Mungkin anda sudah bersentuhan dengan aplikasi kecerdasan buatan generatif (Generative AI), daripada menjana imej hingga mendapatkan nasihat tentang persediaan temu duga AI.
ChatGPT, produk utama OpenAI, serta alternatif ChatGPT yang hebat seperti Google Gemini, Microsoft Copilot dan Claude by Anthropic, adalah contoh tipikal model AI generatif.
Teknologi AI generatif telah meresap ke dalam kehidupan peribadi dan profesional ramai orang, menjadi bahagian yang amat diperlukan. Tetapi apakah sebenarnya AI generatif (biasanya disingkatkan sebagai GenAI)? Bagaimanakah ia berbeza dengan jenis kecerdasan buatan yang lain? Bagaimanakah ia berfungsi? Jika anda belum sempat bertanya kepada ChatGPT, artikel ini akan menjawab soalan-soalan tersebut untuk anda.
Apakah AI Generatif?
Mungkin melanggar etika saya sebagai seorang wartawan, tetapi di sini, saya memutuskan untuk meminta bantuan ChatGPT untuk mentakrifkan AI generatif:
“AI generatif ialah kecerdasan buatan yang mencipta kandungan baharu, seperti teks, imej, muzik atau kod, dengan mempelajari corak daripada data sedia ada. Ia menggunakan model seperti rangkaian permusuhan generatif (GAN) dan transformer untuk menjana output yang realistik dan seperti manusia, dengan itu menyokong aplikasi kreatif dalam seni, reka bentuk, penulisan dan bidang lain.”
Atau, secara ringkasnya: AI yang menjana kandungan ialah AI generatif.
Walaupun istilah "AI generatif" hanya popular sejak kebelakangan ini, konsepnya telah wujud sejak sekian lama. Seawal tahun 1950-an, saintis komputer Arthur Samuel mencadangkan istilah "pembelajaran mesin", yang boleh dilihat sebagai pelopor kepada AI generatif.
Walaupun penyelidikan dan penerokaan berterusan selama beberapa dekad, kemajuan terbesar dalam AI generatif seperti yang kita ketahui hari ini muncul sedekad yang lalu, terima kasih kepada rangkaian permusuhan generatif (GAN, seperti yang dinyatakan dalam definisi di atas) yang dibangunkan oleh jurutera Ian Goodfellow.
Ini diikuti oleh "seni bina transformer" yang dicadangkan oleh saintis Google pada tahun 2017, yang menjadi asas kepada alat AI generatif yang paling biasa digunakan hari ini.
Contoh Aplikasi AI Generatif
Jika anda pernah menggunakan alat chatbot yang popular seperti ChatGPT, Gemini, Copilot atau Claude, maka anda telah merasai AI generatif. Sebagai contoh, apabila anda meminta cadangan restoran, bantuan penulisan esei atau surat templat untuk mengadu tentang tuan rumah anda.
Kegunaannya adalah luas, daripada hiburan yang tidak berbahaya (mengarang puisi dan lagu asli, atau menjana imej yang hebat), kepada aplikasi profesional (mencipta pembentangan, mereka bentuk prototaip produk, merangka strategi), dan juga berpotensi untuk menyelamatkan nyawa (penemuan ubat).
Banyak trend media sosial - seperti memvisualisasikan diri anda sebagai anak patung, atau menukar anjing peliharaan anda menjadi manusia - adalah produk AI generatif.
Walau bagaimanapun, AI generatif juga digunakan untuk tujuan yang tidak wajar. "Deepfake" digunakan untuk menyebarkan maklumat palsu, merosakkan reputasi orang lain, atau mencipta "gambar bogel" untuk penipuan pemerasan seks. Inilah salah satu sebab mengapa penyebaran pesat AI generatif membimbangkan ramai orang, terutamanya apabila teknologi ini menjadi semakin realistik dan mudah digunakan.
Bagaimana AI Generatif Berfungsi
Yakinlah, saya tidak akan menyelidiki kerumitan pemodelan kebarangkalian dan output berdimensi tinggi. Sebenarnya, secara ringkasnya, anda boleh menganggap model AI generatif melaksanakan dua fungsi teras.
Tugas utama adalah untuk mempelajari corak daripada set data yang besar. Set data ini termasuk teks, imej, halaman web, kod dan apa sahaja yang boleh dimasukkan ke dalam model; ini biasanya dipanggil "latihan".
