Era Kecerdasan Buatan: Semua yang Perlu Kamu Tahu tentang AI

Teknologi.id - AI atau Kecerdasan Buatan hadir di berbagai aspek kehidupan modern, termasuk musik, media, bisnis, produktivitas, dan bahkan dunia kencan. Namun, perkembangan AI begitu pesat sehingga sulit untuk tetap mengikuti semua informasinya.

Untuk itu, mari kita terus membaca artikel ini agar kamu dapat mengetahui perkembangan terbaru, istilah-istilah penting agar tetap up-to-date dalam bidang yang bergerak begitu cepat ini.

Apa itu AI ?

Pertama-tama, mari kita pastikan bahwa kita semua memiliki pemahaman yang sama tentang apa itu AI. Kecerdasan Buatan, juga dikenal sebagai pembelajaran mesin, adalah jenis sistem perangkat lunak yang menggunakan jaringan saraf untuk berfungsi.

Meskipun konsep ini sudah ada sejak beberapa dekade yang lalu, namun baru-baru ini mengalami perkembangan yang pesat berkat adanya sumber daya komputasi yang lebih kuat.

AI memungkinkan pengenalan suara dan gambar yang efektif, serta kemampuan untuk menghasilkan gambar dan ucapan sintetis. Para peneliti juga sedang bekerja keras untuk mengembangkan kemampuan AI agar dapat menjelajahi web, memesan tiket, menyempurnakan resep, dan masih banyak lagi.

Baca juga: Tak Hanya ChatGPT! Ini Dia 8 Tools AI Terbaik yang Wajib Kamu Coba

AI 101

Salah satu hal menarik tentang kecerdasan buatan (AI) adalah bahwa meskipun konsep intinya telah ada lebih dari 50 tahun, hanya sedikit yang familiar bahkan bagi mereka yang berkecimpung di bidang teknologi, hingga baru-baru ini. Jadi, jika kamu merasa bingung, jangan khawatir, karena hal ini normal dirasakan oleh semua orang.

Namun, sebelumnya ada satu hal yang perlu Tekmin jelaskan: meskipun disebut "kecerdasan buatan," istilah tersebut sedikit menyesatkan. Tidak ada definisi yang pasti tentang kecerdasan, tetapi apa yang dilakukan oleh sistem-sistem ini lebih mirip dengan kalkulator daripada otak manusia.

Meskipun input dan output dari kalkulator ini jauh lebih fleksibel. Kamu dapat menganggap kecerdasan buatan seperti kelapa buatan, itu adalah tiruan dari kecerdasan.Dengan demikian, berikut adalah beberapa istilah dasar yang akan kamu temui dalam pembahasan tentang AI.

• Jaringan saraf

Otak kita sebagian besar terdiri dari sel yang saling terhubung yang disebut neuron, yang membentuk jaringan kompleks untuk melakukan tugas dan menyimpan informasi.

Menciptakan ulang sistem yang luar biasa ini dalam bentuk perangkat lunak telah dicoba sejak tahun 1960-an, tetapi baru sekitar 15-20 tahun yang lalu daya pemrosesan yang cukup tersedia, terutama setelah GPU memungkinkan perkembangan pesat jaringan saraf digital.

Pada dasarnya, jaringan saraf terdiri dari titik-titik dan garis-garis: titik-titik tersebut mewakili data dan garis-garis tersebut mewakili hubungan statistik antara nilai-nilai tersebut.

Seperti pada otak, hal ini menciptakan sistem yang serbaguna yang dengan cepat mengambil input, mengolahnya melalui jaringan, dan menghasilkan output. Sistem ini disebut sebagai model.

• Model

Model adalah kumpulan kode yang menerima input dan menghasilkan output. Kesamaan istilah dengan model statistik atau sistem pemodelan yang mensimulasikan proses alam yang kompleks bukanlah kebetulan.

Dalam AI, model dapat merujuk pada sistem lengkap seperti ChatGPT, atau hampir semua konstruksi AI atau pembelajaran mesin, yang melakukan atau menghasilkan sesuatu.

Model memiliki berbagai ukuran, baik dalam hal ruang penyimpanan yang diperlukan maupun daya komputasi yang dibutuhkan untuk menjalankannya. Ini tergantung pada cara model tersebut dilatih.

• Pelatihan

Foto: Google

Untuk menciptakan model AI, jaringan saraf yang membentuk dasar sistem tersebut diberikan sejumlah informasi dalam apa yang disebut sebagai dataset atau korpus. Dalam proses ini, jaringan saraf besar ini menciptakan representasi statistik dari data tersebut.

Proses pelatihan ini merupakan bagian yang membutuhkan komputasi paling intensif, sehingga memakan waktu berhari-hari atau berbulan-bulan (tergantung pada kebutuhan) dengan menggunakan komputer-komputer bertenaga tinggi.

