Ideinternet.com – Kecerdasan buatan atau artificial intelligence (AI) tengah menjadi tren teknologi paling menjanjikan saat ini. AI telah banyak diadopsi dan memberi dampak besar dalam berbagai sektor.
Untuk bisa mengikuti dan memahami perkembangan AI dengan baik, ada beberapa istilah penting yang perlu diketahui. Istilah-istilah ini sering muncul dalam diskusi dan literatur terkait AI.
Artikel ini akan menjelaskan 10 istilah AI tersebut secara ringkas dan mudah dimengerti, mulai dari pengertian dasar AI, berbagai jenis dan pendekatan AI, hingga isu-isu penting terkait penerapannya.
Dengan memahami 10 istilah berikut, diharapkan pembaca bisa lebih melek AI. Sehingga bisa ikut berpartisipasi dalam adopsi dan diskusi publik terkait dampak serta masa depan teknologi AI yang cerdas ini.
1. Kecerdasan Buatan (Artificial Intelligence)
Kecerdasan buatan atau Artificial Intelligence (AI) adalah cabang ilmu komputer yang fokus pada pembuatan mesin atau komputer cerdas yang mampu menyerupai kemampuan kognitif manusia seperti belajar, menalar, memecahkan masalah dan mengambil keputusan. AI telah ada sejak tahun 1950-an dan terus berkembang pesat hingga saat ini.
Tujuan utama dari AI adalah membangun dan mengembangkan mesin yang dapat berpikir dan bertindak layaknya manusia. Beberapa kemampuan manusia yang coba ditiru melalui AI diantaranya adalah pengenalan pola, pembelajaran otomatis, persepsi visual, pemahaman bahasa alami, penalaran otomatis dan lain sebagainya.
Ada beberapa pendekatan yang biasa digunakan dalam membangun sistem AI, seperti machine learning, deep learning, dan neural network. Semua pendekatan ini pada intinya memanfaatkan data dan algoritma tertentu agar komputer dapat belajar sendiri tanpa diprogram secara manual. Data berperan sangat vital dalam proses ini.
Contoh penerapan AI dalam kehidupan sehari-hari antara lain adalah robot pintar, kendaraan otonom, asisten virtual seperti Siri dan Alexa, sistem rekomendasi produk, deteksi penipuan transaksi, hingga software chatting. Bahkan saat ini sudah ada AI yang mampu menulis cerita, musik, puisi bahkan melukis secara mandiri.
Meski demikian, sehebat apapun, AI hanya bisa menyamai tapi tidak bisa melampaui kecerdasan dan kesadaran manusia. Ia hanyalah alat bantu untuk mempermudah pekerjaan manusia. Terlepas dari perdebatan apakah suatu saat nanti AI bisa menyamai atau bahkan melampaui kecerdasan manusia, yang pasti AI akan terus berevolusi dan memberi manfaat dalam berbagai bidang.
2. Pembelajaran Mesin (Machine Learning)
Pembelajaran Mesin atau Machine Learning adalah sub-bidang ilmu komputer di bawah kecerdasan buatan yang memungkinkan mesin atau komputer untuk secara otomatis belajar dan berimprovisasi dari pengalaman tanpa diprogram secara eksplisit. Tujuannya adalah agar komputer dapat mengerjakan tugas spesifik dengan baik tanpa campur tangan manusia.
Cara kerja machine learning adalah dengan memberi komputer akses ke data dalam jumlah besar, kemudian secara algoritma, komputer menganalisis pola dan tren dalam data tersebut. Berbekal pola dan tren ini, komputer kemudian bisa membuat prediksi atau keputusan secara mandiri ketika dihadapkan pada data atau situasi baru.
Proses di mana komputer belajar secara otomatis dengan menganalisis data inilah yang disebut sebagai pelatihan (training). Semakin banyak dan bervariasi data latihan yang diberikan, semakin baik kualitas sistem machine learning yang dihasilkan. Data latihan juga harus representatif dan akurat agar prediksi yang dihasilkan tidak bias.
Beberapa contoh penerapan machine learning dalam kehidupan sehari-hari antara lain adalah prediksi cuaca, rekomendasi produk di e-commerce, deteksi spam & fraud, prediksi lalu lintas, pengenalan wajah, filter konten di media sosial, hingga diagnosa penyakit.
