Apa itu AI? Glosarium A-to-Z tentang Istilah-Istilah Penting AI pada tahun 2024

Lanskap AI bergerak dengan kecepatan sangat tinggi, jadi Anda akan dimaafkan jika Anda lengah oleh (atau dua) istilah asing. Mengikuti perkembangan jargon AI terkini menjadi semakin penting karena teknologi berdampak pada kehidupan kita sehari-hari dalam lebih banyak cara.

Hal ini terutama berlaku di tempat kerja, di mana literasi AI adalah keterampilan baru yang harus dimiliki oleh para pemberi kerja. Jika Anda tidak mengetahui AGI Anda dari LLM Anda, jangan khawatir. Kami telah menyusun daftar istilah AI populer dari A hingga Z dan menjelaskan arti setiap konsep dalam istilah awam, untuk membantu Anda mempelajari lebih lanjut tentang teknologi yang terus membentuk dunia di sekitar kita.

Dari titik kontak dasar seperti pembelajaran mesin hingga konsep yang lebih kompleks seperti AI kuantum, baca terus untuk mempelajari beberapa istilah menarik dan pelajari lebih lanjut tentang dunia baru kecerdasan buatan yang berani.

Apa itu AI?

Kependekan dari kecerdasan buatan, AI mengacu pada kecerdasan mesin dan bukan kecerdasan makhluk hidup seperti manusia. Sistem AI bekerja dengan menerima data pelatihan dalam jumlah besar, menganalisis data untuk mencari pola, dan menggunakan pola ini untuk menghasilkan keluaran.

Meskipun konsep ini telah ada sejak tahun 1950-an, kecerdasan buatan telah menjadi populer dalam beberapa tahun terakhir karena terobosan yang dilakukan oleh pengembang AI seperti OpenAI . Studi tentang AI sangatlah luas dan terus berkembang setiap tahunnya, jadi bacalah terus untuk mengetahui lebih lanjut tentang kecerdasan buatan dan konsep terkait pada tahun 2024.

A untuk Kecerdasan Umum Buatan (AGI)

AGI adalah jenis AI teoretis yang menunjukkan kecerdasan mirip manusia dan umumnya dianggap sama pintarnya atau lebih pintar dari manusia. Meskipun asal usul istilah ini dapat ditelusuri kembali ke tahun 1997, konsep AGI telah menjadi populer dalam beberapa tahun terakhir karena pengembang AI terus mendorong kemajuan teknologi.

Misalnya, pada bulan November 2023 OpenAI mengungkapkan bahwa mereka sedang mengerjakan model “superintelligence” AI baru dengan nama kode Project Q* , yang dapat membawa perusahaan lebih dekat untuk mewujudkan AGI. Namun perlu ditekankan bahwa AGI masih merupakan konsep hipotetis, dan banyak ahli yakin jenis AI ini tidak akan dikembangkan dalam waktu dekat, atau bahkan selamanya.

B untuk Data Besar

Data besar mengacu pada kumpulan data yang besar dan bervolume tinggi, yang sulit dikelola oleh metode pemrosesan data tradisional. Data besar dan AI berjalan beriringan. Kumpulan informasi mentah yang sangat besar sangat penting untuk pengambilan keputusan dengan AI, sementara algoritme AI yang canggih dapat menganalisis pola dalam kumpulan data dan mengidentifikasi wawasan yang berharga. Ketika bekerja sama, mereka membantu pengguna membuat pengungkapan yang lebih mendalam, jauh lebih cepat dibandingkan melalui metode tradisional.

B untuk Bias

Bias AI terjadi ketika suatu algoritme menghasilkan hasil yang secara sistematis berprasangka buruk terhadap tipe orang tertentu. Sayangnya, sistem AI secara konsisten terbukti mencerminkan bias dalam masyarakat dengan menjunjung tinggi keyakinan yang merugikan dan mendorong stereotip negatif terkait ras, gender, dan identitas nasional.

