10 Istilah Artificial Intelligence (AI) yang Harus Genhype Tahu
05 September 2024 |
07:30 WIB
Dewi Andriani
Jurnalis Hypeabis.id
Sejak teknologi generative AI melejit pada akhir 2022, istilah-istilah baru seputar kecerdasan buatan telah menjadi bagian dari percakapan sehari-hari, mulai dari meja kantor hingga sesi ngopi santai bersama teman. Jika dulu istilah seperti "machine learning" dan "prompt" hanya dikenal oleh segelintir orang di dunia teknologi, kini makin banyak yang memahaminya.
Akan tetapi, seiring berkembangnya AI, kosakata di sekitar teknologi ini pun ikut berevolusi. Genhype mungkin sudah familiar dengan istilah-istilah dasar, tetapi bagaimana dengan istilah lanjutan seperti "transformer models" atau "retrieval augmented generation"? Inilah 10 istilah AI terkini yang wajib Genhype ketahui agar tetap up-to-date di era digital ini.
Baca juga: Daftar Istilah Artificial Intelligence yang Sering Disebut, AGI sampai LLM
Berikut adalah 10 istilah AI paling menarik yang perlu diketahui seperti dikutip dari keterangan Microsoft Source:
1. Artificial Intelligence/AI
AI adalah sistem komputer yang sangat cerdas, yang dapat meniru manusia dalam beberapa hal. Misalnya memahami apa yang disampaikan orang, membuat keputusan, menerjemahkan bahasa, menganalisis apakah sesuatu bernada negatif atau positif, dan bahkan belajar dari pengalaman.
Sifatnya buatan karena kecerdasannya dibuat oleh manusia menggunakan teknologi. Kadang orang mengatakan sistem AI memiliki otak digital, tetapi AI bukanlah mesin atau robot fisik — AI adalah program yang berjalan di komputer. Ia bekerja dengan memasukkan koleksi data yang sangat besar melalui algoritma—yang merupakan serangkaian instruksi—untuk membuat model yang dapat mengotomatisasi tugas yang biasanya membutuhkan kecerdasan dan waktu manusia.
2. Machine Learning/ML
Jika AI adalah tujuan, maka machine learning adalah bagaimana kita dapat mencapai tujuan tersebut. Machine learning merupakan bidang ilmu komputer di bawah payung AI, di mana manusia mengajarkan sistem komputer cara melakukan sesuatu, dengan melatihnya untuk mengidentifikasi pola dan membuat prediksi berdasarkan pola tersebut.
Data dijalankan melalui algoritma secara berulang, dengan memberikan masukan dan umpan balik yang berbeda di setiap kalinya, untuk membantu mesin belajar dan meningkatkan performa selama proses pelatihan — seperti berlatih tangga nada piano 10 juta kali agar dapat membaca not musik secara cepat di kemudian hari.
3. AI Generatif
Generative AI memanfaatkan kekuatan large language models untuk membuat hal baru, bukan hanya mengulang atau memberikan informasi yang sudah ada. Generative AI mempelajari pola dan struktur, dan kemudian menghasilkan sesuatu yang mirip namun baru. Generative AI dapat membuat hal-hal seperti gambar, musik, teks, video, dan code.
Dia dapat digunakan untuk membuat karya seni, menulis cerita, mendesain produk, dan bahkan membantu dokter mengerjakan tugas administratif. Namun, ia juga dapat digunakan oleh aktor jahat untuk membuat berita palsu, atau gambar yang terlihat seperti foto tetapi tidak nyata. Karena itu, perusahaan teknologi sedang mengembangkan cara untuk mengidentifikasi konten yang dihasilkan AI dengan jelas.
4. Prompt
Prompt adalah instruksi yang dimasukkan ke dalam sistem menggunakan bahasa, gambar, atau kode untuk memberi tugas kepada AI. Para engineer — dan kita semua yang berinteraksi dengan sistem AI — harus merancang prompt dengan hati-hati untuk mendapatkan hasil yang diinginkan. Prosesnya sama seperti membeli sandwich di restoran: Genhype tidak hanya meminta sandwich, tetapi perlu menjelaskan roti, jenis dan takaran bumbu, sayuran, keju, serta daging yang kita inginkan untuk mendapatkan menu makan siang yang Anda anggap lezat dan bergizi.