Dengan semakin meluasnya digitalisasi data di berbagai bidang, penerapan machine learning di masa mendatang diperkirakan akan semakin massif. Hal ini tentu akan makin mempermudah dan mempercepat kerja manusia karena banyak hal yang bisa diotomatisasi. Namun tentu pengawasan manusia tetap diperlukan agar penerapannya tetap bertanggung jawab.
3. Model Bahasa Besar (Large Language Model)
Large Language Model atau model bahasa besar adalah jenis kecerdasan buatan yang difokuskan pada pemahaman bahasa alami manusia. Model ini dilatih dengan teknik machine learning menggunakan dataset tekstual dalam volume sangat besar hingga ratusan miliar kata.
Tujuan dari melatih model ini dengan data dalam jumlah sangat massif adalah agar ia bisa memahami bahasa manusia dalam konteks yang sangat luas, bukan hanya kata per kata. Pemahaman kontekstual inilah yang membuat large language model seakan bisa mengerti maksud dari lawan bicaranya.
Contoh penerapan large language model antara lain adalah chatbot, virtual assistant, auto-generated text, text summarization, language translation hingga essay grading. Beberapa contoh model yang sudah cukup populer saat ini adalah GPT-3, DALL-E 2, dan ChatGPT.
Meski demikian, pemahaman large language model terhadap bahasa manusia masih jauh dari sempurna. Ia masih rentan salah kaprah dan menghasilkan jawaban yang tidak akurat apabila digunakan di luar konteks data latihan. Oleh karena itu, hasil yang dihasilkan selalu perlu diverifikasi kebenarannya.
Di masa mendatang, large language model diperkirakan akan makin canggih karena semakin banyak data tekstual digital yang bisa digunakan sebagai data latihannya. Namun tentu tantangan baru seperti bias, diskriminasi dan keamanan data juga perlu diperhatikan agar penerapannya tetap bertanggung jawab.
4. AI Generatif (Generative AI)
AI Generatif adalah jenis kecerdasan buatan yang mampu menghasilkan konten baru berdasarkan pola dan tren yang telah dipelajari dari data, bukan sekadar mengolah dan memilih data yang sudah ada. Contoh konten yang dapat dihasilkan AI generatif antara lain teks, gambar, audio, video bahkan kode program.
Teknologi inti di balik AI generatif adalah generative adversarial networks (GAN). Cara kerjanya adalah dengan melatih dua model AI, satu bertugas membuat/mensintesis konten baru (generator) dan satu lagi bertugas memfilter konten agar terlihat realistis (discriminator).
Beberapa contoh penerapan AI generatif saat ini antara lain adalah DALL-E 2 untuk generasi gambar, Jasper untuk generasi suara, Sudowrite untuk generasi esai & artikel, Deep Fake untuk modifikasi video dan wajah selebriti.
Meski demikian, seringkali konten buatan AI generatif belum 100% akurat dan masih perlu sentuhan manusia. Misal gambar belum begitu realistic, teks masih amburadul, plot cerita melompat-lompat dan sebagainya. Makin banyak data latihan, hasilnya akan makin baik.
Ke depannya AI generatif diperkirakan akan makin massif digunakan untuk otomasi pembuatan konten digital seperti grafis, artikel, podcast, template website dan lainnya. Ini bisa mempercepat proses kreasi digital. Namun tentu tantangan baru seperti legitimasi kepemilikan konten juga perlu diantisipasi.
5. Halusinasi
Dalam konteks kecerdasan buatan, halusinasi atau istilah kerennya fabrikasi merujuk pada fenomena di mana sistem AI menghasilkan keluaran atau jawaban yang salah, tidak akurat bahkan hoaks dan nonsense karena terbatasnya pengetahuan yang dimilikinya.
Hal ini umum terjadi pada AI generatif seperti DALL-E 2 atau ChatGPT di mana pengetahuan mereka sangat terbatas hanya pada data latihan yang pernah diberikan saat pembuatannya. Apabila ditanya di luar konteks data latihan, maka jawaban yang dihasilkan belum tentu benar.
Contoh fabrikasi yang cukup viral adalah ketika ChatGPT dengan yakinnya menyatakan bahwa tokoh fiktif bernama Blair Waldorf pernah menjadi first lady Amerika Serikat, atau saat DALL-E 2 menghasilkan gambar absurd ketika diminta menggambar presiden Indonesia.