Bias ini ditekankan dalam artikel Buzzfeed yang sekarang sudah dihapus, yang menampilkan Barbie yang dihasilkan AI dari seluruh dunia. Gambar-gambar tersebut mendukung berbagai stereotip rasial, dengan menampilkan boneka Karibia yang terlalu seksual, Barbie berkulit putih dari negara-negara selatan, dan boneka Asia dengan pakaian budaya yang tidak akurat.

C untuk ChatGPT

Anda mungkin pernah mendengar yang satu ini, tetapi hal ini tetap penting untuk disebutkan karena tidak ada glosarium AI yang dapat dianggap lengkap tanpa mengacu pada chatbot AI generatif yang mengubah permainan saat diluncurkan pada November 2022.

Singkatnya, ChatGPT adalah produk yang telah mengalihkan perdebatan tentang AI dari ruang server ke ruang tamu. Teknologi ini memanfaatkan kecerdasan buatan seperti yang dilakukan iPhone pada ponsel, membawa teknologi tersebut ke mata publik berkat modelnya yang dapat diakses secara luas.

Seperti yang baru-baru ini kami ungkapkan dalam laporan Dampak Teknologi di Tempat Kerja , ChatGPT merupakan alat AI yang paling banyak digunakan oleh bisnis – dan bahkan mungkin menjadi kunci untuk mewujudkan 4 hari kerja dalam seminggu .

Pengaruhnya mungkin memudar seiring berjalannya waktu, namun dunia AI akan selalu dilihat dari sudut pandang sebelum dan sesudah lahirnya ChatGPT.

C untuk Menghitung

Singkatan dari 'kekuatan komputasi', komputasi mengacu pada sumber daya komputasi yang diperlukan untuk melatih model AI guna melakukan tugas seperti pemrosesan data dan membuat prediksi. Biasanya, semakin banyak kekuatan bersaing yang digunakan untuk melatih LLM, semakin baik kinerjanya.

Namun, daya komputasi bergantung pada banyak konsumsi energi, sehingga memicu kekhawatiran di kalangan aktivis lingkungan. Misalnya, penelitian telah mengungkapkan bahwa dibutuhkan 1GWh energi untuk menggerakkan respons ChatGPT setiap hari, yang merupakan energi yang cukup untuk memberi daya pada 30.000 rumah tangga di AS.

D untuk Difusi

Model difusi mewakili tingkat pembelajaran mesin baru, yang mampu menghasilkan gambar superior yang dihasilkan AI. Model ini bekerja dengan menambahkan gangguan ke kumpulan data sebelum belajar membalikkan proses ini.

Dengan memahami konsep abstraksi di balik gambar, dan membuat konten dengan cara baru, model difusi menghasilkan gambar yang lebih tajam dan halus dibandingkan dengan model AI tradisional, dan saat ini sedang diterapkan di berbagai alat gambar AI seperti Dall -E dan Difusi Stabil.

E adalah untuk Kemampuan Muncul

Perilaku yang muncul terjadi ketika model AI menghasilkan respons yang tidak terduga di luar niat penciptanya. Sebagian besar AI sangat rumit sehingga proses pengambilan keputusan masih belum dapat dipahami oleh manusia, bahkan penciptanya. Dengan model AI yang menonjol seperti GPT4 yang baru-baru ini menunjukkan kemampuan baru, para peneliti AI semakin berupaya untuk memahami bagaimana dan alasan di balik model AI.

F untuk Pengenalan Wajah

Teknologi pengenalan wajah mengandalkan AI, algoritma pembelajaran mesin, dan teknik visi komputer untuk memproses gambar diam dan video wajah manusia. Karena AI dapat mengidentifikasi detail wajah yang rumit dengan lebih efisien daripada metode manual, sebagian besar sistem pengenalan wajah menggunakan jaringan saraf tiruan yang disebut jaringan saraf konvolusional (CNN) untuk meningkatkan akurasinya.