5. Halusinasi
Sistem generative AI dapat membuat cerita, puisi dan lagu, tetapi kadang-kadang manusia ingin hasil dari generative AI didasarkan pada kebenaran. Karena sistem AI tidak dapat membedakan antara yang nyata dan palsu, generative AI dapat memberikan tanggapan yang tidak akurat. Fenomena ini disebut developer sebagai halusinasi, atau istilah yang lebih akurat, fabrikasi.
Ini mirip seperti saat seseorang melihat sesuatu yang mirip seperti garis wajah manusia di bulan, dan mengatakan bahwa betul-betul ada manusia di bulan. Developer mencoba menyelesaikan isu ini melalui “grounding“, sebuah teknik memberikan informasi tambahan dari sumber tepercaya kepada sistem AI, untuk meningkatkan akurasi AI tentang topik tertentu. Kadang-kadang prediksi sistem juga bisa salah jika model tidak memiliki informasi terkini.
6. Penalaran (reasoning)/perencanaan (planning)
Komputer yang menggunakan AI kini dapat memecahkan masalah dan menyelesaikan tugas dengan menggunakan pola yang telah mereka pelajari dari data historis untuk memahami informasi. Proses ini mirip dengan penalaran atau proses berpikir logis. Sistem AI yang paling canggih menunjukkan kemampuan untuk melangkah lebih jauh dari ini dan dapat mengatasi masalah yang semakin kompleks dengan membuat perencanaan. Ia bisa merancang urutan tindakan yang perlu diterapkan untuk mencapai tujuan tertentu.
7. Pelatihan (training)/inferensi (inference)
Ada dua langkah yang dilakukan untuk membuat dan menggunakan sistem AI: pelatihan dan inferensi. Pelatihan adalah aktivitas mendidik sistem AI di mana ia akan diberikan dataset, dan sistem AI tersebut belajar melakukan tugas atau membuat prediksi berdasarkan data tersebut. Misalnya, sistem AI diberikan daftar harga rumah yang baru-baru ini dijual di suatu lingkungan, lengkap dengan jumlah kamar tidur dan kamar mandi di masing-masing rumah tersebut dan banyak variabel lainnya.
Selama pelatihan, sistem AI akan menyesuaikan parameter internalnya. Parameter internal yang dimaksud merupakan sebuah nilai yang menentukan berapa banyak bobot yang harus diberikan terhadap tiap variabel, dan bagaimana ia memengaruhi harga jual rumah. Sementara itu, inferensi adalah ketika sistem AI menggunakan pola dan parameter yang telah dipelajari tadi untuk menghasilkan prediksi harga untuk rumah yang baru akan dipasarkan di masa depan.
8. Grounding
Sistem generative AI dapat menyusun cerita, puisi, dan lelucon, serta menjawab pertanyaan penelitian. Tetapi terkadang mereka kesulitan membedakan fakta dan fiksi, atau mungkin data pelatihan mereka sudah ketinggalan zaman, sehingga sistem AI dapat memberikan tanggapan yang tidak akurat—suatu kejadian yang disebut sebagai halusinasi.
Pengembang bekerja untuk membantu AI berinteraksi dengan dunia nyata secara akurat melalui proses grounding. Ini adalah proses ketika developers menghubungkan dan menambatkan model mereka dengan data dan contoh nyata untuk meningkatkan akurasi dan menghasilkan output yang lebih relevan secara kontekstual dan dipersonalisasi.
9. Orkestrasi
Program AI perlu melakukan banyak hal saat memproses permintaan pengguna. Untuk memastikan sistem AI ini melakukan semua tugas dalam urutan yang benar demi menghasilkan respons terbaik, seluruh tugas ini diatur oleh lapisan orkestrasi.
Sebagai contoh, jika Anda bertanya kepada Microsoft Copilot “siapa Ada Lovelace”, dan kemudian menanyakan Copilot “kapan dia lahir” di prompt selanjutnya, orkestrator AI di sini menyimpan riwayat obrolan Anda untuk melihat bahwa kata "dia" di prompt kedua itu merujuk pada Ada Lovelace.
10. Retrieval Augmented Generation (RAG)
Ketika developers memberikan akses sistem AI ke sumber grounding untuk membantunya menjadi lebih akurat dan terkini, mereka menggunakan metode yang disebut Retrieval Augmented Generation atau RAG. Pola RAG menghemat waktu dan sumber daya dengan memberikan pengetahuan tambahan tanpa harus melatih ulang program AI.