Untuk mengurangi risiko fabrikasi, para peneliti AI terus berupaya menyempurnakan teknologi machine learning agar lebih grounded pada fakta, serta memperbanyak data latihan factual dari sumber tepercaya untuk memperluas pengetahuan sistem AI.
Meski demikian, kesalahan dan fabrikasi mungkin tidak bisa dihilangkan 100%. Maka dari itu, user diingatkan untuk tidak sepenuhnya mempercayai apapun yang dihasilkan sistem AI tanpa dilakukan verifikasi lebih lanjut menggunakan common sense manusia.
6. AI yang Bertanggung Jawab (Responsible AI)
Responsible AI atau AI yang bertanggung jawab adalah sekumpulan praktik dan prinsip dalam merancang, membangun, dan mengimplementasikan sistem kecerdasan buatan agar sejalan dengan nilai etika dan norma yang berlaku di masyarakat.
Tujuannya adalah memastikan bahwa penerapan AI memberi manfaat sebesar-besarnya bagi manusia, tanpa menimbulkan dampak negative seperti bias, diskriminasi, melanggar privacy, keamanan dan hak asasi manusia serta merugikan lingkungan.
Beberapa aspek utama yang diperhatikan dalam responsible AI antara lain adalah akurasi dan performa sistem, bias dan fairness, transparansi, privasi dan keamanan data, mitigasi risiko bahaya, akuntabilitas, ketahanan & keamanan sistem itu sendiri.
Penerapan prinsip ini harus dilakukan secara menyeluruh, tidak hanya pada model AI itu sendiri tapi juga data input, proses pengembangan, antarmuka, infrastruktur, hingga tata kelola data dan sistem secara keseluruhan.
Dengan menerapkan responsible AI, maka manfaat positif dari AI bisa dioptimalkan , sementara risiko negatifnya bisa diminimalisasi. Hal ini akan meningkatkan kepercayaan publik sehingga adopsi AI dapat berjalan cepat dan mulus.
7. Model Multimodal
Model multimodal adalah jenis kecerdasan buatan yang mampu memahami dan mengolah beberapa mode atau jenis data input sekaligus, seperti teks/bahasa, gambar, audio, video, sensor, database, dan lainnya.
Keunggulannya, dengan menerima beragam data input yang saling melengkapi, model multimodal bisa menghasilkan pemahaman yang lebih komprehensif layaknya manusia daripada hanya mengandalkan satu jenis data saja.
Sebagai contoh, untuk menjawab pertanyaan tentang cuaca di suatu lokasi, model multimodal bisa menggabungkan data tekstual, data visual satelit dan radar, data sensor suhu dan tekanan, serta data historis lokasi tersebut agar prediksi cuaca yang dihasilkan lebih akurat.
Model multimodal biasanya dibangun dengan menggabungkan beberapa model AI yang sudah terlatih pada satu tugas dengan satu jenis data tertentu, lalu hasilnya difuse sedemikian rupa sehingga bisa saling melengkapi satu sama lain.
Penerapan model multimodal masih relatif baru tapi diperkirakan akan makin meluas ke depannya seiring makin beragam dan terhubungnya data digital dari berbagai sumber. Ini akan membuat sistem AI lebih canggih dan lebih menyerupai cara berpikir manusia.
8. Prompts
Prompt adalah istilah yang merujuk pada instruksi atau permintaan yang diberikan user kepada sistem kecerdasan buatan agar menghasilkan tanggapan atau output yang diinginkan, baik berupa jawaban, aksi, prediksi, konten tekstual/visual dan lainnya.
Prompt bukan hanya sekedar permintaan, tapi berupa deskripsi yang detil dan jelas menggunakan bahasa alami yang dipahami AI agar bisa bekerja dan merespon dengan tepat seperti yang kita inginkan, sama seperti berkomunikasi dengan manusia.
Misalnya, prompt kepada DALL-E 2 tidak hanya cukup “tolong gambar meja” tapi harus menjelaskan “Gambarlah sebuah meja makan berbahan kayu jati berwarna coklat tua dengan 4 kursi berwarna hitam di sekelilingnya.”