Kemudian, model AI mengenal pasti corak dalam data ini, memperoleh pengetahuan dan pemahaman tentang teknologi dengan berkesan. Sebagai contoh, jika model itu dimasukkan dengan 100 novel seram terhebat sepanjang zaman, ia akan merujuk silang data ini, mengekstrak struktur, bahasa, tema dan teknik naratif yang sama yang dikongsi oleh buku-buku ini.
Seterusnya, ia akan menggunakan latihan ini untuk menjana kandungan baharu. Oleh itu, apabila anda meminta ChatGPT untuk merancang percutian anda yang seterusnya, ia akan mengekstrak semua maklumat yang telah dikumpulkannya dan menggunakan kaedah yang dipanggil "mempelajari taburan kebarangkalian" untuk menulis jawapan.
Untuk respons bertulis, ia melakukannya perkataan demi perkataan, menggunakan data yang telah diperolehnya untuk memilih perkataan seterusnya yang paling sesuai dalam ayat itu. Atau untuk imej, alat AI generatif yang menggunakan model berasaskan transformer akan menerima warna dan komposisi imej sebenar yang tidak terkira banyaknya yang pernah dilihatnya. Contohnya, meminta Midjourney untuk mencipta kartun, ia mungkin mempertimbangkan semua sampel latihan yang telah diterimanya sebelum ini untuk menjana kandungan yang tepat seperti yang diminta.
Orang ramai sering mengelirukan istilah "kecerdasan buatan" dan "kecerdasan buatan generatif". Kecerdasan buatan ialah istilah umum yang merangkumi semua bentuk kecerdasan buatan. Kecerdasan buatan generatif ialah cabang kecerdasan buatan yang secara khusus merujuk kepada alatan kecerdasan buatan yang boleh menjana kandungan.
Komputer catur IBM "Deep Blue" ialah contoh terkenal yang mengalahkan Garry Kasparov - salah seorang pemain catur terhebat dalam sejarah - pada tahun 1997. "Deep Blue" menggunakan apa yang dipanggil kecerdasan buatan simbolik untuk mempelajari langkah, menilai permainan dan membuat keputusan strategik, tetapi ia tidak boleh diklasifikasikan sebagai kecerdasan buatan generatif kerana ia tidak mencipta apa-apa yang baharu.
Satu lagi contoh biasa kecerdasan buatan bukan generatif ialah kecerdasan buatan diskriminatif. Ia digunakan dalam perisian pengecaman wajah untuk mengumpulkan foto dalam album telefon pintar anda, atau mengenal pasti spam dan menyembunyikannya daripada peti masuk anda.
Oleh itu, walaupun chatbot seperti ChatGPT, Copilot dan Gemini sememangnya tergolong dalam kategori kecerdasan buatan yang luas, lebih tepatnya, ia diklasifikasikan sebagai model AI generatif.
Cabaran yang Dihadapi oleh AI Generatif
Selain daripada penggunaan jahat AI generatif yang disebutkan di atas, kelemahan lain AI generatif lebih merupakan produk intrinsik cara teknologi itu berfungsi. Model-model ini bagus atau buruk bergantung pada maklumat yang dilatih dengannya. Percaya atau tidak, sejumlah besar maklumat yang lapuk, mengelirukan atau sama sekali salah wujud di Internet - semua maklumat ini boleh diserap oleh chatbot dan kemudian diludahkannya semula sebagai fakta. Ralat ini juga dikenali sebagai "halusinasi".
Atas sebab yang sama, model AI generatif juga boleh jatuh ke dalam perangkap mengukuhkan berat sebelah atau stereotaip. Seperti contoh yang diberikan oleh ChatGPT sendiri: "Model teks ke imej sering mengaitkan profesion seperti "jururawat" dengan wanita, manakala "ketua pegawai eksekutif" dengan lelaki."
Institusi akademik telah bergelut dengan masalah pelajar menggunakan alat seperti ChatGPT untuk menulis esei dan disertasi. Dan cabaran yang ditimbulkannya kepada industri kreatif - adakah AI generatif benar-benar akan menjadikan penulis, pelakon, pemuzik dan artis benar-benar berlebihan? - adalah titik perdebatan yang berlarutan.