Memahami istilah-istilah ini akan membantu Genhype lebih akrab dengan perkembangan AI dan bagaimana teknologi ini semakin terintegrasi dalam kehidupan sehari-hari.
Baca juga: Artificial Intelligence (AI) Bukan Ancaman buat Pekerja Kreatif, Tetapi Teman
Editor: Dika Irawan
Akan tetapi, seiring berkembangnya AI, kosakata di sekitar teknologi ini pun ikut berevolusi. Genhype mungkin sudah familiar dengan istilah-istilah dasar, tetapi bagaimana dengan istilah lanjutan seperti "transformer models" atau "retrieval augmented generation"? Inilah 10 istilah AI terkini yang wajib Genhype ketahui agar tetap up-to-date di era digital ini.
Baca juga: Daftar Istilah Artificial Intelligence yang Sering Disebut, AGI sampai LLM
Berikut adalah 10 istilah AI paling menarik yang perlu diketahui seperti dikutip dari keterangan Microsoft Source:
1. Artificial Intelligence/AI
AI adalah sistem komputer yang sangat cerdas, yang dapat meniru manusia dalam beberapa hal. Misalnya memahami apa yang disampaikan orang, membuat keputusan, menerjemahkan bahasa, menganalisis apakah sesuatu bernada negatif atau positif, dan bahkan belajar dari pengalaman.
Sifatnya buatan karena kecerdasannya dibuat oleh manusia menggunakan teknologi. Kadang orang mengatakan sistem AI memiliki otak digital, tetapi AI bukanlah mesin atau robot fisik — AI adalah program yang berjalan di komputer. Ia bekerja dengan memasukkan koleksi data yang sangat besar melalui algoritma—yang merupakan serangkaian instruksi—untuk membuat model yang dapat mengotomatisasi tugas yang biasanya membutuhkan kecerdasan dan waktu manusia.
2. Machine Learning/ML
Jika AI adalah tujuan, maka machine learning adalah bagaimana kita dapat mencapai tujuan tersebut. Machine learning merupakan bidang ilmu komputer di bawah payung AI, di mana manusia mengajarkan sistem komputer cara melakukan sesuatu, dengan melatihnya untuk mengidentifikasi pola dan membuat prediksi berdasarkan pola tersebut.
Data dijalankan melalui algoritma secara berulang, dengan memberikan masukan dan umpan balik yang berbeda di setiap kalinya, untuk membantu mesin belajar dan meningkatkan performa selama proses pelatihan — seperti berlatih tangga nada piano 10 juta kali agar dapat membaca not musik secara cepat di kemudian hari.
3. AI Generatif
Generative AI memanfaatkan kekuatan large language models untuk membuat hal baru, bukan hanya mengulang atau memberikan informasi yang sudah ada. Generative AI mempelajari pola dan struktur, dan kemudian menghasilkan sesuatu yang mirip namun baru. Generative AI dapat membuat hal-hal seperti gambar, musik, teks, video, dan code.
Dia dapat digunakan untuk membuat karya seni, menulis cerita, mendesain produk, dan bahkan membantu dokter mengerjakan tugas administratif. Namun, ia juga dapat digunakan oleh aktor jahat untuk membuat berita palsu, atau gambar yang terlihat seperti foto tetapi tidak nyata. Karena itu, perusahaan teknologi sedang mengembangkan cara untuk mengidentifikasi konten yang dihasilkan AI dengan jelas.
4. Prompt
Prompt adalah instruksi yang dimasukkan ke dalam sistem menggunakan bahasa, gambar, atau kode untuk memberi tugas kepada AI. Para engineer — dan kita semua yang berinteraksi dengan sistem AI — harus merancang prompt dengan hati-hati untuk mendapatkan hasil yang diinginkan. Prosesnya sama seperti membeli sandwich di restoran: Genhype tidak hanya meminta sandwich, tetapi perlu menjelaskan roti, jenis dan takaran bumbu, sayuran, keju, serta daging yang kita inginkan untuk mendapatkan menu makan siang yang Anda anggap lezat dan bergizi.
5. Halusinasi
Sistem generative AI dapat membuat cerita, puisi dan lagu, tetapi kadang-kadang manusia ingin hasil dari generative AI didasarkan pada kebenaran. Karena sistem AI tidak dapat membedakan antara yang nyata dan palsu, generative AI dapat memberikan tanggapan yang tidak akurat. Fenomena ini disebut developer sebagai halusinasi, atau istilah yang lebih akurat, fabrikasi.
