal dan pelanggan.