Apa itu AI Generatif? Panduan Komprehensif

Kecerdasan buatan ada dimana-mana. Kegembiraan, ketakutan, dan spekulasi tentang masa depan teknologi mendominasi berita utama, dan banyak dari kita sudah menggunakan AI untuk aktivitas pribadi dan pekerjaan.

Tentu saja, kecerdasan buatangeneratiflahyang dibicarakan orang-orang ketika merujuk pada alat AI terbaru. Inovasi dalam AI generatif memungkinkan mesin membuat esai, lagu, atau karya seni orisinal dengan cepat berdasarkan permintaan manusia yang sederhana.

Jadi, apa itu AI generatif? Bagaimana cara kerjanya? Dan yang paling penting, bagaimana hal ini dapat membantu Anda dalam upaya pribadi dan profesional Anda?

Panduan ini mendalami dunia AI generatif. Kami membahas berbagai model AI generatif, alat AI yang umum dan berguna, kasus penggunaan, serta kelebihan dan keterbatasan alat AI saat ini. Terakhir, kami mempertimbangkan masa depan AI generatif, arah teknologi ini, dan pentingnya inovasi AI yang bertanggung jawab.

Daftar isi

• Apa itu AI generatif?
• Cara kerja AI generatif
• Model AI generatif
• Alat AI generatif
• Kasus penggunaan AI generatif
• Keuntungan dan manfaat
• Kekurangan dan keterbatasan
• Masa depan AI generatif
• Kesimpulan

Apa itu AI generatif?

AI Generatif mengacu pada cabang pembelajaran mesin di mana model dilatih pada data mentah dalam jumlah besar untuk menghasilkan keluaran asli, seperti teks, gambar, atau konten lainnya.

AI, atau pembelajaran mesin, membuat prediksi yang mungkin terjadi secara statistik berdasarkan data historis. Misalnya, teknik pembelajaran mesin tradisional dapat digunakan untuk memprediksi nada sebuah tulisan dari daftar kemungkinan nada, seperti “formal” atau “lucu”. Teknik ini membangun model properti nada teks berdasarkan banyak contoh dan kemudian menggunakan model tersebut untuk mengevaluasi masukan baru.

Berikut analoginya: Jika seseorang menunjukkan kepada Anda sejuta contoh email formal dan kemudian menunjukkan email baru, Anda mungkin dapat menentukan apakah email tersebut bernuansa formal atau tidak. Dalam waktu yang diperlukan untuk memproses sebuah pemikiran, otak Anda akan mengenali karakteristik tertentu dalam email tersebut—baris subjek, panjangnya, dan kosa kata yang sopan, mungkin—dan menyadari bahwa karakteristik tersebut sesuai dengan model Anda tentang seperti apa bentuk “formal”. Pada tingkat yang sangat tinggi, pembelajaran mesin tradisional bekerja dengan cara yang hampir sama.

Namun bagaimana jika Anda ingin menulis email resmi baru kepada anggota kongres Anda? Ini adalah domain AI generatif. Seperti bentuk pembelajaran mesin lainnya, AI generatif masih dilatih menggunakan contoh untuk membangun model dunia, sehingga memungkinkannya membuat prediksi tentang masukan baru. Namun, model AI generatif biasanya perlu dilatih pada volume data yang jauh lebih besar agar berhasil, dan model itu sendiri juga harus lebih kompleks. Ilmuwan data menggunakan teknologi pembelajaran mesin, yang dikenal sebagai jaringan saraf, untuk membangun model AI generatif.

Untuk menulis email formal kepada anggota kongres, model AI generatif perlu memahami seperti apa bentuk penulisan “formal”, bagaimana struktur email biasanya, dan apa yang dimaksud dengan “anggota kongres”. Hebatnya, tidak ada seorang pun yang melakukan hardcode terhadap konsep-konsep ini atau menjelaskan cara menggabungkannya—model tersebut mempelajari hal ini sendiri dengan dilatih menggunakan teks mentah dalam jumlah yang sangat besar (seperti semua yang ada di internet publik). Hal ini memungkinkannya untuk memprediksi, kata demi kata, email baru yang kemungkinan besar mewakili “email formal untuk anggota kongres Anda.”

Cara kerja AI generatif

Untuk memahami cara kerja AI generatif, mari kita bagi operasinya menjadi beberapa langkah sederhana.

1 Seorang pengguna memasukkan prompt

AI generatif merespons perintah yang dimasukkan oleh manusia. Misalnya, seseorang mungkin memasukkan perintah seperti “Tulis surat penerimaan profesional untuk tawaran pekerjaan sebagai manajer proyek.” Semakin spesifik dan ditulis dengan baik perintahnya, semakin besar kemungkinan model tersebut menghasilkan keluaran yang memuaskan. Anda mungkin mendengar istilahrekayasa cepat, yang mengacu pada proses mengubah frasa perintah atau memasukkan instruksi tambahan untuk mendapatkan hasil yang lebih berkualitas dan akurat dari alat AI generatif.