Ini mirip seperti saat seseorang melihat sesuatu yang mirip seperti garis wajah manusia di bulan, dan mengatakan bahwa betul-betul ada manusia di bulan. Developer mencoba menyelesaikan isu ini melalui “grounding“, sebuah teknik memberikan informasi tambahan dari sumber tepercaya kepada sistem AI, untuk meningkatkan akurasi AI tentang topik tertentu. Kadang-kadang prediksi sistem juga bisa salah jika model tidak memiliki informasi terkini.
6. Penalaran (reasoning)/perencanaan (planning)
Komputer yang menggunakan AI kini dapat memecahkan masalah dan menyelesaikan tugas dengan menggunakan pola yang telah mereka pelajari dari data historis untuk memahami informasi. Proses ini mirip dengan penalaran atau proses berpikir logis. Sistem AI yang paling canggih menunjukkan kemampuan untuk melangkah lebih jauh dari ini dan dapat mengatasi masalah yang semakin kompleks dengan membuat perencanaan. Ia bisa merancang urutan tindakan yang perlu diterapkan untuk mencapai tujuan tertentu.
7. Pelatihan (training)/inferensi (inference)
Ada dua langkah yang dilakukan untuk membuat dan menggunakan sistem AI: pelatihan dan inferensi. Pelatihan adalah aktivitas mendidik sistem AI di mana ia akan diberikan dataset, dan sistem AI tersebut belajar melakukan tugas atau membuat prediksi berdasarkan data tersebut. Misalnya, sistem AI diberikan daftar harga rumah yang baru-baru ini dijual di suatu lingkungan, lengkap dengan jumlah kamar tidur dan kamar mandi di masing-masing rumah tersebut dan banyak variabel lainnya.
Selama pelatihan, sistem AI akan menyesuaikan parameter internalnya. Parameter internal yang dimaksud merupakan sebuah nilai yang menentukan berapa banyak bobot yang harus diberikan terhadap tiap variabel, dan bagaimana ia memengaruhi harga jual rumah. Sementara itu, inferensi adalah ketika sistem AI menggunakan pola dan parameter yang telah dipelajari tadi untuk menghasilkan prediksi harga untuk rumah yang baru akan dipasarkan di masa depan.
8. Grounding
Sistem generative AI dapat menyusun cerita, puisi, dan lelucon, serta menjawab pertanyaan penelitian. Tetapi terkadang mereka kesulitan membedakan fakta dan fiksi, atau mungkin data pelatihan mereka sudah ketinggalan zaman, sehingga sistem AI dapat memberikan tanggapan yang tidak akurat—suatu kejadian yang disebut sebagai halusinasi.
Pengembang bekerja untuk membantu AI berinteraksi dengan dunia nyata secara akurat melalui proses grounding. Ini adalah proses ketika developers menghubungkan dan menambatkan model mereka dengan data dan contoh nyata untuk meningkatkan akurasi dan menghasilkan output yang lebih relevan secara kontekstual dan dipersonalisasi.
9. Orkestrasi
Program AI perlu melakukan banyak hal saat memproses permintaan pengguna. Untuk memastikan sistem AI ini melakukan semua tugas dalam urutan yang benar demi menghasilkan respons terbaik, seluruh tugas ini diatur oleh lapisan orkestrasi.
Sebagai contoh, jika Anda bertanya kepada Microsoft Copilot “siapa Ada Lovelace”, dan kemudian menanyakan Copilot “kapan dia lahir” di prompt selanjutnya, orkestrator AI di sini menyimpan riwayat obrolan Anda untuk melihat bahwa kata "dia" di prompt kedua itu merujuk pada Ada Lovelace.
10. Retrieval Augmented Generation (RAG)
Ketika developers memberikan akses sistem AI ke sumber grounding untuk membantunya menjadi lebih akurat dan terkini, mereka menggunakan metode yang disebut Retrieval Augmented Generation atau RAG. Pola RAG menghemat waktu dan sumber daya dengan memberikan pengetahuan tambahan tanpa harus melatih ulang program AI.
Memahami istilah-istilah ini akan membantu Genhype lebih akrab dengan perkembangan AI dan bagaimana teknologi ini semakin terintegrasi dalam kehidupan sehari-hari.
Baca juga: Artificial Intelligence (AI) Bukan Ancaman buat Pekerja Kreatif, Tetapi Teman
Editor: Dika Irawan
Komentar
Silahkan Login terlebih dahulu untuk meninggalkan komentar.