Jakarta –
Ketika kecerdasan buatan (AI) menjadi arus utama pada akhir tahun 2022, pemahaman dasar tentang teknologi ini sangatlah banyak. Nah, berikut 10 istilah AI yang perlu Anda ketahui, agar tidak terjebak atau memperbarui data.
Microsoft telah mengumpulkan 10 istilah AI yang perlu Anda ketahui pada akhir tahun 2023. Namun seiring berkembangnya AI, istilah-istilah tersebut juga akan terus berkembang. Di bawah ini sepuluh kosakata AI tingkat lanjut: 1. Penalaran / Perencanaan
Komputer yang menggunakan AI kini dapat memecahkan masalah dan melakukan tugas menggunakan pola yang dipelajari dari data historis untuk memahami informasi. Proses ini mirip dengan proses penalaran atau berpikir logis. Sistem AI yang canggih menunjukkan kemampuan untuk melampaui hal ini dan memecahkan masalah yang semakin kompleks melalui desain. Ia dapat merencanakan serangkaian tindakan yang akan dilakukan untuk mencapai tujuan tertentu. Misalnya, bayangkan Anda meminta program AI untuk membantu Anda merencanakan perjalanan ke taman hiburan. Anda berkata, “Saya ingin mengunjungi enam atraksi berbeda di X Theme Park, termasuk wahana air terpanas pada hari Sabtu, 5 Oktober.” Berdasarkan tujuan Anda, sistem AI dapat membaginya menjadi langkah-langkah yang lebih kecil untuk dijadwalkan dengan menggunakan pertimbangan untuk memastikan Anda tidak mengunjungi atraksi yang sama dua kali, dan Anda dapat menaiki atraksi air tersebut dari 12 hingga 3 jam. 2. Pelatihan (Training) / Kesimpulan (Exit)
Ada dua langkah dalam membuat dan menggunakan sistem AI: pembelajaran dan inferensi. Pelatihan adalah kegiatan melatih sistem AI dimana diberikan sekumpulan data dan sistem AI belajar melakukan suatu tugas atau membuat prediksi berdasarkan data tersebut. Misalnya, sistem AI diberikan daftar harga rumah yang baru terjual di suatu lingkungan, jumlah kamar tidur dan kamar mandi di masing-masing rumah, dan banyak variabel lainnya.
Selama pelatihan, sistem AI menyesuaikan parameter internalnya. Parameter internal pertanyaannya adalah nilai yang menentukan seberapa besar bobot yang diberikan pada setiap variabel dan bagaimana pengaruhnya terhadap harga jual rumah. Sedangkan intinya adalah sistem AI menggunakan pola dan parameter yang dipelajari sebelumnya untuk menghasilkan prediksi harga rumah baru untuk dijual di masa depan.3. Model Bahasa Kecil (SLM)
Model bahasa kecil, atau SLM, adalah versi lebih kecil dari model bahasa besar (LLM). Keduanya menggunakan teknik pembelajaran mesin untuk membantu mereka mengenali pola dan hubungan sehingga mereka dapat merespons dalam bahasa nyata sehari-hari.
Jika LLM sangat besar dan membutuhkan daya komputasi dan memori yang besar, SLM seperti Phi-3 dapat dilatih menggunakan kumpulan data kecil dengan parameter lebih sedikit, sehingga lebih kompak dan bahkan dapat dilakukan secara offline, yaitu tanpa Internet. koneksi. Ini cocok untuk digunakan pada perangkat seperti laptop atau ponsel di mana Anda dapat mengajukan pertanyaan sederhana tentang perawatan hewan peliharaan, namun tidak perlu mengetahui informasi detail tentang cara melatih anjing pemandu.4. ke tanah
Sistem AI generatif dapat membuat 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 sistem AI dapat memberikan jawaban yang salah — sebuah fenomena yang dikenal sebagai halusinasi.
