REPUBLIKA.CO.ID, JAKARTA---Istilah AI, atau kecerdasan buatan, telah digunakan dalam ilmu komputer sejak tahun 1950-an. Namun, kebanyakan orang di luar industri teknologi baru mulai membicarakannya pada akhir tahun 2022.
Ini semua berkat kemajuan terbaru dalam machine learning yang menuntun kita pada terobosan besar, dengan dampak luar biasa di hampir setiap aspek kehidupan. Berikut adalah beberapa kata kunci yang perlu kita pahami, agar kita dapat lebih mengenali istilah AI dan menjadi bagian dari percakapan global dalam siaran pers Microsoft, Kamis (30/11/2023).
1. Kecerdasan buatan (Artificial intelligence/AI)
AI adalah sistem komputer yang sangat cerdas, yang dapat meniru manusia dalam beberapa hal. Misalnya memahami apa yang disampaikan orang, membuat keputusan, menerjemahkan bahasa, menganalisis apakah sesuatu bernada negatif atau positif, dan bahkan belajar dari pengalaman.
Sifatnya buatan karena kecerdasannya dibuat oleh manusia menggunakan teknologi. Kadang orang mengatakan sistem AI memiliki otak digital, tetapi AI bukanlah mesin atau robot fisik — AI adalah program yang berjalan di komputer. Ia bekerja dengan memasukkan koleksi data yang sangat besar melalui algoritma—yang merupakan serangkaian instruksi—untuk membuat model yang dapat mengotomatisasi tugas yang biasanya membutuhkan kecerdasan dan waktu manusia.
Tak jarang, manusia juga berinteraksi dengan sistem AI — seperti ketika Anda meminta Bing Chat untuk membantu melakukan sesuatu. Tetapi dalam kebanyakan kasus, AI bekerja di balik layar. Contohnya ketika menyarankan pilihan kata saat kita mengetik, merekomendasikan lagu dalam playlist musik, serta memberikan informasi yang lebih relevan berdasarkan preferensi kita.
2. Pembelajaran mesin (Machine learning / ML)
Jika AI adalah tujuan, maka machine learning adalah bagaimana kita dapat mencapai tujuan tersebut. Machine learning merupakan bidang ilmu komputer di bawah payung AI, di mana manusia mengajarkan sistem komputer cara melakukan sesuatu, dengan melatihnya untuk mengidentifikasi pola dan membuat prediksi berdasarkan pola tersebut. Data dijalankan melalui algoritma secara berulang, dengan memberikan masukan dan umpan balik yang berbeda di setiap kalinya, untuk membantu mesin belajar dan meningkatkan performa selama proses pelatihan — seperti berlatih tangga nada piano 10 juta kali agar dapat membaca not musik secara cepat di kemudian hari.
Proses ini sangat membantu memecahkan masalah yang akan sulit atau tidak mungkin dilakukan dengan menggunakan teknik pemrograman tradisional, seperti untuk mengenali gambar dan menerjemahkan bahasa.
Proses pelatihan ini membutuhkan data dalam jumlah besar, dan pengumpulan data ini adalah sesuatu yang baru bisa kita maksimalkan pemanfaatannya dalam beberapa tahun terakhir, seiring lebih banyaknya informasi yang didigitalkan dan keberadaan perangkat keras komputer yang telah menjadi lebih cepat, lebih kecil, lebih kuat, serta lebih mampu memproses semua informasi tersebut. Itulah mengapa large language model (LLM) yang menggunakan machine learning — seperti Bing Chat dan ChatGPT — tiba-tiba muncul.
3. Model bahasa besar (Large language model / LLM)
Large language models, atau LLM, menggunakan teknik machine learning untuk membantu memproses bahasa, agar mereka dapat meniru cara manusia berkomunikasi. Pengembangannya didasarkan pada neural networks, atau NN, yang merupakan sistem komputasi yang terinspirasi oleh otak manusia – seperti sekumpulan node dan koneksi yang mensimulasi neuron dan sinaps pada otak kita.
Model dilatih menggunakan teks berjumlah besar untuk mempelajari pola dan hubungan dalam bahasa, guna membantu model menggunakan kata-kata manusia. Kemampuan pemecahan masalah mereka dapat digunakan untuk menerjemahkan bahasa, menjawab pertanyaan dalam bentuk chatbot, merangkum teks, dan bahkan menulis cerita, puisi, serta code komputer.
Mesin tidak memiliki pikiran atau perasaan, tetapi kadang-kadang terdengar seakan memiliki opini sendiri, karena mereka telah mempelajari pola yang membantu mereka merespons layaknya manusia. LLM sering disesuaikan kembali (fine-tuned) oleh developer menggunakan proses yang disebut reinforcement learning from human feedback (RLHF) untuk membantu model menghasilkan output percakapan yang terdengar lebih natural.
4. AI generatif (Generative AI)
AI generatif memanfaatkan kekuatan large language models untuk membuat hal baru, bukan hanya mengulang atau memberikan informasi yang sudah ada. AI generatif mempelajari pola dan struktur, dan kemudian menghasilkan sesuatu yang mirip namun baru.
AI generatif dapat membuat hal-hal seperti gambar, musik, teks, video, dan kode. Ia dapat digunakan untuk membuat karya seni, menulis cerita, mendesain produk, dan bahkan membantu dokter mengerjakan tugas administratif. Namun, ia juga dapat digunakan oleh aktor jahat untuk membuat berita palsu, atau gambar yang terlihat seperti foto tetapi tidak nyata. Karena itu, perusahaan teknologi sedang mengembangkan cara untuk mengidentifikasi konten yang dihasilkan AI dengan jelas.
5. AI yang bertanggung jawab (Responsible AI)
Responsible AI memandu manusia kala mencoba merancang sistem yang aman dan adil di setiap level, termasuk model machine learning, perangkat lunak, user interface, serta aturan dan batasan yang diberlakukan untuk mengakses aplikasi. Praktik Responsible AI adalah elemen penting karena sistem AI sering ditugaskan untuk membantu membuat keputusan penting yang menyangkut manusia, seperti dalam bidang pendidikan dan kesehatan.
Namun, karena AI dibuat oleh manusia dan dilatih menggunakan data dari dunia yang tidak sempurna, AI dapat mencerminkan bias tertentu. Karena itu, salah satu kunci dari praktik Responsible AI adalah memahami data yang digunakan untuk melatih sistem tersebut dan mencari cara untuk mengatasi kelemahannya, agar hasilnya dapat mencerminkan masyarakat secara luas, bukan hanya kelompok-kelompok tertentu.
Ikuti Whatsapp Channel Republika