Perintah tidak selalu diberikan dalam bentuk teks. Tergantung pada jenis sistem AI generatif (lebih lanjut akan dijelaskan nanti dalam panduan ini), perintah dapat diberikan dalam bentuk gambar, video, atau jenis media lainnya.

2 Alat AI generatif menganalisis perintah tersebut

Selanjutnya, AI generatif menganalisis perintah tersebut, mengubahnya dari format yang dapat dibaca manusia menjadi format yang dapat dibaca mesin. Dengan tetap menggunakan teks untuk tujuan contoh ini, model akan menggunakan pemrosesan bahasa alami (NLP) untuk menyandikan instruksi dalam prompt.

Hal ini dimulai dengan memecah potongan teks yang lebih panjang menjadi unit-unit lebih kecil yang disebut token, yang mewakili kata atau bagian kata. Model ini menganalisis token tersebut dalam konteks tata bahasa, struktur kalimat, dan berbagai jenis pola dan asosiasi kompleks lainnya yang dipelajari dari data pelatihannya. Ini bahkan mungkin termasuk perintah yang telah Anda berikan pada model sebelumnya, karena banyak alat AI generatif dapat mempertahankan konteks dalam percakapan yang lebih lama.

3 Alat ini menghasilkan keluaran prediktif

Dengan menggunakan segala sesuatu yang telah dikodekan oleh model tentang perintah tersebut, model tersebut mencoba menghasilkan respons yang paling masuk akal dan mungkin secara statistik. Intinya, model tersebut bertanya pada dirinya sendiri, “Berdasarkan semua yang saya ketahui tentang dunia sejauh ini dan berdasarkan masukan baru ini, apa yang akan terjadi selanjutnya?”

Misalnya, bayangkan Anda sedang membaca sebuah cerita, dan ketika Anda sampai di akhir halaman, tertulis, “Ibuku yang menjawab,” dan kata berikutnya ada di halaman berikutnya. Saat Anda membalik halamannya, menurut Anda kata berikutnya apa yang akan Anda tulis? Berdasarkan apa yang Anda ketahui tentang dunia secara umum, Anda mungkin punya beberapa tebakan. Bisa berupatelepon, tapi bisa juga berupaSMS,panggilan,pintu, ataupertanyaan. Mengetahui apa yang terjadi sebelum ini dalam cerita mungkin membantu Anda membuat tebakan yang lebih tepat juga.

Intinya, inilah yang dilakukan alat AI generatif seperti ChatGPT dengan perintah Anda, itulah sebabnya perintah yang lebih spesifik dan mendetail membantunya menghasilkan keluaran yang lebih baik. Ini memiliki awal sebuah skenario, seperti “Tulis puisi lucu tentang seekor anjing.” Kemudian ia mencoba menyelesaikan ceritanya kata demi kata, menggunakan model dunianya yang kompleks dan hubungan-hubungan di dalamnya. Yang terpenting, alat AI generatif juga melalui apa yang disebut pembelajaran penguatan (reinforcement learning) dengan umpan balik manusia untuk belajar memilih respons yang akan disetujui manusia.

Jika Anda pernah bermain-main dengan alat AI generatif, Anda akan melihat bahwa Anda mendapatkan keluaran yang berbeda setiap saat—bahkan jika Anda menanyakan pertanyaan yang sama dua kali, alat tersebut akan merespons dengan cara yang sedikit berbeda. Pada tingkat yang sangat tinggi, alasannya adalah bahwa sejumlah keacakan adalah kunci untuk membuat respons dari AI generatif menjadi realistis. Jika suatu alat selalu memilih prediksi yang paling mungkin di setiap kesempatan, sering kali alat tersebut akan menghasilkan keluaran yang tidak masuk akal.

Model AI generatif

Ada banyak teknik yang digunakan untuk AI generatif. Pada intinya, mereka semua menggunakan jaringan saraf, yaitu jenis arsitektur yang menyerupai cara kerja otak manusia. Anda mungkin juga mendengar istilahpembelajaran mendalam, yang merujuk pada jaringan saraf dengan lebih dari tiga lapisan (yang semuanya merupakan jaringan saraf di luar lapisan paling dasar).

Jaringan saraf terdiri dari lapisan node yang saling berhubungan. Setiap node memiliki model statistiknya sendiri yang dikhususkan untuk memproses satu aspek masukan berdasarkan apa yang dipelajari dari data pelatihan. Mirip dengan bagaimana bagian-bagian otak didedikasikan untuk tugas-tugas yang berbeda—neuron tertentu mungkin aktif ketika Anda melihat wajah yang familier—bagian-bagian jaringan saraf yang berbeda mengenali pola dan hubungan yang berbeda.

