Kemajuan teknologi kecerdasan buatan atau AI saat ini mengalami perkembangan yang sangat cepat. Penggunaan istilah AI dalam ilmu komputer sudah dimulai sejak tahun 1950-an, tetapi baru-baru ini, orang-orang di luar dunia teknologi mulai membicarakannya lebih serius sekitar akhir tahun 2022.
Semua ini berkat kemajuan terbaru dalam machine learning, yang membawa kita menuju terobosan besar dengan dampak yang luar biasa di berbagai bidang kehidupan. Berikut adalah beberapa kata kunci yang perlu kita pahami agar kita dapat lebih familiar dengan istilah AI dan ikut serta dalam percakapan global.
6 Istilah AI yang Wajib Anda Diketahui
1. Kecerdasan Buatan (Artificial Intelligence / AI)
AI adalah sistem komputer pintar yang bisa meniru tingkah laku manusia. Misalnya, bisa memahami pembicaraan, membuat keputusan, menerjemahkan bahasa, menganalisis apakah sesuatu itu positif atau negatif, dan bahkan bisa belajar dari pengalaman. Meskipun sifatnya buatan karena dibuat manusia dengan teknologi, AI bukan mesin atau robot fisik. Ini lebih seperti program yang berjalan di komputer.
AI bekerja dengan mengumpulkan data besar melalui algoritma, yaitu kumpulan instruksi, untuk membuat model yang bisa mengotomatisasi tugas yang biasanya memerlukan kecerdasan dan waktu manusia. Kadang-kadang, kita berinteraksi dengan sistem AI, seperti saat meminta bantuan Bing Chat. Namun, sebagian besar waktu, AI bekerja di latar belakang, seperti memberi saran kata saat mengetik atau merekomendasikan lagu dalam playlist musik.
2. Pembelajaran Mesin (Machine Learning / ML)
Kalau AI adalah tujuan, pembelajaran mesin adalah cara kita mencapainya. Ini adalah bagian dari ilmu komputer yang berada di bawah naungan AI, di mana manusia mengajari komputer cara melakukan sesuatu dengan melatihnya mengenali pola dan membuat prediksi berdasarkan pola tersebut. Data dijalankan melalui algoritma berulang kali, memberikan masukan dan umpan balik yang berbeda setiap kali, sehingga mesin bisa belajar dan meningkatkan performa selama pelatihan.
Proses ini membantu memecahkan masalah yang sulit dilakukan dengan pemrograman tradisional, seperti mengenali gambar atau menerjemahkan bahasa. Pelatihan ini membutuhkan banyak data, dan baru-baru ini, dengan digitalisasi informasi dan perangkat keras yang lebih cepat dan kuat, kita bisa memanfaatkannya lebih maksimal. Itulah sebabnya model bahasa besar (LLM) yang menggunakan pembelajaran mesin, seperti Bing Chat dan ChatGPT, muncul secara tiba-tiba.
3. Model Bahasa Besar (Large Language Model / LLM)
LLM menggunakan teknik pembelajaran mesin untuk memproses bahasa agar bisa meniru cara manusia berkomunikasi. Pengembangannya didasarkan pada jaringan saraf, yaitu sistem komputasi terinspirasi dari otak manusia. Model ini dilatih menggunakan teks besar untuk memahami pola dan hubungan dalam bahasa, membantu model menggunakan kata-kata manusia.
Kemampuan pemecahan masalah mereka bisa digunakan untuk menerjemahkan bahasa, menjawab pertanyaan sebagai chatbot, merangkum teks, dan bahkan menulis cerita, puisi, dan kode komputer. Meski tidak punya pikiran atau perasaan, terkadang terdengar seolah-olah memiliki opini sendiri karena mempelajari pola yang membantu merespons seperti manusia. LLM sering disesuaikan kembali oleh pengembang dengan reinforcement learning from human feedback (RLHF) untuk membuat percakapan terdengar lebih alami.
4. AI Generatif (Generative AI)
Generative AI memanfaatkan kekuatan LLM untuk membuat sesuatu yang baru, bukan hanya mengulang atau memberikan informasi yang sudah ada. Ia mempelajari pola dan struktur, lalu menghasilkan sesuatu yang mirip namun baru, seperti gambar, musik, teks, video, dan kode. Bisa digunakan untuk membuat karya seni, menulis cerita, mendesain produk, atau membantu tugas administratif dokter.
Tapi, ia juga bisa digunakan untuk membuat berita palsu atau gambar yang terlihat nyata tapi sebenarnya palsu. Oleh karena itu, perusahaan teknologi sedang mencari cara mengidentifikasi konten yang dihasilkan AI dengan jelas.
5. Halusinasi
Sistem generative AI bisa membuat cerita, puisi, dan lagu, tetapi terkadang memberikan tanggapan tidak akurat karena tidak bisa membedakan antara yang nyata dan palsu. Ini disebut sebagai halusinasi atau lebih tepatnya, fabrikasi. Developer mencoba mengatasi ini dengan teknik grounding, yaitu memberikan informasi tambahan dari sumber terpercaya kepada sistem AI untuk meningkatkan akurasi tentang topik tertentu. Prediksi sistem juga bisa salah jika model tidak memiliki informasi terkini.
6. Responsible AI
Responsible AI membimbing manusia dalam merancang sistem yang aman dan adil di semua tingkatan, termasuk model pembelajaran mesin, perangkat lunak, antarmuka pengguna, serta aturan dan batasan yang diterapkan untuk mengakses aplikasi. Praktik Responsible AI sangat penting karena sistem AI seringkali digunakan untuk membuat keputusan penting yang melibatkan manusia, seperti dalam pendidikan dan kesehatan.
Namun, karena AI dibuat oleh manusia dan dilatih dengan data dari dunia yang tidak sempurna, bisa mencerminkan bias tertentu. Kunci dari praktik Responsible AI adalah memahami data yang digunakan untuk melatih sistem dan mencari cara mengatasi kelemahannya agar hasilnya mencerminkan masyarakat secara luas, bukan hanya kelompok tertentu.
Dengan perkembangan teknologi kecerdasan buatan yang semakin pesat, penting bagi kita untuk memahami dan mengakui dampak positif serta tantangan yang dihadapi. Melalui tanggung jawab kolektif, kita dapat membentuk masa depan yang lebih baik dengan memanfaatkan kecerdasan buatan secara bijak dan adil.
Baca Juga:
- Ini Dia Alat Penting Fotografi Bawah Air, Cek Disini!
- Panduan Praktis Top Up DANA Lewat BRImo, ATM BRI dan Lainnya
- Deretan Ponsel Murah Akhir Tahun 2023, Mulai 1 Jutaan!
Cari gadget berkualitas dengan harga terbaik? Temukan pilihan laptop, PC, dan komponen PC dengan harga terbaik hanya di Pemmz.com.
Cari tahu juga update berita terkini dan teraktual seputar teknologi dan gadget di Pemmzchannel.com.
