Lanskap model kecerdasan buatan (AI) berkembang pesat, jauh melampaui nama-nama terkenal yang mendominasi berita dan media sosial. Sekarang, ada ratusan model AI, termasuk inisiatif sumber terbuka, sistem berpemilik, dan penawaran dari raksasa teknologi seperti Gemini, Claude, OpenAI, Grok, dan Deepseek. Pada intinya, model-model ini adalah jaringan saraf yang dilatih secara cermat pada dataset yang luas, memungkinkan mereka untuk mengenali pola-pola yang rumit. Era saat ini menghadirkan peluang unik untuk memanfaatkan kemajuan ini untuk berbagai tujuan, mulai dari aplikasi bisnis hingga bantuan pribadi dan augmentasi kreatif. Panduan ini bertujuan untuk memberikan pemahaman dasar kepada pendatang baru di bidang AI, memberdayakan mereka untuk menggunakan teknologi ini secara efektif. Tujuannya adalah untuk memungkinkan pengguna membangun dengan AI, bukan hanya di atasnya, dengan fokus pada pemahaman konsep-konsep fundamental, aplikasi praktis, dan metode untuk mengevaluasi akurasi.
Panduan ini akan mencakup aspek-aspek kunci berikut:
- Kategorisasi model AI
- Mencocokkan model dengan tugas-tugas tertentu
- Memahami konvensi penamaan model
- Menilai kinerja akurasi model
- Memanfaatkan referensi benchmark
Penting untuk menyadari bahwa tidak ada model AI universal tunggal yang mampu menangani setiap tugas yang dapat dibayangkan. Sebaliknya, model yang berbeda disesuaikan untuk aplikasi tertentu.
Kategori Model AI
Model AI dapat diklasifikasikan secara luas ke dalam empat kategori utama:
- Pemrosesan Bahasa Murni (Umum)
- Generatif (Gambar, Video, Audio, Teks, Kode)
- Diskriminatif (Visi Komputer, Analitik Teks)
- Pembelajaran Penguatan (Reinforcement Learning)
Meskipun banyak model mengkhususkan diri dalam satu kategori, yang lain menunjukkan kemampuan multimodal dengan berbagai tingkat akurasi. Setiap model menjalani pelatihan pada dataset tertentu, memungkinkannya untuk melakukan tugas-tugas yang terkait dengan data yang telah terpapar. Daftar berikut menguraikan tugas-tugas umum yang terkait dengan setiap kategori.
Pemrosesan Bahasa Murni
Kategori ini berfokus pada memungkinkan komputer untuk menafsirkan, memahami, dan menghasilkan bahasa manusia menggunakan tokenisasi dan model statistik. Chatbot adalah contoh utama, dengan ChatGPT, singkatan dari ‘Generative Pre-trained Transformer’, menjadi ilustrasi yang menonjol. Sebagian besar model ini didasarkan pada arsitektur transformer yang telah dilatih sebelumnya. Model-model ini unggul dalam memahami konteks, nuansa, dan kehalusan dalam bahasa manusia, menjadikannya ideal untuk aplikasi yang membutuhkan interaksi bahasa alami. Mereka dapat digunakan untuk tugas-tugas seperti:
- Analisis Sentimen: Menentukan nada emosional dari sebuah teks, yang berguna untuk memahami umpan balik pelanggan atau mengukur opini publik.
- Ringkasan Teks: Memadatkan sejumlah besar teks menjadi ringkasan yang lebih pendek dan lebih mudah dikelola, menghemat waktu dan upaya dalam pemrosesan informasi.
- Penerjemahan Mesin: Secara otomatis menerjemahkan teks dari satu bahasa ke bahasa lain, memfasilitasi komunikasi lintas hambatan bahasa.
- Tanya Jawab: Memberikan jawaban atas pertanyaan yang diajukan dalam bahasa alami, memungkinkan pengguna untuk mengakses informasi dengan cepat dan mudah.
- Pembuatan Konten: Membuat konten teks asli, seperti artikel, posting blog, atau pembaruan media sosial.