Meskipun setiap keputusan bersifat sederhana (katakanlah, satu titik mungkin berspesialisasi dalam mengenali apakah suatu kata merupakan kata benda atau bukan), prediksi akhir merupakan efek domino dari semua keputusan yang digabungkan untuk menghasilkan keluaran yang sangat kompleks.

Ada berbagai cara ilmuwan data menggunakan jaringan saraf untuk membangun model AI generatif. Beberapa jenis arsitektur yang paling umum adalah:

Jaringan adversarial generatif (GAN) dan autoencoder variasional (VAE): Kedua kelas model ini, yang digunakan untuk menghasilkan gambar, mulai membuat heboh pada pertengahan tahun 2010-an, yang menandakan tren AI generatif saat ini. Dengan GAN, satu jaringan saraf menghasilkan keluaran, dan jaringan lainnya mencoba menentukan apakah keluaran tersebut asli atau palsu—hal ini membuat model menjadi lebih pintar saat dilatih. VAE menghasilkan pengkodean bagian-bagian suatu gambar dan kemudian mengambil sampel bagian-bagian pengkodean tersebut dan mendekodekannya untuk membuat gambar yang benar-benar baru.

Model difusi:Dalam model difusi untuk AI generatif, data pelatihan dimusnahkan melalui penambahan derau Gaussian dan kemudian dipulihkan dengan membalikkan penambahan derau tersebut. Anda dapat menganggap menambahkan noise Gaussian seperti mengacak piksel pada gambar. Kebisingan tersebut bersifat “Gaussian” karena ditambahkan berdasarkan probabilitas yang terletak di sepanjang kurva lonceng. Saat model membalikkan noise, model akan membuat prediksi dengan mendekode probabilitas tersebut, sehingga menghasilkan gambar asli setiap saat, bahkan dengan prompt yang sama.

Model bahasa besar (LLM):Model jenis ini menggunakan arsitektur jaringan saraf yang disebut transformator. Transformer pada dasarnya dapat mempertimbangkan semua kata dalam urutan masukan pada saat yang sama dan mencari tahu keterkaitannya, menjadikannya teknik yang sangat berguna untuk memahami dan menghasilkan teks. Meskipun konsep transformator telah ada sejak tahun 2017, penerapan data pelatihan dalam jumlah besar dan peningkatan kinerja model dengan penguatan manusia telah menghasilkan terobosan yang kita lihat saat ini dengan alat bahasa alami AI generatif.

Model hibrid:Model hibrid menggabungkan komputasi berbasis aturan dengan pembelajaran mesin dan jaringan saraf untuk menghadirkan pengawasan manusia terhadap pengoperasian sistem AI. Pada dasarnya, Anda dapat menggunakan salah satu model AI generatif di atas dan menerapkan sistem berbasis aturan atau logika setelah atau selama pengoperasiannya.

Alat AI generatif

Anda mungkin sudah menggunakan beberapa alat AI generatif yang lebih menonjol untuk pekerjaan, penelitian, atau aktivitas pribadi. ChatGPT OpenAI, misalnya, biasanya digunakan untuk segala hal mulai dari menulis undangan pesta hingga menemukan jawaban atas pertanyaan esoterik dan khusus.

ChatGPT menggunakan LLM untuk memproses perintah bahasa alami pengguna dan memberikan tanggapan percakapan yang lugas. Alat ini menyerupai chatbot atau pertukaran pesan dengan orang sungguhan—sesuai dengan namanya. Gemini Google adalah alat AI generatif lainnya yang menggunakan LLM untuk memberikan respons unik terhadap permintaan pengguna. Ini berfungsi seperti ChatGPT.

LLM bukan satu-satunya jenis AI generatif yang tersedia bagi konsumen. DALL-E, inovasi AI generatif lainnya dari OpenAI, menggunakan model difusi untuk menghasilkan gambar asli. Misalnya, pengguna mungkin meminta DALL-E untuk membuat gambar katak yang menunggangi kuda di lapangan basket dengan gaya fauvist Henri Matisse. Mengandalkan jaringan saraf dan kumpulan data yang luas, alat ini akan membuat gambar asli yang menggabungkan elemen gaya yang diinginkan pengguna dan permintaan khusus untuk konten gambar.

Itu adalah beberapa contoh alat AI generatif yang lebih dikenal luas, namun ada juga beberapa contoh lain yang tersedia. Misalnya, Grammarly adalah alat penulisan AI yang menggunakan AI generatif untuk membantu orang meningkatkan kejelasan dan kebenaran tulisan mereka di mana pun mereka menulis.

Dengan AI generatif Grammarly, Anda dapat dengan mudah dan cepat menghasilkan konten yang efektif dan berkualitas tinggi untuk email, artikel, laporan, dan proyek lainnya. Contohnya termasuk email grup ke departemen Anda yang mengundang mereka ke acara perusahaan atau ringkasan eksekutif untuk dokumen bisnis.