G untuk AI Generatif

AI Generatif adalah istilah umum yang menggambarkan semua jenis AI yang menghasilkan konten asli seperti teks, gambar, dan klip audio. AI generatif menggunakan informasi dari LLM, dan model AI lainnya, untuk menghasilkan keluaran, dan memperkuat respons yang dibuat oleh chatbot seperti ChatGPT, Gemini, dan Grok,

H untuk Halusinasi

Chatbots tidak selalu menghasilkan respons yang benar atau masuk akal. Seringkali, model AI menghasilkan informasi yang salah namun menyajikannya sebagai fakta. Ini disebut halusinasi AI. Halusinasi terjadi ketika model AI membuat prediksi berdasarkan kumpulan data yang dilatihnya, alih-alih mengambil fakta sebenarnya.

Kebanyakan halusinasi AI bersifat kecil dan bahkan mungkin diabaikan oleh rata-rata pengguna. Namun, terkadang halusinasi dapat menimbulkan konsekuensi yang berbahaya, karena respons palsu yang dihasilkan oleh ChatGPT sebelumnya telah dieksploitasi oleh penipu untuk mengelabui pengembang agar mengunduh kode berbahaya.

Saya mendukung Ledakan Intelijen

Mirip dengan AGI, ledakan intelijen merupakan skenario hipotetis di mana perkembangan AI menjadi tidak terkendali dan sebagai akibatnya menimbulkan ancaman bagi umat manusia. Disebut juga sebagai “singularitas”, istilah ini mewakili ancaman eksistensial yang dirasakan banyak orang karena kemajuan teknologi yang pesat dan sebagian besar tidak terkendali.

J untuk Jailbreak

Jailbreaking adalah bentuk peretasan dengan tujuan melewati perlindungan etis model AI. Khususnya, ketika perintah tertentu dimasukkan ke dalam chatbots, pengguna dapat menggunakannya tanpa batasan apa pun.

Menariknya, penelitian terbaru oleh Brown University menemukan bahwa menggunakan bahasa seperti Hmong, Zulu, dan Scottish Gaelic adalah cara efektif untuk melakukan jailbreak pada ChatGPT. Pelajari cara melakukan jailbreak pada ChatGPT di sini .

J adalah untuk Ketidakamanan Kerja

Ketika AI terus mengotomatiskan proses manual yang sebelumnya dilakukan oleh manusia, teknologi ini memicu ketidakamanan kerja yang meluas di kalangan pekerja. Meskipun sebagian besar pekerja tidak perlu khawatir, laporan Tech.co Impact of Technology on the Workplace kami baru-baru ini menemukan bahwa peran optimalisasi rantai pasokan, penelitian hukum, dan analisis keuangan kemungkinan besar akan digantikan oleh AI pada tahun 2024.

L untuk Model Bahasa Besar (LLM)

LLM adalah jenis model AI khusus yang memanfaatkan pemrosesan bahasa alami (NLP) untuk memahami dan menghasilkan respons alami dan mirip manusia. Sederhananya, jadikan alat seperti ChatGPT tidak terdengar seperti bot, dan lebih mirip Anda dan saya.

Tidak seperti AI generatif, LLM dirancang khusus untuk menangani tugas-tugas terkait bahasa. Contoh LLM populer yang mungkin pernah Anda dengar meliputi GPT-4, PaLM 2, dan Gemini .

M untuk Pembelajaran Mesin

Pembelajaran mesin adalah bidang kecerdasan buatan yang memungkinkan sistem belajar dan berkembang dari pengalaman, dengan cara yang mirip dengan manusia. Secara khusus, hal ini berfokus pada penggunaan data dan algoritme dalam AI, dan bertujuan untuk meningkatkan cara model AI dapat belajar secara mandiri dan mengambil keputusan di lingkungan dunia nyata.

Meskipun istilah ini sering digunakan secara bergantian dengan AI, pembelajaran mesin adalah bagian dari payung AI yang lebih luas, dan hanya memerlukan sedikit campur tangan manusia.

