Istilah Teknologi AI yang Perlu Anda Ketahui
Istilah Teknologi AI yang Perlu Anda Ketahui – Istilah “AI” atau kecerdasan buatan telah digunakan dalam dunia ilmu komputer sejak tahun 1950-an. Namun, sebagian besar orang di luar industri teknologi baru mulai membicarakannya secara luas pada akhir tahun 2022.
Istilah Teknologi AI yang Perlu Anda Ketahui
gramorokkaz – Semua ini terjadi berkat kemajuan signifikan dalam machine learning yang membawa kita pada terobosan besar, memberikan dampak luar biasa di hampir setiap aspek kehidupan. Berikut adalah beberapa istilah kunci yang perlu dipahami agar kita bisa lebih mengenali makna AI dan ikut ambil bagian dalam percakapan global.
1. Kecerdasan Buatan (Artificial Intelligence / AI)
Kecerdasan buatan merujuk pada sistem komputer yang sangat cerdas dan mampu meniru beberapa kemampuan manusia. Misalnya, AI dapat memahami pernyataan manusia, membuat keputusan, menerjemahkan bahasa, menganalisis nada suatu pernyataan, dan bahkan belajar dari pengalaman.
Sebutan “buatan” berasal dari fakta bahwa kecerdasan ini dirancang oleh manusia melalui teknologi. Terkadang, orang menyebut sistem AI sebagai memiliki “otak digital”, namun penting untuk dicatat bahwa AI bukanlah mesin atau robot fisik — melainkan program yang dioperasikan di komputer. AI bekerja dengan memproses kumpulan data yang sangat besar menggunakan algoritma — serangkaian instruksi — untuk menciptakan model yang dapat mengotomatisasi tugas-tugas yang umumnya memerlukan kecerdasan dan waktu manusia.
Interaksi manusia dengan sistem AI sering kali terjadi, seperti saat menggunakan Bing Chat untuk mendapatkan bantuan. Namun, dalam banyak kasus, AI beroperasi di balik layar, contohnya saat memberikan saran terkait pilihan kata saat mengetik, merekomendasikan lagu dalam daftar putar musik, atau memberikan informasi yang relevan berdasarkan preferensi pengguna.
2. Pembelajaran Mesin (Machine Learning / ML)
Jika AI bisa diibaratkan sebagai tujuan, maka machine learning adalah sarana untuk mencapai tujuan tersebut. Machine learning merupakan cabang ilmu komputer di bawah naungan AI, di mana manusia melatih sistem komputer untuk mengenali pola dan membuat prediksi berdasarkan pola-pola tersebut. Dalam proses ini, data diproses berulang kali melalui algoritma dengan memberi masukan dan umpan balik yang beragam, sehingga mesin dapat belajar dan meningkatkan kemampuannya, sama seperti berlatih tangga nada piano berkali-kali agar mampu membaca not musik dengan cepat di kemudian hari.
Proses ini sangat efektif dalam memecahkan masalah yang sulit atau tidak mungkin diatasi dengan teknik pemrograman tradisional, seperti pengenalan gambar dan penerjemahan bahasa. Pelatihan ini memerlukan data dalam jumlah besar, dan kemampuan untuk mengumpulkan data ini baru dapat dimaksimalkan dalam beberapa tahun terakhir berkat digitalisasi informasi serta perangkat keras komputer yang semakin cepat, kecil, kuat, dan mampu memproses semua informasi tersebut. Inilah mengapa large language model (LLM) yang menggunakan machine learning, seperti Bing Chat dan ChatGPT, mampu muncul dengan pesat.
Baca Juga : Pemahaman dan Manfaat Era Digital
3. Model Bahasa Besar (Large Language Model / LLM)
Model bahasa besar, atau LLM, memanfaatkan teknik machine learning untuk memproses bahasa, sehingga dapat meniru cara manusia berkomunikasi. Pengembangan LLM didasarkan pada neural networks (NN), yaitu sistem komputasi yang terinspirasi oleh cara kerja otak manusia — seperti jaringan node dan koneksi yang meniru neuron dan sinaps di dalam otak kita.
Model ini dilatih dengan menggunakan sejumlah besar teks untuk memahami pola dan hubungan dalam bahasa, sehingga dapat menghasilkan kata-kata yang menyerupai manusia. Kemampuan mereka dalam memecahkan masalah memungkinkan untuk diterapkan dalam berbagai konteks, seperti menerjemahkan bahasa, menjawab pertanyaan melalui chatbot, merangkum teks, dan bahkan menciptakan cerita, puisi, serta kode komputer.
Meskipun mesin tidak memiliki pikiran atau perasaan, mereka kadang terlihat seolah-olah memiliki opini sendiri, berkat pola yang telah mereka pelajari untuk merespons dengan cara yang mirip manusia. Large Language Models (LLMs) sering kali disesuaikan kembali oleh pengembang melalui proses yang disebut reinforcement learning from human feedback (RLHF), yang bertujuan untuk meningkatkan kealamian output percakapan mereka.