Makin spesifik dan detail prompt yang diberikan, hasil yang didapat juga akan makin memuaskan. Sebaliknya prompt yang terlalu umum dan ambigu bisa menghasilkan respons yang salah kaprah atau tidak relevan.
Agar bisa memberi prompt yang tepat, user mesti paham betul kemampuan dan batasan sistem AI yang digunakan. Prompt yang baik mengasah skill komunikasi, kreativitas dan imajinasi pengguna.
9. Copilot
Copilot adalah istilah untuk menyebut AI assistant atau mitra kerja buatan yang bisa membantu pengguna mengerjakan beragam tugas dan aktivitas digital seperti menulis, coding, analisis data, membuat presentasi dan lainnya.
Ciri khas copilot adalah kemampuannya bekerja sama dan berkomunikasi interaktif dengan pengguna menggunakan bahasa alami layaknya berdiskusi dengan manusia. Ia juga bisa menyesuaikan gaya dan preferensi pengguna.
Beberapa contoh penerapan copilot saat ini antara lain Github Copilot yang membantu programmer menulis code, CopyAI yang membantu penulis menyusun konten, Claude yang membantu customer service menjawab pertanyaan pelanggan.
Karakteristik copilot yang ramah pengguna ini tercipta berkat kemajuan besar pada bidang natural language processing dan human-AI interaction. Model conversational-nya juga dilatih agar selalu memberi jawaban yang bertanggung jawab.
Ke depannya diperkirakan konsep digital copilot akan makin populer menggantikan chatbot statis dan diskusi grup online karena kemampuannya yang personalisasi, interaktif dan kontekstual membuat pengalaman pengguna jauh lebih menyenangkan.
10. Plugin
Plugin adalah komponen perangkat lunak tambahan yang bisa diinstall pada aplikasi utama untuk memberinya fungsi baru tanpa harus membuat ulang seluruh kode program dari awal. Plugin memungkinkan aplikasi utama untuk berkembang dan meningkat fiturnya.
Dalam konteks kecerdasan buatan, plugin berfungsi memperkaya kemampuan dan pengetahuan sistem AI dengan cara menghubungkannya pada database, API (application programming interface) dan machine learning models lain yang terlatih untuk skill yang dibutuhkan.
Misalnya plugin searching bisa menambahkan kemahaman kontekstual pada chatbot, plugin grammar check bisa meningkatkan akurasi tata bahasa, plugin text to speech mengubah teks jadi suara alami.
Plugin memudahkan developer AI untuk terus meningkatkan dan menyesuaikan fitur tanpa repot melatih ulang seluruh modelnya. Dari sisi pengguna juga bisa memilih plugin mana saja yang perlu digunakan sesuai kebutuhannya.
Kelemahan plugin adalah kompatibilitas dan performanya bergantung pada app utama. Jika app utamanya perlu diperbarui, maka plugin juga harus disesuaikan agar tetap kompatibel. Namun ke depan interoperabilitas antar platform diperkirakan makin membaik.
Penutup
Kecerdasan buatan telah berkembang dengan sangat pesat dalam beberapa tahun terakhir. Beragam capaian luar biasa dihasilkan berkat kemajuan di bidang pembelajaran mesin, jaringan saraf tiruan, data besar, dan komputasi cloud.
Untuk bisa mengikuti perkembangannya, kita perlu memahami berbagai istilah dasar yang kerap muncul dalam literatur dan diskusi seputar AI. 10 istilah penting yang sudah dibahas meliputi: kecerdasan buatan, pembelajaran mesin, model bahasa besar, AI generatif, halusinasi, AI bertanggung jawab, model multimodal, prompts, copilot, dan plugin.
Dengan menguasai konsep dari 10 istilah tersebut, diharapkan semakin banyak pihak yang bisa ikut ambil bagian dalam adopsi AI yang cerdas, bertanggung jawab, dan bermanfaat bagi banyak orang. Tentu saja masih banyak istilah AI lain yang perlu dipelajari, tapi 10 di atas bisa menjadi permulaan yang baik.
Kecerdasan buatan diprediksi akan semakin menyatu dengan berbagai bidang dan aktivitas manusia. Mari terus pantau perkembangannya serta pastikan penerapannya senantiasa selaras dengan nilai kemanusiaan.