JAKARTA – Kecerdasan buatan generatif (AI) merupakan istilah yang populer dalam beberapa tahun terakhir. Beberapa dari kita sudah memahami bagaimana teknologi ini membantu kita menggunakan komputer dengan lebih mudah.

Jargon seperti “prompto” dan “machine learning” banyak digunakan, bahkan dalam percakapan sehari-hari tentang teknologi. Namun, tidak semua orang mengetahui apa arti istilah-istilah tersebut.

Berikut beberapa istilah dan kosakata AI tingkat lanjut yang harus Anda ketahui, seperti dirangkum oleh Microsoft:

1. Penalaran/perencanaan

Komputer yang menggunakan AI kini dapat memecahkan masalah dan menyelesaikan tugas menggunakan pola yang dipelajari dari data historis untuk memahami informasi. Proses ini mirip dengan proses penalaran atau berpikir logis. Sistem AI yang lebih canggih menunjukkan kemampuan untuk melangkah lebih jauh dan mengatasi masalah yang semakin kompleks melalui perencanaan. Anda dapat merancang urutan tindakan yang perlu dilakukan untuk mencapai tujuan tertentu.

Bayangkan meminta program AI untuk membantu Anda membuat rencana perjalanan ke taman hiburan. Anda menulis: “Saya ingin mengunjungi enam atraksi berbeda di taman hiburan X, termasuk atraksi air terpanas pada hari Sabtu, 5 Oktober.” Berdasarkan tujuan Anda, sistem AI dapat memecahnya menjadi langkah-langkah kecil untuk membuat rencana, sementara penalaran memastikan bahwa Anda tidak mengunjungi wahana yang sama dua kali, dan Anda dapat melakukan wahana air antara jam 12 malam. sore dan jam 3 sore

2. Pembentukan/inferensi

Ada dua langkah untuk membangun dan menggunakan sistem AI: pelatihan dan inferensi. Pelatihan adalah kegiatan mendidik sistem AI dimana diberikan sekumpulan data dan sistem AI belajar melakukan suatu tugas atau membuat prediksi berdasarkan data tersebut. Misalnya, sistem AI menerima daftar harga rumah yang baru terjual di suatu lingkungan, lengkap dengan jumlah kamar tidur dan kamar mandi di masing-masingnya dan banyak variabel lainnya.

Selama pelatihan, sistem AI akan menyesuaikan parameter internalnya. Parameter internal yang dimaksud adalah nilai yang menentukan seberapa besar bobot yang diberikan pada setiap variabel, dan bagaimana pengaruhnya terhadap harga jual rumah.

Sedangkan inferensi terjadi ketika sistem AI menggunakan pola dan parameter yang telah dipelajari sebelumnya untuk membuat prediksi harga rumah baru yang akan dipasarkan di masa mendatang.

3. Model Bahasa Kecil (SLM)

Model bahasa kecil, atau SLM, adalah versi mini dari model bahasa besar (LLM). Keduanya menggunakan teknik pembelajaran mesin untuk mengenali pola dan hubungan sehingga dapat memberikan jawaban dalam bahasa sehari-hari yang realistis.

Jika LLM sangat besar dan membutuhkan daya komputasi dan memori yang besar, SLM seperti Phi-3 dilatih menggunakan dataset lebih kecil yang dipilih dan memiliki parameter lebih sedikit, sehingga lebih kompak dan dapat digunakan bahkan offline, juga dapat Anda gunakan tanpa Internet. koneksi

Hal ini membuat SLM cocok untuk digunakan pada perangkat seperti laptop atau ponsel, di mana Anda mungkin ingin mengajukan pertanyaan sederhana tentang perawatan hewan peliharaan, namun tidak memerlukan informasi mendetail tentang melatih anjing pemandu.

4. Koneksi bumi

Sistem AI generatif dapat menyusun cerita, puisi, dan lelucon serta menjawab pertanyaan penelitian. Namun terkadang mereka kesulitan membedakan fakta dan fiksi, atau mungkin data pelatihan mereka sudah ketinggalan zaman sehingga menyebabkan sistem AI memberikan jawaban yang tidak akurat, peristiwa yang disebut halusinasi.

Pengembang berupaya membantu AI berkomunikasi secara akurat dengan dunia nyata melalui proses dasar. Ini adalah proses di mana pengembang menghubungkan dan mengaitkan model mereka dengan data dan contoh nyata untuk meningkatkan akurasi dan menghasilkan hasil yang lebih relevan secara kontekstual dan dipersonalisasi.

5. Pulihkan Augmented Generation (RAG)

Saat pengembang memberi sistem AI akses ke sumber daya di darat agar lebih akurat dan terkini, mereka menggunakan metode yang disebut Retrieval Augmented Generation, atau RAG. Pola RAG menghemat waktu dan sumber daya dengan memberikan tambahan pengetahuan tanpa harus melatih kembali program AI.

Ini seperti Anda seorang detektif yang membaca setiap buku di perpustakaan tetapi tidak dapat memecahkan suatu kasus, jadi Anda pergi ke loteng, membuka beberapa gulungan lama dan voila, Anda menemukan potongan teka-teki yang hilang. . Contoh lain: Jika Anda memiliki perusahaan pakaian dan ingin membuat chatbot yang dapat menjawab pertanyaan spesifik tentang produk Anda, Anda dapat menggunakan pola RAG di katalog produk untuk membantu pelanggan menemukan sweter hijau yang sempurna di toko Anda.