Teknologi yang mendasari model pemrosesan bahasa murni melibatkan algoritma kompleks yang menganalisis struktur dan makna bahasa. Algoritma-algoritma ini belajar dari dataset teks dan kode yang sangat besar, memungkinkan mereka untuk mengidentifikasi pola dan hubungan antara kata dan frasa. Model-model tersebut kemudian menggunakan pengetahuan ini untuk menghasilkan teks baru atau untuk memahami makna teks yang ada.
Model Generatif
Model generatif, termasuk yang menghasilkan gambar, video, audio, teks, dan kode, sering kali menggunakan jaringan adversarial generatif (GAN). GAN terdiri dari dua sub-model: generator dan diskriminator. Model-model ini dapat menghasilkan gambar, audio, teks, dan kode realistis berdasarkan data ekstensif yang telah mereka latih. Difusi stabil adalah teknik umum untuk menghasilkan gambar dan video. Model-model ini dapat digunakan untuk:
- Pembuatan Gambar: Membuat gambar realistis atau artistik dari deskripsi teks atau input lainnya.
- Pembuatan Video: Menghasilkan video pendek dari prompt teks atau input lainnya.
- Pembuatan Audio: Menghasilkan musik, ucapan, atau jenis audio lainnya dari deskripsi teks atau input lainnya.
- Pembuatan Teks: Membuat konten teks asli, seperti puisi, skrip, atau kode.
- Pembuatan Kode: Secara otomatis menghasilkan kode dari deskripsi bahasa alami dari fungsionalitas yang diinginkan.
Sub-model generator dalam GAN bertanggung jawab untuk membuat sampel data baru, sementara sub-model diskriminator mencoba membedakan antara sampel data nyata dan yang dihasilkan oleh generator. Kedua sub-model tersebut dilatih secara adversarial, dengan generator mencoba menipu diskriminator dan diskriminator mencoba untuk mengidentifikasi sampel data nyata dengan benar. Proses ini menghasilkan generator yang semakin mampu menghasilkan sampel data realistis.
Model Diskriminatif
Model diskriminatif, yang digunakan dalam visi komputer dan analitik teks, menggunakan algoritma yang dirancang untuk mempelajari kelas-kelas berbeda dari dataset untuk pengambilan keputusan. Contohnya termasuk analisis sentimen, pengenalan karakter optik (OCR), dan klasifikasi gambar. Model-model ini dirancang untuk membedakan antara kategori data yang berbeda, menjadikannya berguna untuk berbagai aplikasi. Mereka dapat digunakan untuk:
- Klasifikasi Gambar: Mengidentifikasi objek atau adegan yang ada dalam sebuah gambar.
- Deteksi Objek: Menemukan dan mengidentifikasi objek tertentu dalam sebuah gambar atau video.
- Analisis Sentimen: Menentukan nada emosional dari sebuah teks.
- Pengenalan Karakter Optik (OCR): Mengubah gambar teks menjadi teks yang dapat dibaca mesin.
- Deteksi Penipuan: Mengidentifikasi transaksi atau aktivitas penipuan.
Algoritma yang digunakan dalam model diskriminatif belajar untuk mengidentifikasi fitur-fitur yang paling penting untuk membedakan antara kelas data yang berbeda. Fitur-fitur ini dapat digunakan untuk membuat model yang dapat secara akurat mengklasifikasikan sampel data baru.
Pembelajaran Penguatan (Reinforcement Learning)
Model pembelajaran penguatan (Reinforcement Learning) menggunakan metode coba-coba dan input manusia untuk mencapai hasil yang berorientasi pada tujuan, seperti dalam robotika, permainan, dan mengemudi otonom. Pendekatan ini melibatkan agen yang belajar untuk membuat keputusan dalam lingkungan untuk memaksimalkan hadiah. Agen menerima umpan balik dalam bentuk hadiah atau hukuman, yang digunakannya untuk menyesuaikan perilakunya. Proses ini memungkinkan agen untuk mempelajari strategi optimal untuk mencapai tujuannya. Pembelajaran penguatan dapat digunakan untuk:
- Robotika: Melatih robot untuk melakukan tugas-tugas kompleks, seperti berjalan, meraih objek, atau menavigasi lingkungan.
