So that you don't lack technology, here are 10 AI terms you need to know
Frequently used AI terms (Photo: Reuters)
- The development of artificial intelligence (AI) has been in development since the 1950s. However, nowadays AI technology is increasingly being felt in various sectors of life.
The government itself, through the Ministry of Communication and Informatics (Kominfo), continues to issue ethical guidelines for the use of AI in Indonesia.
However, a number of AI terms may not be very familiar to the public. Summarized from Microsoft Indonesia, Thursday (30/11/2023), here are 10 AI terms you need to know.
1. Artificial intelligence (Artificial intelligence / AI)
AI is a highly intelligent computer system, which can imitate humans in some ways. For example, understanding what people say, making decisions, translating language, analyzing whether something has a negative or positive tone, and even learning from experience.
It is artificial in nature because its intelligence is created by humans using technology. It works by feeding huge collections of data through algorithms to create models that can automate tasks that would normally require human intelligence and time.
Not infrequently, humans also interact with AI systems. But in most cases, AI works behind the scenes. For example, when it suggests word choices as we type, recommends songs in a music playlist, and provides more relevant information based on our preferences.
2. Machine learning (Machine learning / ML)
Machine learning is a field of computer science under the AI umbrella, in which humans teach a computer system how to do something, by training it to identify patterns and make predictions based on those patterns. The data is run through the algorithm repeatedly, providing different input and feedback each time, to help the machine learn and improve performance during the training process, such as practicing a piano scale 10 million times to be able to read musical notes quickly inlater.
This process helps solve problems that would be difficult or impossible using traditional programming techniques, such as recognizing images and translating languages. That's why large language models (LLM) that use machine learning, such as Bing Chat and ChatGPT suddenly appeared.
3. Large language models (Large language models / LLM)
Large language models, or LLMs, use machine learning techniques to help process language, so they can mimic how humans communicate. The development is based on neural networks, or NNs, which are computing systems inspired by the human brain.
The model is trained using large amounts of text to learn patterns and relationships in language, to help the model use human words. Their problem-solving abilities can be used to translate languages, answer questions in the form of a chatbot, summarize text, and even write stories, poetry, and computer code.
Machines don't have thoughts or feelings, but can sometimes sound like they have opinions of their own, because they have learned patterns that help them respond like humans. LLM is often re-adjusted (fine-tuned) by developers using a process called reinforcement learning from human feedback (RLHF) to help the model produce conversational output that sounds more natural.
4. Generative AI (Generative AI)
Generative AI harnesses the power of large language models to create new things, rather than just repeating or providing existing information. Generative AI learns patterns and structures, and then produces something similar but new.
Generative AI can create things like images, music, text, video, and code. It can be used to create art, write stories, design products, and even help doctors with administrative tasks.
However, it can also be used by bad actors to create fake news, or images that look like photos but are not real. Because of this, technology companies are developing ways to clearly identify AI-generated content.
5. Hallucinations
Generative AI systems can create stories, poems and songs, but sometimes humans want the results of AI to be based on truth. Because AI systems cannot differentiate between real and fake, generative AI can provide inaccurate responses. This phenomenon developers call hallucinations, or in a more accurate term, fabrications.
6. Responsible AI (Responsible AI)
Responsible AI guides humans when trying to design systems that are safe and fair at every level, including machine learning models, software, user interfaces, and the rules and restrictions imposed on accessing applications.
The practice of Responsible AI is an important element because AI systems are often tasked with helping make important decisions involving humans, such as in the fields of education and health. However, because AI is created by humans and trained using data from an imperfect world, it can reflect certain biases.
Therefore, one of the keys to practicing Responsible AI is understanding the data used to train the system and finding ways to overcome its weaknesses, so that the results can reflect society at large, not just certain groups.
7. Multimodal models (multimodal models)
Multimodal models can work with multiple data types or modes simultaneously. He can see pictures, hear sounds, and read words. In other words, multimodal models are true multitaskers! This model can combine all the information to perform tasks such as answering questions about images.
Follow Okezone News on Google News
8. Prompts
Prompts are instructions entered into the system using language, images, or code to give the AI a task. The process is the same as buying a sandwich at a restaurant: you don't just ask for a sandwich, but need to explain the bread, types and quantities of condiments, vegetables, cheese and meat that we want to get a lunch menu that you consider delicious and nutritious.
9. Copilots
Copilot is like a personal assistant that works with you in all kinds of digital applications, helping with tasks like writing, coding, summarizing, and searching for information. Copilot can also help you make decisions and understand large amounts of data.
Recent LLM developments have made it possible to have Copilots that understand everyday human language and provide answers, create content, or take actions, while humans work in different computer programs.