Hal ini disebabkan oleh kompleksitas jaringan saraf dan ukuran dataset yang dapat sangat besar, mencapai miliaran kata atau gambar yang harus dianalisis dan direpresentasikan dalam model statistik yang besar. Namun, setelah proses pelatihan selesai, model dapat menjadi lebih kecil dan lebih efisien ketika digunakan, proses ini disebut sebagai inferensi.

• Pengertian Inferensi

Saat model kecerdasan buatan (AI) berjalan, itu disebut inferensi, yaitu menyimpulkan berdasarkan bukti yang ada. Inferensi bukanlah "berpikir" sebenarnya, melainkan menghubungkan data yang telah diproses untuk memprediksi hal selanjutnya. Misalnya, jika kita memberikan urutan "merah, oranye, kuning...", model akan mengenali bahwa itu adalah urutan warna pelangi dan memperkirakan item berikutnya. Proses inferensi membutuhkan lebih sedikit komputasi dibandingkan dengan pelatihan, mirip dengan mencari melalui katalog kartu. Model AI yang besar membutuhkan superkomputer dan GPU, tetapi model yang lebih kecil dapat dijalankan pada smartphone atau perangkat sederhana.

• AI Generatif

Bicara tentang AI generatif sedang menjadi perbincangan hangat. Istilah ini mengacu pada model AI yang menghasilkan output asli, seperti gambar atau teks. Beberapa AI dapat merangkum, mengorganisir ulang, mengidentifikasi, dan sebagainya. Namun, AI yang benar-benar menciptakan sesuatu masih menjadi perdebatan. Meskipun AI dapat menghasilkan sesuatu, tidak berarti itu selalu benar atau merefleksikan realitas secara keseluruhan.

Baca juga: GPTZero Hadir untuk Mencegah Plagiarisme, Dapat Deteksi Esai Buatan Mesin AI

Terminologi Terkini dalam Kecerdasan Buatan

Selain istilah dasar, ada beberapa istilah terkait kecerdasan buatan yang penting untuk diketahui di pertengahan tahun 2023.

• Model Bahasa Besar

Model bahasa besar merupakan bentuk kecerdasan buatan yang paling berpengaruh dan serbaguna saat ini. Model ini dilatih dengan menggunakan hampir semua teks yang ada di web dan sebagian besar literatur berbahasa Inggris. Dengan mempelajari semua ini, model dasar menjadi sangat besar. Model bahasa besar memiliki kemampuan untuk berbicara dan menjawab pertanyaan dalam bahasa alami, serta meniru berbagai gaya dan jenis dokumen tertulis, seperti yang ditunjukkan oleh ChatGPT, Claude, dan LLaMa. Meskipun model-model ini sangat mengesankan, penting untuk diingat bahwa mereka pada dasarnya adalah mesin pengenalan pola. Ketika mereka menjawab pertanyaan, mereka mencoba melengkapi pola yang telah diidentifikasi, tanpa memastikan apakah pola tersebut mencerminkan realitas atau tidak. Model bahasa besar seringkali menghasilkan jawaban yang bersifat "halusinasi," yang akan kita bahas lebih lanjut.

• Model Dasar

Melatih model besar dari awal dengan dataset besar membutuhkan biaya dan kompleksitas yang tinggi, sehingga sebaiknya dilakukan hanya jika benar-benar diperlukan. Model dasar adalah model yang dibangun dari awal dan memerlukan superkomputer untuk dijalankan. Namun, model ini dapat dipangkas untuk dapat berjalan di wadah yang lebih kecil, biasanya dengan mengurangi jumlah parameter yang digunakan. Kamu dapat menganggap jumlah parameter sebagai jumlah titik yang dimiliki oleh model tersebut, dan saat ini jumlahnya dapat mencapai jutaan, miliaran, atau bahkan triliunan.

• Pemantulan Halus

Model dasar seperti GPT-4 memang cerdas, tetapi secara umum memiliki pengetahuan yang luas. Model ini mampu mengasimilasi berbagai informasi mulai dari karya sastra klasik hingga aturan permainan Dungeons & Dragons. Namun, pengetahuan umum ini tidak selalu berguna jika kamu ingin model membantu kamu menulis surat lamaran pekerjaan, misalnya. Untungnya, model dapat disesuaikan dengan memberikan pelatihan tambahan menggunakan dataset khusus, seperti beberapa ribu contoh aplikasi pekerjaan yang ada. Dengan demikian, model dapat memiliki pemahaman yang lebih baik tentang cara membantu kamu dalam domain tersebut, tanpa kehilangan pengetahuan umum yang telah dikumpulkan dari data pelatihan sebelumnya.

• Reinforcement Learning dari Umpan Balik Manusia (RLHF)

Reinforcement learning dari umpan balik manusia, atau RLHF, adalah jenis pemantulan halus yang sering dibahas. RLHF menggunakan data interaksi manusia dengan model bahasa besar untuk meningkatkan keterampilan komunikasinya. Dengan demikian, model dapat belajar dari umpan balik manusia untuk menjadi lebih baik dalam berkomunikasi.

Baca Berita dan Artikel yang lain di Google News.

(dwk)