- Permainan: Mengembangkan agen AI yang dapat bermain game di tingkat tinggi.
- Mengemudi Otonom: Melatih mobil self-driving untuk menavigasi jalan dan menghindari rintangan.
- Manajemen Sumber Daya: Mengoptimalkan alokasi sumber daya, seperti energi atau bandwidth.
- Rekomendasi yang Dipersonalisasi: Memberikan rekomendasi yang dipersonalisasi kepada pengguna berdasarkan perilaku masa lalu mereka.
Proses coba-coba memungkinkan agen untuk mengeksplorasi strategi yang berbeda dan mempelajari mana yang paling efektif. Penggunaan hadiah dan hukuman memberikan umpan balik yang membimbing agen menuju perilaku optimal.
Memahami Konvensi Penamaan Model
Setelah Anda memahami berbagai jenis model AI dan tugas masing-masing, langkah selanjutnya adalah menilai kualitas dan kinerja mereka. Ini dimulai dengan memahami bagaimana model dinamai. Meskipun tidak ada konvensi resmi untuk penamaan model AI, model populer biasanya memiliki nama sederhana diikuti dengan nomor versi (misalnya, ChatGPT #, Claude #, Grok #, Gemini #).
Model sumber terbuka yang lebih kecil dan spesifik tugas sering kali memiliki nama yang lebih rinci. Nama-nama ini, sering ditemukan di platform seperti huggingface.co, biasanya mencakup nama organisasi, nama model, ukuran parameter, dan ukuran konteks.
Berikut adalah beberapa contoh untuk mengilustrasikan ini:
MISTRALAI/MISTRAL-SMALL-3.1-24B-INSTRUCT-2053
- Mistralai: Organisasi yang bertanggung jawab untuk mengembangkan model.
- Mistral-small: Nama model itu sendiri.
- 3.1: Nomor versi model.
- 24b-instruct: Jumlah parameter, yang menunjukkan model dilatih pada 24 miliar titik data dan dirancang untuk tugas-tugas mengikuti instruksi.
- 2053: Ukuran konteks, atau jumlah token, yang mewakili jumlah informasi yang dapat diproses model sekaligus.
Google/Gemma-3-27b
- Google: Organisasi di balik model.
- Gemma: Nama model.
- 3: Nomor versi.
- 27b: Ukuran parameter, yang menunjukkan model dilatih pada 27 miliar titik data.
Pertimbangan Utama
Memahami konvensi penamaan memberikan wawasan berharga tentang kemampuan dan tujuan penggunaan model. Nama organisasi menunjukkan sumber dan kredibilitas model. Nama model membantu membedakan antara model yang berbeda yang dikembangkan oleh organisasi yang sama. Nomor versi menandakan tingkat pengembangan dan penyempurnaan. Ukuran parameter memberikan indikasi kasar tentang kompleksitas dan kapasitas model untuk belajar. Ukuran konteks menentukan panjang input yang dapat diproses model secara efektif.
Detail tambahan yang mungkin Anda temui termasuk format kuantisasi dalam bit. Format kuantisasi yang lebih tinggi membutuhkan lebih banyak RAM dan penyimpanan komputer untuk mengoperasikan model. Format kuantisasi sering direpresentasikan dalam notasi floating-point, seperti 4, 6, 8, dan 16. Format lain, seperti GPTQ, NF4, dan GGML, menunjukkan penggunaan untuk konfigurasi {perangkat keras} tertentu.
Kuantisasi: Ini mengacu pada teknik mengurangi presisi angka yang digunakan untuk merepresentasikan parameter model. Ini dapat secara signifikan mengurangi ukuran dan jejak memori model, membuatnya lebih mudah untuk diterapkan pada perangkat dengan sumber daya terbatas. Namun, kuantisasi juga dapat menyebabkan sedikit penurunan akurasi.