Pengembang mencoba membantu AI berinteraksi secara akurat dengan dunia nyata melalui proses awal. Ini adalah proses di mana pengembang menghubungkan dan mengaitkan model mereka dengan data dan contoh dunia nyata untuk meningkatkan akurasi dan menghasilkan hasil yang lebih relevan secara kontekstual dan dipersonalisasi.5. Generasi Pengambilan yang Ditingkatkan (RAG)
Saat pengembang memberi sistem AI akses ke sumber daya geografis untuk membantunya menjadi lebih akurat dan terkini, mereka menggunakan teknik yang disebut Retrieval Augmented Generation, atau RAG. Contoh RAG menghemat waktu dan sumber daya dengan memberikan pengetahuan tambahan tanpa melatih ulang program AI. Ini seperti Anda seorang detektif Sherlock Holmes dan Anda telah membaca setiap buku di perpustakaan tetapi Anda tidak dapat menyelesaikan satu kasus pun, jadi Anda naik ke atas dan membuka beberapa manuskrip tua dan voila – Anda menemukan bagian buku yang hilang. . Masalahnya adalah Sebagai contoh lain, jika Anda memiliki perusahaan pakaian dan ingin membuat chatbot yang dapat menjawab pertanyaan spesifik tentang produk Anda, Anda dapat menggunakan pola RAG untuk membantu pelanggan menemukan sweter hijau yang sempurna di toko Anda. Orkestra
Aplikasi AI memiliki banyak hal yang harus dilakukan saat memproses permintaan pengguna. Semua tugas ini dikelola oleh lapisan orkestrasi, untuk menjalankan semua tugas dalam urutan yang benar guna mendapatkan respons terbaik untuk sistem AI ini. Misalnya, jika Anda bertanya kepada Microsoft Copilot “Siapa Ada Lovelace” dan kemudian bertanya kepada Copilot “kapan dia lahir” di prompt selanjutnya, orkestrasi AI di sini akan menyimpan riwayat percakapan Anda untuk melihat apakah kata “dia” muncul. Pertanyaan itu menyangkut Ada Lovelace. Lapisan orkestrasi dapat melacak pola RAG dengan mencari data baru di web untuk menambahkan konteks dan menjawab model dengan lebih baik. Hal ini seperti virtuoso yang mengikuti pemain biola lalu seruling dan obo sedangkan komposer mengikuti lembaran musik untuk menghasilkan suara yang diinginkan.7. memori
Model AI saat ini secara teknis tidak memiliki memori. Namun program AI dapat diinstruksikan untuk “mengingat” informasi dengan mengambil langkah spesifik pada setiap interaksi — seperti menyimpan sementara pertanyaan dan jawaban sebelumnya dalam obrolan dan memasukkan konteks tersebut ke dalam kueri model saat ini, atau menggunakan data dasar dari sampel RAG. Untuk memastikan tanggapan menggunakan data terkini.
Pengembang sedang bereksperimen dengan lapisan orkestrasi untuk memahami apakah sistem AI harus mengingat detail langkah untuk sementara – misalnya, dalam memori jangka pendek, seperti menulis di catatan tempel – atau apakah sistem AI lebih berguna. menyimpan sesuatu pada tempat yang tetap dan mengingatnya dalam jangka waktu yang lama.8. Model trafo dan model diffuser
Manusia telah melatih sistem AI untuk memahami dan menghasilkan bahasa selama beberapa dekade, namun salah satu perkembangan terbaru yang mempercepat kemajuan adalah model terjemahan. Di antara model-model yang dihasilkan AI, Transformers adalah model yang memahami konteks dan nuansa dengan lebih baik dan lebih cepat. Mereka adalah pendongeng independen yang berfokus pada pola dalam data dan mempertimbangkan pentingnya masukan yang berbeda untuk membantu mereka memprediksi dengan cepat apa yang terjadi dan memproses teks.
Bahkan trafonya adalah T dari ChatGPT – trafo generator terlatih. Sedangkan mode difusi yang biasa digunakan dalam pembuatan gambar memberikan sentuhan baru dengan bekerja secara bertahap dan sistematis, menyebarkan piksel gambar dari lokasi acak hingga tersebar membentuk gambar yang diminta. Model difusi melakukan perubahan kecil hingga keluarannya memenuhi kebutuhan pengguna.9. Model batas
Model Frontier adalah sistem berskala besar yang melampaui batas AI dan dapat melakukan banyak tugas dengan kemampuan baru dan lebih luas. Mereka bisa begitu maju sehingga terkadang kita terkagum-kagum 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 aplikasi AI yang canggih ini untuk memastikan pengembangan yang aman dan bertanggung jawab.10. GPU
GPU adalah unit pemrosesan grafis, pada dasarnya adalah kalkulator turbo. GPU pada awalnya dirancang untuk memperhalus grafis mengagumkan dalam video game dan kini menjadi kekuatan komputasi. Sebuah chip berisi jaringan banyak inti kecil, sirkuit, dan transistor yang memecahkan masalah matematika bersama-sama, juga dikenal sebagai pemrosesan paralel.
Pada dasarnya inilah yang dilakukan AI – menyelesaikan banyak perhitungan dalam skala besar agar dapat berkomunikasi dengan bahasa manusia dan mengenali gambar atau suara. Oleh karena itu, platform AI sangat membutuhkan GPU untuk pelatihan dan inferensi.
Faktanya, model AI tercanggih saat ini sering kali dilatih di pusat data besar—mungkin puluhan ribu—menggunakan salah satu komputer paling canggih yang pernah dibuat, seperti model Azure milik Microsoft.
Tonton video “Penelitian Kamera Pelacakan Gorila Berbasis AI” (agt/agt).