N untuk Jaringan Neural

Jaringan saraf (NN) adalah model pembelajaran mesin yang dirancang untuk meniru struktur dan fungsi otak manusia. Jaringan saraf tiruan terdiri dari beberapa tingkatan dan terdiri dari unit-unit yang disebut neuron buatan, yang secara longgar meniru neuron yang ditemukan di otak.

Juga disebut sebagai jaringan saraf dalam, NN memiliki beragam aplikasi berguna dan dapat digunakan untuk meningkatkan pengenalan gambar, pemodelan prediktif, dan pemrosesan bahasa alami.

O untuk AI Sumber Terbuka

AI sumber terbuka mengacu pada teknologi AI yang memiliki kode sumber yang tersedia secara gratis. Tujuan utama AI sumber terbuka adalah untuk menciptakan budaya kolaborasi dan transparansi dalam komunitas kecerdasan buatan, yang memberikan kebebasan lebih besar bagi perusahaan dan pengembang untuk berinovasi dengan teknologi.

Banyak produk AI sumber terbuka yang tersedia saat ini merupakan variasi dari aplikasi yang sudah ada, dan kategori produk umum mencakup chatbot, alat terjemahan mesin, dan model bahasa besar.

P adalah untuk Anjuran

Jika Anda masih asing dengan alat seperti Gemini dan ChatGPT, prompt adalah instruksi atau kueri yang Anda masukkan ke chatbots untuk mendapatkan respons yang ditargetkan. Perintah tersebut dapat berupa perintah yang berdiri sendiri atau dapat menjadi titik awal untuk percakapan yang lebih panjang dengan model AI.

Perintah AI dapat berbentuk apa pun yang diinginkan pengguna, namun kami menemukan bahwa bentuk yang lebih panjang dan masukan yang mendetail akan menghasilkan respons terbaik. Menggunakan bahasa yang emosional adalah cara lain untuk menghasilkan jawaban berkualitas tinggi, menurut sebuah studi terbaru oleh Microsoft .

Cari tahu cara membuat kehidupan kerja Anda lebih mudah dengan 40 perintah ChatGPT yang dirancang untuk menghemat waktu Anda di tempat kerja.

P adalah untuk Parameter

Dalam AI, parameter adalah nilai yang mengukur perilaku model pembelajaran mesin. Dalam konteks ini, setiap parameter bertindak sebagai variabel, menentukan bagaimana model akan mengubah masukan menjadi keluaran. Parameter adalah salah satu cara paling umum untuk mengukur kinerja AI, dan secara umum, semakin banyak model AI yang dimiliki, semakin baik model tersebut dalam memahami pola data yang kompleks dan menghasilkan respons yang lebih akurat.

Q adalah untuk Kecerdasan Buatan Kuantum

Quantum AI adalah penggunaan komputasi kuantum untuk komputasi algoritma pembelajaran mesin. Dibandingkan dengan komputasi klasik, yang memproses informasi melalui angka 1 dan 0, komputasi kuantum menggunakan unit yang disebut qubit, yang mewakili angka 1 dan 0 sekaligus. Secara teoritis, proses ini dapat mempercepat kecepatan komputasi secara dramatis.

Dalam kasus AI kuantum, penggunaan qubit berpotensi membantu menghasilkan model AI yang jauh lebih kuat, meskipun banyak ahli percaya bahwa kita masih jauh dari mencapai kenyataan ini.

R untuk Tim Merah

Tim merah adalah sistem pengujian terstruktur yang bertujuan untuk menemukan kelemahan dan kerentanan dalam model AI. Istilah keamanan siber pada dasarnya mengacu pada praktik peretasan etis di mana para pelaku mencoba dan mensimulasikan serangan siber yang sebenarnya, untuk mengidentifikasi potensi titik lemah dalam suatu sistem dan untuk meningkatkan pertahanannya dalam jangka panjang.