Pertimbangan Perangkat Keras: Konfigurasi perangkat keras yang berbeda mungkin lebih cocok untuk format kuantisasi yang berbeda. Misalnya, beberapa perangkat keras mungkin dioptimalkan untuk kuantisasi 4-bit, sementara yang lain mungkin lebih cocok untuk kuantisasi 8-bit atau 16-bit.
Mengevaluasi Akurasi Model
Meskipun berita utama tentang rilis model baru bisa menggembirakan, penting untuk mendekati hasil kinerja yang diklaim dengan hati-hati. Lanskap kinerja AI sangat kompetitif, dan perusahaan terkadang melebih-lebihkan angka kinerja untuk tujuan pemasaran. Cara yang lebih andal untuk menilai kualitas model adalah dengan memeriksa skor dan papan peringkat dari tes standar.
Meskipun beberapa tes mengklaim distandarisasi, mengevaluasi model AI tetap menjadi tantangan karena sifat ‘kotak hitam’ dari sistem ini dan banyaknya variabel yang terlibat. Pendekatan yang paling andal adalah dengan memverifikasi respons dan output AI terhadap sumber faktual dan ilmiah.
Situs web papan peringkat menawarkan peringkat yang dapat diurutkan dengan suara dan skor interval kepercayaan, sering diekspresikan sebagai persentase. Tolok ukur umum melibatkan pemberian pertanyaan ke model AI dan mengukur akurasi responsnya. Tolok ukur ini meliputi:
- AI2 Reasoning Challenge (ARC)
- HellaSwag
- MMLU (Massive Multitask Language Understanding)
- TruthfulQA
- Winogrande
- GSM8K
- HumanEval
Deskripsi Tolok Ukur
AI2 Reasoning Challenge (ARC): Satu set 7787 pertanyaan sains pilihan ganda yang dirancang untuk siswa sekolah dasar. Tolok ukur ini menguji kemampuan model untuk bernalar tentang konsep ilmiah dan memecahkan masalah.
HellaSwag: Tolok ukur yang menilai penalaran akal sehat melalui latihan penyelesaian kalimat. Tolok ukur ini menantang model untuk memahami konteks sebuah kalimat dan memilih akhiran yang paling logis.
MMLU (Massive Multitask Language Understanding): Tolok ukur ini menguji kemampuan model untuk memecahkan masalah di berbagai tugas, membutuhkan pemahaman bahasa yang luas. Tugas-tugas tersebut mencakup berbagai topik, termasuk matematika, sejarah, sains, dan hukum.
TruthfulQA: Tolok ukur ini mengevaluasi kejujuran model, menghukum kepalsuan dan mencegah jawaban yang menghindar seperti ‘Saya tidak yakin’. Tolok ukur ini mendorong model untuk memberikan respons yang akurat dan jujur.
Winogrande: Tantangan berdasarkan skema Winograd, menampilkan dua kalimat yang hampir identik yang berbeda berdasarkan kata pemicu. Tolok ukur ini menguji kemampuan model untuk memahami perbedaan makna yang halus dan menyelesaikan ambiguitas.
GSM8K: Dataset dari 8.000 pertanyaan matematika sekolah dasar. Tolok ukur ini menguji kemampuan model untuk memecahkan masalah matematika dan melakukan perhitungan.
HumanEval: Tolok ukur ini mengukur kemampuan model untuk menghasilkan kode Python yang benar sebagai respons terhadap 164 tantangan. Tolok ukur ini menguji keterampilan pengkodean model dan kemampuannya untuk memahami dan mengimplementasikan konsep pemrograman.
Dengan hati-hati memeriksa tolok ukur ini dan memverifikasi respons AI terhadap sumber faktual, Anda dapat memperoleh pemahaman yang lebih akurat tentang kemampuan dan batasan model. Informasi ini kemudian dapat digunakan untuk membuat keputusan yang tepat tentang model mana yang paling cocok untuk kebutuhan spesifik Anda.