4. AI Generatif (Generative AI)
AI generatif memanfaatkan kekuatan large language models untuk menciptakan hal-hal baru, bukan sekadar mengulang atau menyajikan informasi yang telah ada. Dengan mempelajari pola dan struktur, AI generatif mampu menghasilkan kreasi yang serupa tetapi orisinal. Ia dapat menciptakan beragam bentuk, seperti gambar, musik, teks, video, dan kode. Penggunaannya sangat beragam, mulai dari pembuatan karya seni, penulisan cerita, desain produk, hingga membantu dokter dalam menyelesaikan tugas administratif. Namun, ada juga risiko penyalahgunaan oleh pihak jahat untuk memproduksi berita palsu atau gambar yang tampak nyata namun sebenarnya tidak. Oleh karena itu, perusahaan teknologi tengah berupaya mengembangkan metode untuk mengidentifikasi dengan jelas konten yang dihasilkan oleh AI.
5. Halusinasi
Sistem AI generatif mempunyai kemampuan untuk menciptakan cerita, puisi, dan lagu, namun kadangkala manusia mengharapkan hasil yang didasarkan pada fakta. Mengingat AI tidak memiliki kemampuan untuk membedakan antara kenyataan dan kebohongan, respons yang dihasilkan dapat saja tidak akurat. Fenomena ini dikenal oleh pengembang sebagai “halusinasi” atau, dalam istilah yang lebih tepat, “fabrikasi. ” Ini mirip dengan situasi di mana seseorang melihat bentuk mirip wajah manusia di bulan dan mengklaim bahwa ada kehidupan di sana. Pengembang berusaha mengatasi masalah ini melalui teknik yang disebut “grounding,” yakni memberikan informasi tambahan dari sumber terpercaya kepada sistem AI untuk meningkatkan akurasi mereka mengenai topik tertentu. Terkadang, prediksi yang dibuat juga bisa salah, terutama jika model tidak memiliki informasi terbaru.
6. AI yang Bertanggung Jawab (Responsible AI)
Konsep AI yang bertanggung jawab mendasari upaya manusia dalam merancang sistem yang aman dan adil di semua level, mulai dari model machine learning hingga perangkat lunak, antarmuka pengguna, serta aturan dan batasan yang diberlakukan untuk akses aplikasi. Praktik Responsible AI sangat penting karena sistem AI sering dianggap sebagai alat bantu dalam pengambilan keputusan yang berkaitan dengan kehidupan manusia, seperti dalam bidang pendidikan dan kesehatan. Namun, karena AI dibuat oleh manusia dan dilatih dengan data dari dunia yang tidak sempurna, AI dapat mencerminkan berbagai bias sosial. Oleh karena itu, salah satu kunci praktik Responsible AI adalah pemahaman mendalam tentang data yang digunakan untuk melatih sistem, serta upaya untuk mengatasi kelemahan data tersebut, agar hasil yang dihasilkan mencerminkan masyarakat secara keseluruhan, bukan hanya kelompok tertentu.
Baca Juga : Recommendations for Anti Rust Ring Materials Other Than Gold and Their Prices
# 7. Model Multimodal
Model multimodal mampu menangani berbagai jenis data secara bersamaan. Ia dapat menganalisis gambar, mendengar suara, dan membaca teks. Dengan kata lain, model ini adalah seorang multitasker sejati! Kemampuannya untuk menggabungkan semua informasi memungkinkan model ini menjawab pertanyaan terkait gambar dengan ketepatan yang tinggi.
# 8. Prompts
Prompts, atau instruksi yang diberikan kepada sistem, bisa berupa bahasa, gambar, atau kode yang digunakan untuk menugaskan AI. Para insinyur, serta kita yang berinteraksi dengan sistem AI, perlu merancang prompt dengan seksama agar hasil yang diharapkan tercapai. Proses ini mirip dengan memesan sandwich di restoran: Anda tidak hanya sekadar meminta sandwich, tetapi juga harus menjelaskan jenis roti, bumbu, sayuran, keju, dan daging yang diinginkan agar mendapatkan menu makan siang yang sesuai dengan selera Anda.
# 9. Copilots
Copilot berfungsi layaknya asisten pribadi yang mendampingi Anda dalam berbagai aplikasi digital, membantu dalam berbagai tugas seperti menulis, pemrograman, merangkum, dan mencari informasi. Selain itu, Copilot juga dapat memberikan bantuan dalam pengambilan keputusan dan pemahaman data yang kompleks. Berkat perkembangan model bahasa besar (LLM), kini Copilot dapat memahami bahasa sehari-hari dan memberikan jawaban, membuat konten, atau mengambil tindakan sambil Anda bekerja dengan berbagai program komputer. Copilot dirancang dengan pedoman Responsible AI untuk menjamin keamanan dan kepatuhan teknologi yang digunakan. Layaknya co-pilot dalam sebuah pesawat, Copilot tidak mengambil alih kendali – Anda yang memegang tanggung jawab. Jadi, Copilot adalah alat yang membantu meningkatkan produktivitas dan efisiensi Anda.
# 10. Plugins
Plugins serupa dengan menambahkan aplikasi ke smartphone: mereka dirancang untuk memenuhi kebutuhan spesifik yang mungkin timbul, memungkinkan aplikasi AI untuk melakukan lebih banyak tugas tanpa perlu memodifikasi model dasarnya. Plugins inilah yang memungkinkan Copilot berinteraksi dengan perangkat lunak dan layanan lainnya. Mereka membantu sistem AI mengakses informasi baru, melakukan perhitungan matematis yang kompleks, atau terhubung dengan program lain. Dengan adanya plugins, sistem AI menjadi lebih canggih karena dapat terhubung dengan seluruh dunia digital.