Teknologi.id - Sejak generative artificial intelligence (AI) semakin populer pada akhir 2022, istilah-istilah terkait AI menjadi hal yang penting dipahami. Banyak orang kini harus beradaptasi dengan kemajuan teknologi ini untuk tetap mengikuti perkembangan.
Pada akhir 2023, Microsoft telah merangkum 10 istilah AI yang perlu Anda ketahui. Istilah-istilah ini membantu memahami bagaimana AI bekerja dan mengapa teknologi ini begitu revolusioner.
10 Istilah Teknologi AI
Berikut ini adalah sepuluh istilah tingkat lanjut dalam AI yang penting untuk diketahui:
1. Frontier Models
Frontier models adalah model AI yang mendorong batas-batas teknologi. Model ini mampu melakukan berbagai tugas yang sangat kompleks dan canggih, sering kali membuat kita kagum dengan kemampuannya.
Frontier models dikembangkan dengan sangat hati-hati oleh perusahaan teknologi besar, termasuk Microsoft, untuk memastikan pengembangan yang aman dan bertanggung jawab. Forum Frontier Model juga dibuat untuk berbagi pengetahuan dan menetapkan standar keamanan.
2. Orkestrasi (Orchestration)
Orkestrasi dalam AI merujuk pada lapisan yang mengatur tugas-tugas AI agar dikerjakan dengan urutan yang tepat. Misalnya, ketika Anda mengajukan pertanyaan berurutan seperti "siapa Ada Lovelace?" diikuti dengan "kapan dia lahir?".
Orkestrasi membantu AI menyimpan konteks percakapan dan menjawab dengan benar. Orkestrasi juga bekerja sama dengan RAG untuk mencari informasi terbaru yang relevan.
3. Grounding
Generative AI memiliki kemampuan luar biasa dalam menghasilkan teks, cerita, atau bahkan lelucon, tetapi sering kali kesulitan membedakan fakta dari fiksi. Proses grounding digunakan untuk memperbaiki hal ini.
Melalui grounding, AI dihubungkan dengan data dunia nyata untuk memastikan bahwa informasi yang diberikan akurat dan relevan. Misalnya, grounding membantu AI menghindari memberikan jawaban yang ketinggalan zaman atau tidak benar.
4. Pelatihan (Training) dan Inferensi (Inference)
Dua tahap penting dalam AI adalah pelatihan dan inferensi. Pada tahap pelatihan, AI dilatih dengan dataset untuk belajar dari pola yang ada. Setelah itu, dalam tahap inferensi, AI menggunakan pengetahuan tersebut untuk membuat prediksi atau menyelesaikan tugas baru.
Sebagai contoh, jika AI telah dilatih untuk memprediksi harga rumah berdasarkan berbagai variabel, seperti jumlah kamar tidur dan lokasi, AI kemudian dapat memprediksi harga rumah yang baru dijual di lingkungan yang sama.
5. Penalaran (Reasoning) dan Perencanaan (Planning)
Penalaran adalah kemampuan AI untuk memecahkan masalah dengan menggunakan pola yang dipelajari dari data historis. AI tidak hanya memproses data, tetapi juga memahami informasi untuk memberikan solusi yang lebih logis dan terarah. Dalam kasus yang lebih kompleks, AI bahkan mampu membuat perencanaan.
Misalnya, jika Anda meminta AI untuk merencanakan kunjungan ke taman bermain, AI dapat menyusun jadwal yang memastikan setiap aktivitas dilakukan sesuai permintaan Anda tanpa duplikasi atau ketidaknyamanan.
Baca juga: 10 Rekomendasi AI Pembuat Musik Terbaik untuk Konten Kreator di 2024
6. Model Bahasa Kecil (Small Language Model/LSM)
Model bahasa kecil (SLM) adalah versi yang lebih ringan dari model bahasa besar (Large Language Model/LLM). SLM dirancang untuk dapat bekerja secara offline dan menggunakan lebih sedikit daya komputasi dibandingkan LLM, yang sering memerlukan sumber daya besar.
Model seperti ini cocok digunakan pada perangkat seperti ponsel atau laptop untuk pertanyaan sederhana. SLM menawarkan respons yang cepat dan relevan tanpa perlu koneksi internet yang kuat.
7. Retrieval Augmented Generation (RAG)
Retrieval Augmented Generation (RAG) adalah metode di mana AI mengakses sumber informasi tambahan untuk meningkatkan akurasi jawabannya. Dengan RAG, AI dapat menghemat sumber daya karena tidak perlu dilatih ulang.
Misalnya, jika sebuah perusahaan pakaian ingin menggunakan chatbot untuk membantu pelanggan, chatbot tersebut dapat menggunakan RAG untuk mengakses katalog produk terkini dan memberikan jawaban yang lebih spesifik kepada pelanggan.
8. Memori
Saat ini, model AI tidak memiliki memori dalam arti yang sebenarnya. Namun, dengan bantuan orkestrasi, AI dapat menyimpan informasi sementara selama interaksi. Misalnya, ketika Anda mengajukan beberapa pertanyaan dalam sesi obrolan, AI akan menyimpan konteks tersebut secara sementara untuk memberikan jawaban yang lebih tepat.
Para pengembang terus bereksperimen agar AI bisa "mengingat" informasi lebih lama, yang nantinya akan meningkatkan kemampuan AI dalam interaksi yang lebih kompleks.
9. Transformer Models dan Diffusion Models
Transformer models adalah salah satu terobosan besar dalam AI, terutama dalam pengolahan bahasa. Model ini membantu AI memahami konteks dengan lebih cepat dan akurat. Misalnya, ChatGPT menggunakan transformer model untuk menghasilkan teks yang koheren dan relevan dengan input pengguna.
Di sisi lain, diffusion models digunakan dalam pembuatan gambar. Mereka bekerja dengan "menyebarkan" piksel secara bertahap hingga menghasilkan gambar yang sesuai dengan permintaan pengguna.
10. GPU (Graphics Processing Unit)
GPU, atau Graphics Processing Unit, awalnya dirancang untuk memproses grafis dalam video game, tetapi kini menjadi tulang punggung komputasi AI. GPU memungkinkan AI untuk menangani banyak perhitungan secara paralel, membuatnya sangat penting dalam pelatihan dan inferensi model AI.
AI modern menggunakan GPU dalam jumlah besar yang terhubung di pusat data raksasa untuk memproses data dalam skala besar.
Semakin kita mengenali istilah-istilah ini, semakin baik kita memahami potensi AI dalam berbagai aspek kehidupan. Jangan sampai kudet, dan terus ikuti perkembangan teknologi AI!
Baca Berita dan Artikel lain di Google News.
(bmm)