6. Orkestrasi

Program AI harus melakukan banyak hal saat memproses permintaan pengguna. Untuk memastikan bahwa sistem AI ini melakukan semua tugas dalam urutan yang benar untuk menghasilkan respons terbaik, semua tugas ini dikelola oleh lapisan orkestrasi.

Misalnya, jika Anda bertanya kepada Microsoft Copilot “siapa Ada Lovelace” dan kemudian bertanya kepada Copilot “kapan dia lahir” pada permintaan selanjutnya, orkestrator AI di sini akan menyimpan riwayat percakapan Anda untuk melihat bahwa kata “dia ‘ di dalamnya indikasi kedua mengacu pada Ada Lovelace.

Lapisan orkestrasi juga dapat mengikuti pola RAG dengan mencari informasi baru di Internet guna menambahkan konteks dan membantu model menghasilkan jawaban yang lebih baik. Ini seperti seorang maestro yang memberikan kunci kepada pemain biola dan kemudian kepada seruling dan obo, mengikuti notasi untuk menghasilkan suara yang diinginkan oleh komposer.

7. Memori

Model AI saat ini secara teknis tidak memiliki memori. Namun program AI dapat mengatur instruksi untuk membantu mereka “mengingat” informasi dengan mengikuti langkah-langkah spesifik dalam setiap interaksi, seperti menyimpan sementara pertanyaan dan jawaban sebelumnya dalam obrolan dan kemudian menggabungkan konteks tersebut ke dalam kueri model saat ini atau menggunakan data dari basis pola RAG. . untuk memastikan jawaban diberikan menggunakan informasi terkini.

Pengembang sedang bereksperimen dengan lapisan orkestrasi untuk membantu sistem AI menentukan apakah akan mengingat sementara detail langkah-langkah, seperti memori jangka pendek, seperti mencatat catatan tempel, atau apakah ini akan lebih berguna daripada AI. sistem untuk mengingat sesuatu untuk jangka waktu yang lebih lama dengan menyimpannya di tempat yang lebih permanen.

8. Model transformator dan model difusi

Manusia telah mengajarkan sistem AI untuk memahami dan menghasilkan bahasa selama beberapa dekade, namun salah satu perkembangan yang mempercepat kemajuan baru-baru ini adalah model transformator. Di antara model AI generatif, Transformer adalah model yang memahami konteks dan nuansa dengan baik dan tercepat. Mereka bercerita dengan lancar, mencari pola dalam data, dan mempertimbangkan pentingnya masukan yang berbeda sehingga mereka dapat dengan cepat memprediksi apa yang akan terjadi selanjutnya sehingga dapat menghasilkan teks.

Faktanya, trafo adalah T di ChatGPT: Trafo Generatif Terlatih. Sementara itu, model difusi yang umum digunakan untuk pencitraan menambah sentuhan baru dengan bekerja lebih bertahap dan metodis, menyebarkan piksel gambar dari posisi acak hingga didistribusikan untuk membentuk gambar yang diminta dalam prompt. Model difusi terus menerus melakukan perubahan kecil hingga menghasilkan keluaran yang memenuhi kebutuhan pengguna.

9. Model batas

Model Frontier adalah sistem berskala besar yang melampaui batas-batas AI dan dapat melakukan berbagai tugas dengan kemampuan baru dan diperluas. Mereka bisa sangat maju sehingga terkadang kita takjub dengan apa yang bisa mereka capai.

Perusahaan teknologi, termasuk Microsoft, telah membentuk Frontier Model Forum untuk berbagi pengetahuan, menetapkan standar keamanan, dan membantu semua orang memahami program AI yang canggih ini untuk memastikan pengembangan yang aman dan bertanggung jawab.

10.GPU

GPU, yang merupakan singkatan dari Graphics Processing Unit, pada dasarnya adalah kalkulator turbo. GPU pada awalnya dirancang untuk memperhalus grafis fantastis dalam video game, dan kini menjadi kekuatan komputasi. Chip tersebut memiliki banyak inti kecil, yaitu jaringan sirkuit dan transistor, yang bersama-sama menyelesaikan masalah matematika, yang dikenal sebagai pemrosesan paralel. Ini pada dasarnya adalah hal yang sama yang dilakukan AI: menyelesaikan banyak perhitungan berskala besar untuk berkomunikasi dalam bahasa manusia dan mengenali gambar atau suara.

Itu sebabnya platform AI sangat membutuhkan GPU, baik untuk pelatihan maupun inferensi. Faktanya, model AI tercanggih saat ini dilatih menggunakan beragam GPU yang saling terhubung, terkadang berjumlah puluhan ribu dan tersebar di pusat data besar, seperti milik Microsoft di Azure, salah satu komputer terkuat yang pernah dibuat.

Inilah 10 istilah AI tingkat lanjut yang perlu Anda ketahui. Kami harap Anda merasakan manfaatnya.

(dk)