TEMPO.CO, Jakarta - Raksasa teknologi, Microsoft, kembali merangkum sejumlah istilah mengenai kecerdasan buatan atau AI yang perlu diketahui oleh masyarakat. Teknologi pintar itu semakin populer sejak penghujung 2022, terutama karena sudah terpasang di berbagai perangkat elektronik dan telekomunikasi. Merujuk keterangan tertulis Microsoft pada 4 September 2024, AI pada dasarnya memakai bahasa sehari-hari untuk berinteraksi dengan manusia.

“Beberapa dari kita bahkan telah menggunakan jargon seperti prompt dan machine learning sambil minum kopi bersama teman-teman,” begitu bunyi pernyataan Microsoft.

Pada akhir 2023, Microsoft sempat merangkum 10 istilah AI yang perlu diketahui oleh masyarakat. Kumpulan istilah ini juga terus berkembang, seiring pertumbuhan AI ke level generatif. Berikut ini adalah sepuluh kosa kata AI tingkat lanjut yang dirangkum Microsoft:

Penalaran (reasoning) dan perencanaan (planning)

Komputer yang dilengkapi AI dapat memecahkan masalah dan menyelesaikan tugas lewat pola yang telah dipelajari, serta data historis untuk memahami informasi. Proses ini mirip dengan penalaran atau proses berpikir logis. Sistem AI yang paling canggih dapat mengatasi masalah yang semakin kompleks dengan membuat perencanaan. Ia bisa merancang urutan tindakan yang perlu diterapkan untuk mencapai tujuan tertentu.

Training and inference

Ada dua langkah dasar untuk membuat dan menggunakan sistem AI, yakni pelatihan dan inferensi. Pelatihan adalah aktivitas mendidik sistem AI di dengan sekelompok data. Kecerdasan buatan akan belajar mengerjakan tugas atau membuat prediksi berdasarkan data tersebut. Adapun inferensi adalah cara AI menggunakan pola dan parameter yang telah dipelajari tadi untuk menghasilkan prediksi, misalnya untuk perkiraan harga rumah yang akan dipasarkan di masa depan.

Model bahasa kecil (small language model / SLM)

Model bahasa kecil adalah versi mini dari model bahasa besar. Kedoa model ini memakai pembelajaran mesin alias machine learning untuk mengenali pola dan hubungan, sehingga respons AI lebih realistis dalam bahasa sehari-hari. Jika model bahasa besar membutuhkan daya komputasi dan memori yang besar, SLM seperti Phi-3 dilatih menggunakan dataset lebih kecil yang terkurasi dan memiliki parameter yang lebih sedikit.

Grounding

Sistem AI generatif dapat menyusun cerita, puisi, lelucon, bahkan menjawab pertanyaan penelitian. Namun, AI kesulitan membedakan fakta dan fiksi, serta sulit mengolah data yang ketinggalan zaman. Hal ini berpotensi membuat tanggapan AI tidak akurat. Untuk mengatasinya, pengembang membantu AI berinteraksi dengan dunia nyata secara akurat, melalui proses grounding. Dalam proses tersebut, pengembang menghubungkan dan menambatkan model mereka dengan data dan contoh nyata untuk meningkatkan akurasi.

Retrieval Augmented Generation (RAG)

Ketika developers memberikan akses sistem AI ke sumber grounding tadi, mereka menggunakan metode yang disebut retrieval augmented generation (RAG). Pola RAG menghemat waktu dan sumber daya dengan memberikan pengetahuan tambahan tanpa harus melatih ulang program AI. Sebagai contoh, jika Anda pemilik perusahaan pakaian yang ingin membuat chatbot untuk menjawab pertanyaan konsumen, pola RAG bisa dipakai di katalog produk anda.

Orkestrasi (orchestration)

Untuk memastikan AI melakukan semua tugas dalam urutan yang benar dan memberi respons terbaik, perlu pengaturan lapisan orkestrasi. Sebagai contoh, jika Anda bertanya kepada Microsoft Copilot ‘siapa Ada Lovelace’, kemudian menanyakan Copilot ‘kapan dia lahir’ pada instruksi atau prompt selanjutnya, orkestrator AI akan menyimpan riwayat obrolan Anda untuk melihat bahwa kata ‘dia’ di prompt kedua merujuk pada Ada Lovelace.

Memori AI

Model AI saat ini secara teknis tidak memiliki memori. Namun, program AI dapat mengatur instruksi yang membantu mengingat informasi dengan mengikuti langkah-langkah spesifik dengan setiap interaksi. Contoh hasilnya, AI menyimpan pertanyaan dan jawaban sebelumnya, dalam obrolan secara sementara. Sistem pinter kemudian memasukkan konteks itu dalam permintaan model saat ini, atau menggunakan data grounding, dari pola RAG, untuk memastikan kebaruan respons.

Berikutnya, istilah soal AI generatif yang perlu diketahui <!--more-->

Transformer models dan diffusion models

Salah satu terobosan yang mempercepat kemajuan AI baru-baru ini adalah transformer models. Di antara model AI generatif, tranformer adalah model yang memahami konteks dan nuansa terbaik dan tercepat. Mereka adalah pendongeng yang fasih, memperhatikan pola data dan mempertimbangkan pentingnya input yang berbeda. Ada juga diffusion models yang umumnya digunakan untuk pembuatan gambar, dengan menambahkan sentuhan baru yang kerjanya lebih bertahap.

Frontier models

Sistem skala besar ini mendorong batas-batas AI dan dapat melakukan berbagai macam tugas dengan kemampuan baru yang lebih luas. Perusahaan teknologi, termasuk Microsoft, membentuk Frontier Model Forum untuk berbagi pengetahuan, menetapkan standar keamanan, dan membantu semua orang memahami program AI.

GPU

Singkatan dari graphics processing unit, pada dasarnya adalah kalkulator bertenaga turbo. GPU mulanya dirancang untuk menghaluskan grafis fantastis dalam game, namun kini lebih menjadi otot dari komputasi. Chip GPU memiliki banyak jaringan sirkuit dan transistor yang menangani masalah matematika secara bersama-sama, atau bisa disebut pemrosesan secara paralel. AI sangat memerlukan GPU, baik dalam proses pelatihan dan inferensi.

Pilihan Editor: Kesatuan Perempuan Pesisir Indonesia Tolak Kebijakan Tambang dan Ekspor Pasir Laut Jokowi