Saat pertama kali mulai menggunakan AI beberapa tahun lalu, saya sering bingung dengan berbagai istilah teknis yang bermunculan. Prompt, token, model, hallucinationāsemua terdengar asing dan membingungkan.
Tapi setelah menggunakan ChatGPT dan berbagai tool AI lainnya secara rutin, saya menyadari bahwa memahami istilah-istilah dasar ini benar-benar penting. Bukan untuk terlihat pintar, tapi karena pemahaman ini akan membuat kita jauh lebih efektif dalam menggunakan AI.
Di artikel ini, saya akan jelaskan istilah-istilah AI yang paling sering muncul dan wajib kamu tahu sebagai pemula. Semuanya saya jelaskan dengan bahasa yang sederhana dan mudah dipahami, tanpa jargon teknis yang bikin pusing.
Baca juga: Ini daftar kesalahan yang saya lakukan saat pertama kali menggunakan ChatGPT
Istilah dasar yang harus kamu pahami
AI (Artificial Intelligence)
Kecerdasan buatan yang mampu meniru cara berpikir manusia. Sederhananya, AI adalah sistem komputer yang bisa belajar, memahami, dan membuat keputusan seperti manusia.
Machine Learning
Cabang dari AI di mana komputer belajar dari data tanpa harus diprogram secara eksplisit. Bayangkan seperti mengajari anak kecil mengenali kucing dengan menunjukkan banyak gambar kucing, bukan dengan menjelaskan definisi kucing.
Deep Learning
Teknik machine learning yang menggunakan jaringan neural berlapis-lapis untuk memproses informasi. Ini yang membuat AI modern seperti ChatGPT bisa begitu canggih dalam memahami bahasa kita.
Neural Network
Sistem yang terinspirasi dari cara kerja otak manusia, terdiri dari lapisan-lapisan yang saling terhubung. Setiap lapisan memproses informasi dan meneruskannya ke lapisan berikutnya.
Large Language Model (LLM)
Model AI yang dilatih dengan data teks dalam jumlah sangat besar sehingga bisa memahami dan menghasilkan bahasa manusia. ChatGPT, Gemini, dan Claude adalah contoh LLM.
Prompt
Instruksi atau pertanyaan yang kita berikan ke AI. Kualitas prompt sangat menentukan kualitas jawaban yang kita terima. Karenanya ada banyak artikel di Androbuntu.com yang membahas prompt untuk berbagai keperluan.
Token
Unit terkecil dari teks yang diproses AI. Satu token bisa berupa satu kata, bagian dari kata, atau bahkan satu karakter. AI memproses teks kita dengan memecahnya menjadi token-token.
Training Data
Kumpulan data yang digunakan untuk melatih model AI. Semakin banyak dan berkualitas data pelatihannya, biasanya AI akan semakin pintar.
Fine-tuning
Proses melatih ulang model AI yang sudah ada dengan data spesifik untuk tujuan tertentu. Seperti mengajari seseorang yang sudah bisa memasak untuk menguasai masakan Jepang secara khusus.
Model
Versi atau varian dari AI yang memiliki kemampuan berbeda-beda. Misalnya GPT-4, GPT-3.5, atau Gemini Pro. Setiap model punya kelebihan dan kekurangan masing-masing. namun biasanya model terbaru akan lebih baik dari model yang lebih lama.
Istilah tentang cara kerja AI
Inference
Proses ketika AI menggunakan pengetahuannya untuk menjawab pertanyaan atau menyelesaikan tugas. Ini yang terjadi saat kita mengirim prompt dan menunggu balasan dari AI.
Context Window
Jumlah maksimal teks yang bisa “diingat” dan diproses AI dalam satu percakapan. Kalau sudah melebihi batas ini, AI akan mulai “lupa” informasi yang kamu berikan di awal percakapan.
Temperature
Pengaturan yang menentukan seberapa kreatif atau acak jawaban AI. Temperature rendah membuat jawaban lebih konsisten dan faktual, sedangkan temperature tinggi membuat jawaban lebih kreatif tapi bisa kurang akurat.
Hallucination
Ketika AI memberikan informasi yang terdengar meyakinkan tapi sebenarnya salah atau dibuat-buat. Ini salah satu kelemahan AI yang harus kita waspadai.
Bias
Kecenderungan AI untuk memberikan jawaban yang tidak netral karena data pelatihannya mengandung bias tertentu. Misalnya bias gender, ras, atau budaya.
Overfitting
Kondisi ketika model AI terlalu “hafal” data pelatihannya sehingga tidak bisa bekerja dengan baik pada data baru. Seperti siswa yang hafal soal latihan tapi gagal saat ujian dengan soal berbeda.