Copilot was built with Responsible AI guidelines to ensure that the technology is safe, secure, and used for good. Just like the copilot on an airplane, the Copilot is not in control – you are. So, Copilot is a tool that can help you be more productive and efficient.
10. Plugins
Plugins are similar to when you add an app to your smartphone : they exist to fill a specific need that may arise, allowing an AI app to do more without having to modify its underlying model. Plugins are what allow Copilot to interact with other software and services.
Plugins can help AI systems access new information, perform complex mathematical calculations, or connect with other programs. Plugins make AI systems more powerful by connecting them to the rest of the digital world.
Biar Gak Gaptek, Ini 10 Istilah AI yang Perlu Kamu Ketahui
Istilah AI yang sering digunakan (Foto: Reuters)
- Perkembangan kecerdasan buatan (AI) sudah dikembangkan sejak tahun 1950-an. Namun dewasa ini teknologi AI sudah semakin terasa di berbagai sektor kehidupan.
Pemerintah sendiri melalui Kementerian Komunikasi dan Informatika (Kominfo) terus menggeber pedoman atau panduan etika penggunaan AI di Indonesia.
Namun demikian, sejumlah istilah AI mungkin belum begitu familiar di masyarakat. Dirangkum dari Microsoft Indonesia, Kamis (30/11/2023), berikut 10 istilah AI yang perlu Anda ketahui.
1. Kecerdasan buatan (Artificial intelligence / AI)
AI adalah sistem komputer yang sangat cerdas, yang dapat meniru manusia dalam beberapa hal. Misalnya memahami apa yang disampaikan orang, membuat keputusan, menerjemahkan bahasa, menganalisis apakah sesuatu bernada negatif atau positif, dan bahkan belajar dari pengalaman.
Sifatnya buatan karena kecerdasannya dibuat oleh manusia menggunakan teknologi. Ia bekerja dengan memasukkan koleksi data yang sangat besar melalui algoritma untuk membuat model yang dapat mengotomatisasi tugas yang biasanya membutuhkan kecerdasan dan waktu manusia.
Tak jarang, manusia juga berinteraksi dengan sistem AI. Tetapi dalam kebanyakan kasus, AI bekerja di balik layar. Contohnya ketika menyarankan pilihan kata saat kita mengetik, merekomendasikan lagu dalam playlist musik, serta memberikan informasi yang lebih relevan berdasarkan preferensi kita.
2. Pembelajaran mesin (Machine learning / ML)
Machine learning merupakan bidang ilmu komputer di bawah payung AI, di mana manusia mengajarkan sistem komputer cara melakukan sesuatu, dengan melatihnya untuk mengidentifikasi pola dan membuat prediksi berdasarkan pola tersebut. Data dijalankan melalui algoritma secara berulang, dengan memberikan masukan dan umpan balik yang berbeda di setiap kalinya, untuk membantu mesin belajar dan meningkatkan performa selama proses pelatihan, seperti berlatih tangga nada piano 10 juta kali agar dapat membaca not musik secara cepat di kemudian hari.
Proses ini sangat membantu memecahkan masalah yang akan sulit atau tidak mungkin dilakukan dengan menggunakan teknik pemrograman tradisional, seperti untuk mengenali gambar dan menerjemahkan bahasa. Itulah mengapa large language model (LLM) yang menggunakan machine learning, seperti Bing Chat dan ChatGPT tiba-tiba muncul.
3. Model bahasa besar (Large language model / LLM)
Large language models, atau LLM, menggunakan teknik machine learning untuk membantu memproses bahasa, agar mereka dapat meniru cara manusia berkomunikasi. Pengembangannya didasarkan pada neural networks, atau NN, yang merupakan sistem komputasi yang terinspirasi oleh otak manusia.
Model dilatih menggunakan teks berjumlah besar untuk mempelajari pola dan hubungan dalam bahasa, guna membantu model menggunakan kata-kata manusia. Kemampuan pemecahan masalah mereka dapat digunakan untuk menerjemahkan bahasa, menjawab pertanyaan dalam bentuk chatbot, merangkum teks, dan bahkan menulis cerita, puisi, serta code komputer.
Mesin tidak memiliki pikiran atau perasaan, tetapi kadang-kadang terdengar seakan memiliki opini sendiri, karena mereka telah mempelajari pola yang membantu mereka merespons layaknya manusia. LLM sering disesuaikan kembali (fine-tuned) oleh developer menggunakan proses yang disebut reinforcement learning from human feedback (RLHF) untuk membantu model menghasilkan output percakapan yang terdengar lebih natural.