AI generatif membentangkan potensi untuk membentuk semula industri kreatif, sambil membangkitkan kebimbangan mengenai impaknya terhadap pasaran buruh. Keupayaan mesin untuk menjana kandungan menimbulkan soalan penting tentang nilai kemahiran dan kreativiti manusia dalam ekonomi masa depan.
Di Sebalik Hype: Trajektori Masa Depan AI Generatif
Walaupun perbincangan mengenai AI Generatif biasanya tertumpu pada keupayaan dan potensi perangkapnya, adalah penting untuk mempertimbangkan implikasinya yang lebih luas dan pertimbangan utama yang membentuk trajektorinya. Berikut ialah beberapa aspek penting yang perlu dipertimbangkan:
Pertimbangan Etika dan Pembangunan Bertanggungjawab
Memandangkan AI Generatif menjadi semakin berkuasa, pertimbangan etika menjadi penting dalam membimbing pembangunan dan penggunaannya. Isu seperti berat sebelah, maklumat salah dan hak harta intelek perlu ditangani dengan teliti untuk memastikan teknologi ini digunakan secara bertanggungjawab dan beretika. Mengutamakan ketelusan, akauntabiliti dan keadilan adalah penting untuk membina kepercayaan dalam sistem AI Generatif dan outputnya.
Kerjasama Manusia dan Mesin
Masa depan AI Generatif bukan terletak pada menggantikan manusia sepenuhnya tetapi pada meningkatkan keupayaan manusia dan memupuk kerjasama manusia dan mesin. Dengan memanfaatkan kekuatan AI untuk mengautomasikan tugas berulang, menjana idea kreatif dan memberikan pandangan, manusia boleh menumpukan pada aktiviti peringkat tinggi yang memerlukan pemikiran kritis, kecerdasan emosi dan kepakaran domain. Pendekatan kerjasama ini boleh membuka potensi baru untuk produktiviti dan inovasi.
Transformasi Industri dan Peluang Baharu
AI Generatif berpotensi untuk mengganggu pelbagai industri, daripada penjagaan kesihatan dan kewangan hingga hiburan dan pendidikan. Dengan mengautomasikan proses, memperibadikan pengalaman dan membuka kemungkinan kreatif baharu, organisasi boleh memanfaatkan AI Generatif untuk meningkatkan kecekapan, mengurangkan kos dan mendapatkan kelebihan daya saing. Memandangkan perniagaan menyesuaikan diri dengan teknologi ini, pergeseran dalam peranan pekerjaan dijangka, mewujudkan peluang baharu yang memerlukan kepakaran untuk membangunkan, menggunakan dan menyelenggara sistem AI Generatif.
Peningkatan Kemahiran dan Pembangunan Tenaga Kerja
Memandangkan AI Generatif menjadi semakin lazim, individu perlu memperoleh kemahiran dan keupayaan baharu untuk berkembang maju dalam pasaran kerja yang sentiasa berubah. Penekanan harus diberikan kepada memupuk kemahiran seperti pemikiran kritis, penyelesaian masalah, kreativiti dan komunikasi, serta pemahaman implikasi etika AI dan penggunaan yang bertanggungjawab. Program peningkatan kemahiran dan latihan boleh membantu pekerja menyesuaikan diri dengan peranan pekerjaan baharu dan memanfaatkan peluang yang ditawarkan oleh AI Generatif.
Menangani Cabaran dan Mengurangkan Risiko
AI Generatif tidak tanpa cabaran dan risiko. Menangani isu seperti berat sebelah, maklumat salah dan penyalahgunaan memerlukan usaha pelbagai aspek, termasuk perlindungan teknikal, rangka kerja kawal selia dan kempen kesedaran awam. Memantau dan menilai kesan sistem AI Generatif secara berterusan adalah penting untuk mengenal pasti dan mengurangkan potensi akibat negatif.
Kesimpulan: Menerima Inovasi Bertanggungjawab
AI Generatif mewakili lompatan ketara dalam kemajuan teknologi, membentangkan potensi besar untuk pelbagai industri dan individu. Dengan menangani pertimbangan etika, mempromosikan kerjasama manusia dan mesin, menerima transformasi industri, melabur dalam peningkatan kemahiran dan menangani cabaran, kita boleh membuka kunci faedah penuh AI Generatif sambil mengurangkan risikonya. Memandangkan kita terus meneroka kemungkinan AI Generatif, adalah penting untuk mendekati inovasi dengan minda yang bertanggungjawab, tertumpu pada manusia dan berpandangan ke hadapan.