Dalam kasus tim merah AI, tidak ada upaya peretasan sebenarnya yang dapat dilakukan, dan tim merah mungkin mencoba menguji keamanan sistem dengan memintanya dengan cara tertentu yang melewati pagar pembatas yang dipasang oleh pengembang, dengan cara serupa untuk melakukan jailbreak.

S adalah untuk Pembelajaran yang Diawasi

Ada dua pendekatan dasar dalam pembelajaran AI: pembelajaran yang diawasi dan pembelajaran tanpa pengawasan. Dikenal juga sebagai pembelajaran mesin yang diawasi, pembelajaran yang diawasi adalah metode pelatihan di mana algoritme dilatih pada data masukan yang telah diberi label untuk keluaran tertentu. Tujuan dari pengujian ini adalah untuk mengukur seberapa akurat kinerja algoritme pada data yang tidak berlabel, dan prosesnya berupaya meningkatkan keakuratan sistem AI secara keseluruhan.

T untuk Data Pelatihan

Secara sederhana, data pelatihan adalah kumpulan data masukan yang sangat luas yang digunakan untuk melatih model pembelajaran mesin. Data pelatihan digunakan untuk mengajarkan model prediksi menggunakan algoritme cara mengekstrak fitur yang relevan dengan tujuan pengguna tertentu, dan merupakan kumpulan data awal yang kemudian dapat dilengkapi dengan data berikutnya yang disebut kumpulan pengujian.

Hal ini merupakan hal mendasar dalam cara kerja AI dan pembelajaran mesin, dan tanpa data pelatihan, model AI tidak akan dapat belajar, mengekstrak informasi berguna, dan membuat prediksi, atau sederhananya, keberadaannya.

U untuk Pembelajaran Tanpa Pengawasan

Berlawanan dengan pembelajaran yang diawasi, pembelajaran tanpa pengawasan adalah jenis pembelajaran mesin di mana model diberikan data yang tidak berlabel dan berantakan serta didorong untuk menemukan pola dan wawasan tanpa kerangka kerja khusus apa pun.

Model pembelajaran tanpa pengawasan digunakan untuk tiga tugas utama, cluttering, yaitu teknik penambangan data untuk mengelompokkan data yang tidak berlabel, asosiasi, metode perolehan lain yang menggunakan aturan berbeda untuk menemukan hubungan antar variabel, dan reduksi dimensi, teknik pembelajaran yang diterapkan ketika jumlah dimensi dalam kumpulan data terlalu tinggi.

X untuk risiko X

Risiko X adalah singkatan dari risiko eksistensial. Lebih khusus lagi, istilah ini berkaitan dengan risiko eksistensial yang ditimbulkan oleh pesatnya perkembangan AI. Orang-orang yang memperingatkan tentang potensi kejadian risiko X percaya bahwa kemajuan yang dicapai di bidang AI dapat mengakibatkan kepunahan manusia atau bencana global jika tidak dikendalikan.

Namun, risiko X bukanlah sebuah keyakinan pinggiran. Faktanya, pada tahun 2023 beberapa pemimpin teknologi seperti Demis Hassabis CEO DeepMind, Ilya Sutskever Salah Satu Pendiri dan Kepala Ilmuwan di OpenAI, dan Bill Gates menandatangani surat yang memperingatkan pengembang AI tentang ancaman eksistensial yang ditimbulkan oleh AI .

Z adalah untuk Pembelajaran Zero-Shot

Pembelajaran zero-shot adalah pengaturan masalah pembelajaran mendalam di mana model AI ditugaskan untuk menyelesaikan tugas tanpa menerima contoh pelatihan apa pun. Dalam pembelajaran mesin, pembelajaran zero-shot digunakan untuk membuat model bagi kelas yang belum diberi label untuk pelatihan.

Dua tahapan pembelajaran zero-shot meliputi tahap pelatihan, dimana pengetahuan ditangkap, dan tahap interferensi, dimana informasi digunakan untuk mengklasifikasikan contoh ke dalam serangkaian kelas baru.