4. AI generatif (Generative AI)
Generative AI memanfaatkan kekuatan large language models untuk membuat hal baru, bukan hanya mengulang atau memberikan informasi yang sudah ada. Generative AI mempelajari pola dan struktur, dan kemudian menghasilkan sesuatu yang mirip namun baru.
Generative AI dapat membuat hal-hal seperti gambar, musik, teks, video, dan code. Ia dapat digunakan untuk membuat karya seni, menulis cerita, mendesain produk, dan bahkan membantu dokter mengerjakan tugas administratif.
Namun, ia juga dapat digunakan oleh aktor jahat untuk membuat berita palsu, atau gambar yang terlihat seperti foto tetapi tidak nyata. Karena itu, perusahaan teknologi sedang mengembangkan cara untuk mengidentifikasi konten yang dihasilkan AI dengan jelas.
5. Halusinasi
Sistem generative AI dapat membuat cerita, puisi dan lagu, tetapi kadang-kadang manusia ingin hasil dari generative AI didasarkan pada kebenaran. Karena sistem AI tidak dapat membedakan antara yang nyata dan palsu, generative AI dapat memberikan tanggapan yang tidak akurat. Fenomena ini disebut developer sebagai halusinasi, atau istilah yang lebih akurat, fabrikasi.
6. AI yang bertanggung jawab (Responsible AI)
Responsible AI memandu manusia kala mencoba merancang sistem yang aman dan adil di setiap level, termasuk model machine learning, perangkat lunak, user interface, serta aturan dan batasan yang diberlakukan untuk mengakses aplikasi.
Praktik Responsible AI adalah elemen penting karena sistem AI sering ditugaskan untuk membantu membuat keputusan penting yang menyangkut manusia, seperti dalam bidang pendidikan dan kesehatan. Namun, karena AI dibuat oleh manusia dan dilatih menggunakan data dari dunia yang tidak sempurna, AI dapat mencerminkan bias tertentu.
Karena itu, salah satu kunci dari praktik Responsible AI adalah memahami data yang digunakan untuk melatih sistem tersebut dan mencari cara untuk mengatasi kelemahannya, agar hasilnya dapat mencerminkan masyarakat secara luas, bukan hanya kelompok-kelompok tertentu.
7. Model multimodal (multimodal models)
Model multimodal dapat bekerja dengan berbagai jenis atau mode data secara bersamaan. Ia dapat melihat gambar, mendengarkan suara, dan membaca kata-kata. Dengan kata lain, model multimodal adalah multitasker sejati! Model ini dapat menggabungkan semua informasi untuk melakukan tugas seperti menjawab pertanyaan tentang gambar.
8. Prompts
Prompt adalah instruksi yang dimasukkan ke dalam sistem menggunakan bahasa, gambar, atau code untuk memberi tugas kepada AI. Prosesnya sama seperti membeli sandwich di restoran: Anda tidak hanya meminta sandwich, tetapi perlu menjelaskan roti, jenis dan takaran bumbu, sayuran, keju, serta daging yang kita inginkan untuk mendapatkan menu makan siang yang Anda anggap lezat dan bergizi.
9. Copilots
Copilot seperti asisten pribadi yang bekerja bersama Anda di segala macam aplikasi digital, membantu mengerjakan tugas seperti menulis, coding, merangkum, dan mencari informasi. Copilot juga dapat membantu Anda membuat keputusan dan memahami banyak data.
Pengembangan LLM baru-baru ini memungkinkan hadirnya Copilot yang memahami bahasa sehari-hari manusia dan memberikan jawaban, membuat konten, atau mengambil tindakan, sembari manusia bekerja dalam program komputer yang berbeda.
Copilot dibangun dengan panduan-panduan Responsible AI untuk memastikan bahwa teknologinya aman, terlindungi, dan digunakan untuk hal yang baik. Sama seperti copilot di pesawat, Copilot tidak memegang kendali – Anda lah yang bertanggung jawab. Jadi, Copilot merupakan alat yang dapat membantu Anda lebih produktif dan efisien.
10. Plugins
Plugin mirip dengan ketika Anda menambahkan aplikasi ke smartphone Anda: mereka hadir untuk mengisi kebutuhan tertentu yang mungkin muncul, memungkinkan aplikasi AI melakukan lebih banyak hal tanpa harus memodifikasi model dasarnya. Plugin-lah yang memungkinkan Copilot berinteraksi dengan perangkat lunak dan layanan lain.
Plugin dapat membantu sistem AI mengakses informasi baru, melakukan perhitungan matematika yang rumit, atau terhubung dengan program lain. Plugin membuat sistem AI lebih canggih dengan menghubungkannya ke seluruh dunia digital.