10 Istilah Kecerdasan Buatan atau AI yang Perlu Dipahami di 2024
loading...
Ada banyak istilah kecerdasan buatan yang penting untuk dipahami. Foto: ist
A
A
A
JAKARTA - Seiring perkembangan AI yang semakin pesat, penting untuk memahami istilah-istilah kunci yang digunakan dalam dunia kecerdasan buatan. Tentu, agar kita lebih update lagi terhadap perkembangan teknologi terkini.
Ini penting, karena peran AI semakin besar dalam keseharian. Bahkan, banyak yang menggunakan jargon seperti "prompt" dan "machine learning" sambil ngopi santai. Di akhir
2023 silam, Microsoft merangkumkan 10 istilah AI yang perlu Anda ketahui. Nah, berikut rinciannya:
1. Penalaran (Reasoning) / Perencanaan (Planning): Komputer AI kini mampu memecahkan masalah dan menyelesaikan tugas menggunakan pola yang dipelajari dari data historis. Proses ini mirip penalaran atau berpikir logis. Sistem AI canggih bahkan bisa membuat perencanaan, merancang langkah-langkah untuk mencapai tujuan tertentu.
2. Pelatihan (Training) / Inferensi (Inference): Dua langkah utama dalam membuat dan menggunakan sistem AI. Pelatihan adalah proses mendidik sistem AI dengan dataset, sehingga AI belajar melakukan tugas atau membuat prediksi. Inferensi adalah ketika sistem AI menggunakan pola yang telah dipelajari untuk menghasilkan prediksi baru.
3. Model Bahasa Kecil (Small Language Model / SLM): Versi mini dari model bahasa besar (LLM). SLM lebih ringkas dan dapat digunakan secara offline, cocok untuk perangkat seperti laptop atau ponsel.
4. Grounding: Proses menghubungkan model AI dengan data dan contoh nyata untuk meningkatkan akurasi dan relevansi respons.
5. Retrieval Augmented Generation (RAG): Metode yang memberikan akses sistem AI ke sumber grounding untuk membantunya menjadi lebih akurat dan terkini tanpa perlu pelatihan ulang.
6. Orkestrasi (Orchestration): Lapisan yang mengatur instruksi dan tugas-tugas yang dilakukan sistem AI saat memproses permintaan pengguna, memastikan urutan yang benar dan respons terbaik.
7. Memori: Meski tidak memiliki memori secara teknis, program AI dapat "mengingat" informasi dengan mengikuti langkah-langkah spesifik, seperti menyimpan riwayat obrolan atau menggunakan data grounding dari pola RAG.
8. Transformer Models dan Diffusion Models: Transformer models adalah model AI yang memahami konteks dan nuansa terbaik, digunakan untuk menghasilkan teks. Diffusion models digunakan untuk pembuatan gambar dengan bekerja secara bertahap dan metodis.
9. Frontier Models: Sistem AI skala besar yang mendorong batas-batas AI dan dapat melakukan berbagai macam tugas dengan kemampuan baru yang lebih luas.
10. GPU (Graphics Processing Unit): Kalkulator bertenaga turbo yang awalnya dirancang untuk grafis video game, kini menjadi otot dari komputasi AI. GPU memiliki banyak core kecil yang menangani masalah matematika secara bersama-sama, mirip dengancarakerjaAI.
Ini penting, karena peran AI semakin besar dalam keseharian. Bahkan, banyak yang menggunakan jargon seperti "prompt" dan "machine learning" sambil ngopi santai. Di akhir
2023 silam, Microsoft merangkumkan 10 istilah AI yang perlu Anda ketahui. Nah, berikut rinciannya:
1. Penalaran (Reasoning) / Perencanaan (Planning): Komputer AI kini mampu memecahkan masalah dan menyelesaikan tugas menggunakan pola yang dipelajari dari data historis. Proses ini mirip penalaran atau berpikir logis. Sistem AI canggih bahkan bisa membuat perencanaan, merancang langkah-langkah untuk mencapai tujuan tertentu.
2. Pelatihan (Training) / Inferensi (Inference): Dua langkah utama dalam membuat dan menggunakan sistem AI. Pelatihan adalah proses mendidik sistem AI dengan dataset, sehingga AI belajar melakukan tugas atau membuat prediksi. Inferensi adalah ketika sistem AI menggunakan pola yang telah dipelajari untuk menghasilkan prediksi baru.
3. Model Bahasa Kecil (Small Language Model / SLM): Versi mini dari model bahasa besar (LLM). SLM lebih ringkas dan dapat digunakan secara offline, cocok untuk perangkat seperti laptop atau ponsel.
4. Grounding: Proses menghubungkan model AI dengan data dan contoh nyata untuk meningkatkan akurasi dan relevansi respons.
5. Retrieval Augmented Generation (RAG): Metode yang memberikan akses sistem AI ke sumber grounding untuk membantunya menjadi lebih akurat dan terkini tanpa perlu pelatihan ulang.
6. Orkestrasi (Orchestration): Lapisan yang mengatur instruksi dan tugas-tugas yang dilakukan sistem AI saat memproses permintaan pengguna, memastikan urutan yang benar dan respons terbaik.
7. Memori: Meski tidak memiliki memori secara teknis, program AI dapat "mengingat" informasi dengan mengikuti langkah-langkah spesifik, seperti menyimpan riwayat obrolan atau menggunakan data grounding dari pola RAG.
8. Transformer Models dan Diffusion Models: Transformer models adalah model AI yang memahami konteks dan nuansa terbaik, digunakan untuk menghasilkan teks. Diffusion models digunakan untuk pembuatan gambar dengan bekerja secara bertahap dan metodis.
9. Frontier Models: Sistem AI skala besar yang mendorong batas-batas AI dan dapat melakukan berbagai macam tugas dengan kemampuan baru yang lebih luas.
10. GPU (Graphics Processing Unit): Kalkulator bertenaga turbo yang awalnya dirancang untuk grafis video game, kini menjadi otot dari komputasi AI. GPU memiliki banyak core kecil yang menangani masalah matematika secara bersama-sama, mirip dengancarakerjaAI.
(dan)
Lihat Juga :