Istilah teknis yang sering muncul
API (Application Programming Interface)
Jembatan yang memungkinkan aplikasi lain mengakses kemampuan AI. Banyak developer menggunakan API ChatGPT untuk mengintegrasikan AI ke aplikasi mereka.
Plugin
Ekstensi atau tambahan fitur yang memperluas kemampuan AI. Seperti menambah aplikasi baru di ponsel untuk fungsi spesifik.
Embedding
Cara AI mengubah kata atau kalimat menjadi angka-angka agar bisa dipahami dan diproses. Ini proses teknis yang terjadi di balik layar.
Vector Database
Tempat penyimpanan data dalam bentuk vektor yang memudahkan AI mencari informasi yang relevan dengan cepat. Ini yang membuat AI bisa mengingat konteks percakapan.
Retrieval
Proses AI mencari dan mengambil informasi yang relevan dari database atau sumber tertentu untuk menjawab pertanyaan kita.
RAG (Retrieval Augmented Generation)
Teknik yang menggabungkan kemampuan AI menghasilkan teks dengan kemampuan mencari informasi dari sumber eksternal. Ini membuat jawaban AI lebih akurat dan terkini.
Istilah tentang jenis AI
Generative AI
AI yang bisa menciptakan konten baru seperti teks, gambar, atau musik. ChatGPT dan alat edit foto AI termasuk kategori ini.
Conversational AI
AI yang dirancang khusus untuk bercakap-cakap dengan manusia secara natural. Ini yang kamu rasakan saat mengobrol dengan ChatGPT atau asisten virtual lainnya.
Multimodal AI
AI yang bisa memproses dan menghasilkan berbagai jenis data sekaligusāteks, gambar, suara, dan video. GPT-4 Vision adalah contohnya.
Computer Vision
Kemampuan AI untuk “melihat” dan memahami gambar atau video. Ini yang memungkinkan AI mengenali wajah, membaca teks dalam foto, atau mendeskripsikan isi gambar.
NLP (Natural Language Processing)
Kemampuan AI memahami dan memproses bahasa manusia. Ini dasar dari semua chatbot AI yang kita gunakan sehari-hari.
Istilah lanjutan yang perlu kamu tahu
Transfer Learning
Teknik menggunakan pengetahuan dari satu tugas untuk membantu AI belajar tugas lain yang berbeda. Seperti kemampuan bermain sepak bola yang membantu kita belajar sepak takraw lebih cepat.
Reinforcement Learning
Metode melatih AI dengan sistem reward dan punishment, mirip seperti melatih hewan peliharaan. AI belajar dari trial and error untuk mendapatkan hasil terbaik.
Zero-shot Learning
Kemampuan AI menyelesaikan tugas yang belum pernah diajarkan sebelumnya hanya berdasarkan pemahaman umumnya. Seperti kamu bisa memahami instruksi dalam bahasa asing yang mirip dengan bahasa yang kamu kuasai.
Kenapa memahami istilah ini penting?
Setelah menggunakan AI untuk berbagai keperluanādari mengedit foto hingga membantu pekerjaan sehari-hariāsaya menyadari bahwa memahami istilah-istilah ini membuat saya jauh lebih efektif.
Ketika saya tahu apa itu hallucination, saya jadi lebih berhati-hati memverifikasi informasi dari AI. Saat memahami konsep prompt engineering, saya bisa membuat instruksi yang lebih baik dan mendapat hasil lebih memuaskan.
Kamu tidak perlu hafal semua istilah ini dalam semalam. Cukup pahami konsep dasarnya dulu, lalu seiring waktu kamu akan semakin familiar saat terus menggunakan AI.
Yang paling penting adalah jangan takut untuk mencoba. Mulai gunakan ChatGPT atau tool AI lainnya untuk tugas sederhana. Seiring pengalaman, pemahaman kamu tentang istilah-istilah ini akan berkembang secara natural.
Saya sendiri masih terus belajar sampai sekarang. Dunia AI berkembang sangat cepat, dan selalu ada hal baru untuk dipelajari. Tapi dengan memahami fondasi dasar ini, kamu sudah punya bekal yang cukup untuk mulai mengeksplorasi kemampuan AI dengan percaya diri.
Jadi mulai sekarang, jangan ragu untuk bereksperimen dengan AI. Coba berbagai prompt yang berbeda, lihat hasilnya, dan pelajari dari pengalaman. Karena cara terbaik memahami AI adalah dengan menggunakannya langsung.
