10 istilah AI yang mungkin kamu belum tahu

Saat ini teknologi kecerdasan buatan (AI) semakin berkembang pesat dan telah digunakan dalam berbagai hal seperti mendeteksi dan/atau membuat gambar, navigasi, ramalan cuaca, aplikasi, dan banyak lagi. AI juga telah memiliki kemampuan dalam belajar data dengan menganalisis dan menerima data tersebut tanpa adanya kesalahan dalam membaca data.

Sistem AI sendiri memiliki algoritma khusus, semakin banyak data yang telah dianalisis maka sistem AI akan menjadi lebih andal dalam membaca data dan memprediksinya. Ini semua berkat kemajuan terbaru dalam machine learning yang menuntun kita pada terobosan besar. Berikut adalah beberapa istilah yang perlu diketahui seputar AI.

1. Kecerdasan buatan

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.

Tak jarang, manusia juga berinteraksi dengan sistem AI — seperti ketika kita meminta Bing Chat atau ChatGPT untuk membantu melakukan sesuatu. Tetapi dalam kebanyakan kasus, AI bekerja di balik layar. Contohnya ketika menyarankan pilihan kata saat kita mengetik, merekomendasikan lagu dalam playlist musik, serta memberikan informasi yang lebih relevan berdasarkan preferensi kita.

2. Pembelajaran mesin (ML)

Jika AI adalah tujuan, maka machine learning (ML) 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 feedback 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.

Proses ini sangat membantu memecahkan masalah yang akan sulit atau tidak mungkin dilakukan dengan menggunakan teknik pemrograman tradisional, seperti untuk mengenali gambar dan menerjemahkan bahasa. Proses pelatihan ini membutuhkan data dalam jumlah besar, dan pengumpulan data ini adalah sesuatu yang baru bisa kita maksimalkan pemanfaatannya dalam beberapa tahun terakhir.

3. Model bahasa besar (LLM)

Large language models, atau LLM, menggunakan teknik machine learning untuk membantu memproses bahasa, agar mereka dapat meniru cara manusia berkomunikasi. Pengembangannya didasarkan pada neural networks, atau NN, yang merupakan sistem komputasi yang terinspirasi oleh otak manusia – seperti sekumpulan node dan koneksi yang menstimulasi neuron dan sinaps pada otak kita.

Model dilatih menggunakan teks berjumlah besar untuk mempelajari pola dan hubungan dalam bahasa, guna membantu model menggunakan kata-kata manusia. Kemampuan pemecahan masalah mereka dapat digunakan untuk menerjemahkan bahasa, menjawab pertanyaan dalam bentuk chatbot, merangkum teks, dan bahkan menulis cerita, puisi, serta code komputer.

4. AI generatif

Generative AI atau AI generatif memanfaatkan kekuatan LLM untuk membuat hal baru, bukan hanya mengulang atau memberikan informasi yang sudah ada. AI generatif mempelajari pola dan struktur, dan kemudian menghasilkan sesuatu yang mirip namun baru. ini dapat membuat hal-hal seperti gambar, musik, teks, video, dan code.

Ia 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.

5. Halusinasi

Sistem AI generatif dapat membuat cerita, puisi dan lagu, tetapi kadang-kadang manusia ingin hasil dari AI generatif didasarkan pada kebenaran. Karena sistem AI tidak dapat membedakan antara yang nyata dan palsu, ia 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 terpercaya kepada sistem AI, untuk meningkatkan akurasi AI tentang topik tertentu. Kadang-kadang prediksi sistem juga bisa salah jika model tidak memiliki informasi terkini.

6. AI yang bertanggung jawab (Responsible AI)

Responsible AI memandu manusia kala mencoba merancang sistem yang aman dan adil di setiap level, termasuk model machine learning, perangkat lunak, user interface, serta aturan dan batasan yang diberlakukan untuk mengakses aplikasi. Praktik Responsible AI adalah elemen penting karena sistem AI sering ditugaskan untuk membantu membuat keputusan penting yang menyangkut manusia, seperti dalam bidang pendidikan dan kesehatan.

Namun, karena AI dibuat oleh manusia dan dilatih menggunakan data dari dunia yang tidak sempurna, AI dapat mencerminkan bias tertentu. Karena itu, salah satu kunci dari praktik Responsible AI adalah memahami data yang digunakan untuk melatih sistem tersebut dan mencari cara untuk mengatasi kelemahannya, agar hasilnya dapat mencerminkan masyarakat secara luas, bukan hanya kelompok-kelompok tertentu.

7. Model multimodal (multimodal model)

Model multimodal dapat bekerja dengan berbagai jenis atau mode data secara bersamaan. Ia dapat melihat gambar, mendengarkan suara, dan membaca kata-kata. Dengan kata lain, model multimodal adalah multitasker sejati! Model ini dapat menggabungkan semua informasi untuk melakukan tugas seperti menjawab pertanyaan tentang gambar.

8. Prompt

Prompt adalah instruksi yang dimasukkan ke dalam sistem menggunakan bahasa, gambar, atau code untuk memberi tugas kepada AI. Para insinyur — 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: kita 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 kita anggap lezat dan bergizi.

9. Copilot

Copilot seperti asisten pribadi yang bekerja bersama pengguna di segala macam aplikasi digital, membantu mengerjakan tugas seperti menulis, coding, merangkum, dan mencari informasi. Copilot juga dapat membantu kamu membuat keputusan dan memahami banyak data. Pengembangan LLM baru-baru ini memungkinkan hadirnya Copilot yang memahami bahasa sehari-hari manusia dan memberikan jawaban, membuat konten, atau mengambil tindakan, sembari manusia bekerja dalam program komputer yang berbeda.

Copilot dibangun dengan panduan-panduan Responsible AI untuk memastikan bahwa teknologinya aman, terlindungi, dan digunakan untuk hal yang baik. Sama seperti kopilot di pesawat, Copilot tidak memegang kendali – penggunalah yang bertanggung jawab. Jadi, Copilot merupakan alat yang dapat membantu kita lebih produktif dan efisien.

10. Plugin

Plugin mirip dengan ketika kamu menambahkan aplikasi ke smartphone: mereka hadir untuk mengisi kebutuhan tertentu yang mungkin muncul, memungkinkan aplikasi AI melakukan lebih banyak hal tanpa harus memodifikasi model dasarnya. Plugin-lah yang memungkinkan Copilot berinteraksi dengan perangkat lunak dan layanan lain.

Plugin dapat membantu sistem AI mengakses informasi baru, melakukan perhitungan matematika yang rumit, atau terhubung dengan program lain. Plugin membuat sistem AI lebih canggih dengan menghubungkannya ke seluruh dunia digital.