Kecerdasan Buatan atau Artificial Intelligence (AI) tengah menjadi teknologi yang diadopsi di banyak bidang. Berikut beberapa istilah yang Sangat dianjurkan diketahui dari teknologi ini.
Tren AI tumbuh pesat usai generative AI ChatGPT menarik perhatian publik di akhir 2022. AI generatif berbasis teks tersebut kemudian memicu gelombang adopsi GenAI besar-besaran dari berbagai perusahaan.
Beberapa orang Pernah tak begitu asing dengan istilah-istilah yang menempel pada teknologi AI, seperti prompt dan machine learning. Sekalipun, masih banyak Bahkan istilah yang lebih teknis sehingga tak banyak yang familiar.
ADVERTISEMENT
SCROLL TO CONTINUE WITH CONTENT
Dikutip dari Microsoft, berikut daftar istilah AI yang Sangat dianjurkan kita ketahui:
Reasoning/planning
Komputer yang menggunakan AI dapat memecahkan masalah dan menyelesaikan tugas dengan menggunakan pola yang Pernah terjadi mereka pelajari dari data historis untuk memahami informasi.
Proses ini mirip dengan penalaran (reasoning) 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 (planning). Ia bisa merancang urutan tindakan yang Sangat dianjurkan diterapkan untuk mencapai tujuan tertentu.
Sebagai contoh, bayangkan Anda meminta bantuan program AI untuk membuat rencana perjalanan ke taman bermain. Anda menulis “saya ingin mengunjungi enam wahana berbeda di taman bermain X, termasuk wahana air di waktu terpanas di hari Sabtu, 5 Oktober”.
Mengikuti tujuan Anda tersebut, sistem AI dapat memecahnya menjadi langkah-langkah kecil untuk membuat jadwal sambil menggunakan penalaran, untuk memastikan Anda tidak mengunjungi wahana yang sama dua kali, dan bahwa Anda bisa menaiki wahana air antara jam 12 siang sampai jam 3 sore.
Training/interference
Ada dua langkah yang dilakukan untuk membuat dan menggunakan sistem AI, Dengan kata lain pelatihan (training) dan inferensi (interference).
Pelatihan Merupakan aktivitas mendidik atau mengajari sistem AI di mana ia Nanti akan diberikan dataset, dan sistem AI tersebut belajar melakukan tugas atau membuat prediksi Mengikuti 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 Nanti akan menyesuaikan parameter internalnya. Parameter internal yang dimaksud merupakan sebuah nilai yang menentukan berapa banyak bobot yang Dianjurkan diberikan terhadap tiap variabel, dan bagaimana ia memengaruhi harga jual rumah.
Sementara itu, inferensi Merupakan ketika sistem AI menggunakan pola dan parameter yang Pernah terjadi dipelajari tadi untuk menghasilkan prediksi harga untuk rumah yang baru Nanti akan dipasarkan Pada waktu yang akan datang.
Small Language Model (SLM)
SLM atau model bahasa kecil Merupakan versi mini dari model bahasa besar, atau large language models (LLM).
Keduanya menggunakan teknik pembelajaran mesin (machine learning) untuk Mendukung mereka mengenali pola dan hubungan, sehingga mereka dapat menghasilkan respons dalam bahasa sehari-hari yang realistis.
Bila LLM berukuran sangat besar dan membutuhkan daya komputasi dan memori yang besar, SLM seperti Phi-3 dilatih menggunakan dataset lebih kecil yang terkurasi dan memiliki parameter yang lebih sedikit, sehingga lebih ringkas dan bahkan dapat digunakan secara offline alias tanpa koneksi internet.
Ini membuat SLM cocok diaplikasikan di perangkat seperti laptop atau ponsel, di mana pengguna Kemungkinan ingin mengajukan pertanyaan sederhana tentang perawatan hewan peliharaan, tetapi tidak Sangat dianjurkan mengetahui informasi terperinci.
Grounding
Sistem generative AI dapat menyusun cerita, puisi, dan lelucon, serta menjawab pertanyaan penelitian. Sekalipun, terkadang mereka kesulitan membedakan fakta dan fiksi, atau Kemungkinan data pelatihan mereka Pernah ketinggalan zaman, sehingga sistem AI dapat Menyediakan tanggapan yang tidak akurat, suatu Kejadian Fantastis yang disebut sebagai halusinasi.
Developers bekerja untuk Mendukung AI berinteraksi dengan dunia nyata secara akurat melalui proses grounding. Ini Merupakan proses ketika developers menghubungkan dan menambatkan model mereka dengan data dan contoh nyata untuk Mengoptimalkan akurasi dan menghasilkan output yang lebih relevan secara kontekstual dan dipersonalisasi.
Retrieval Augmented Generation (RAG)
Ketika developers Menyediakan 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 Menyediakan pengetahuan tambahan tanpa Dianjurkan melatih ulang program AI.
Metode ini seolah-olah AI Merupakan detektif Sherlock Holmes dan Pernah terjadi membaca setiap buku di perpustakaan tetapi belum bisa memecahkan suatu kasus, jadi AI naik ke loteng, membuka beberapa gulungan naskah kuno, dan baru bisa memecahkan kasus.
Orkestrasi Sampai sekarang GPU di halaman berikutnya…
Sumber Refrensi Berita: CNNINDONESIA