Kasus penggunaan dan aplikasi AI generatif

Potensi penggunaan AI generatif mencakup berbagai industri dan aplikasi, baik profesional maupun pribadi. Berikut beberapa kasus penggunaan AI generatif yang perlu dipertimbangkan.

Kesehatan

• Menghasilkan resep pasien berdasarkan kriteria diagnostik dan catatan dokter
• Menghasilkan ringkasan berdasarkan catatan yang dibuat selama janji temu
• Tugas triase ER atau telehealth—alat AI generatif dapat mencatat gejala pasien dan menghasilkan ringkasan untuk dilihat dokter sebelum bertemu dengan pasien
• Menemukan contoh penipuan asuransi dalam data keuangan pasien dalam jumlah besar

Perbankan dan Keuangan

• Deteksi otomatis potensi aktivitas penipuan
• Menghasilkan perkiraan keuangan
• Memberikan dukungan pelanggan yang terspesialisasi dan bernuansa
• Membuat rencana pemasaran berdasarkan data keuangan tentang kinerja masa lalu dari berbagai produk dan layanan

Pemasaran

• Menghasilkan versi halaman arahan yang berbeda untuk pengujian A/B pada judul dan salinan pemasaran
• Membuat versi unik dari halaman penjualan yang identik untuk lokasi berbeda
• Mendapatkan ide konten baru berdasarkan data kinerja konten yang sudah ada
• Membuat gambar atau infografis baru dengan cepat untuk kampanye pemasaran
• Menghasilkan skor musik unik untuk digunakan dalam video pemasaran

Hiburan dan pertunjukan

• Menciptakan citra unik untuk materi promosi
• Membangun lanskap dan skenario baru yang mendalam untuk realitas virtual
• Pembuatan storyboard cepat untuk skrip atau ide baru dalam film, televisi, atau teater
• Meningkatkan citra yang dihasilkan komputer dengan menggambarkan karakter dalam skenario yang sulit atau tidak mungkin untuk difilmkan

Keuntungan dan manfaat AI generatif

Seperti yang diilustrasikan oleh kasus penggunaan di atas, AI generatif memberikan keuntungan luar biasa dalam hal efisiensi dan otomatisasi. Sederhananya, ini memungkinkan kita melakukan lebih banyak pekerjaan lebih cepat dengan mengotomatisasi aspek pekerjaan yang lebih membosankan.

Manfaat ini mungkin paling jelas terlihat dalam contoh layanan kesehatan, yang mencakup tugas-tugas terkait triase dan administrasi dokter. Dengan mengalihkan aktivitas tersebut ke AI generatif, dokter dapat menangani lebih banyak pasien, menghabiskan lebih banyak waktu dengan setiap pasien, dan memberikan perawatan yang lebih baik.

Bagi pemasar, jumlah waktu yang dihemat oleh AI generatif juga signifikan. Membuat beberapa versi kampanye pemasaran, menyesuaikan pesan dengan demografi yang berbeda, dan menugaskan aset materi iklan visual yang unik membutuhkan banyak waktu bagi pemasar. Melepaskan tugas-tugas tersebut ke AI generatif memberi pemasar bandwidth tambahan yang profesional dan kreatif. Singkatnya, hal ini memungkinkan mereka untuk lebih memusatkan perhatian pada aktivitas yang membutuhkan keahlian mereka.

AI Generatif memungkinkan orang untuk melakukan outsourcing tugas-tugas yang memakan waktu dengan beban kognitif sedang hingga berat ke alat otomatis. Hasilnya adalah waktu tambahan bagi individu tersebut untuk fokus pada aktivitas bernilai tinggi. Manfaat lain dari AI generatif: Dapat menjadi mitra kreatif. Ini dapat membantu orang melakukan brainstorming ide dan strategi baru atau membuat banyak draf kasar dari sebuah tulisan atau seni yang kemudian dapat menjadi inspirasi atau memberikan arahan.

Kekurangan dan keterbatasan AI generatif

AI Generatif adalah teknologi yang menarik, tetapi bukan berarti teknologi tersebut sempurna.

Anda mungkin pernah mendengar tentang pengacara yang, menggunakan ChatGPT untuk penelitian hukum, mengutip kasus fiktif dalam laporan singkat yang diajukan atas nama klien mereka. Selain harus membayar denda yang besar, kesalahan langkah ini juga berpotensi merugikan karier para pengacara tersebut. AI generatif bukannya tanpa kesalahan, dan penting untuk mengetahui apa saja kesalahan tersebut.

Halusinasi

Terkadang, AI generatif melakukan kesalahan. Jika ini terjadi, kita menyebutnya halusinasi.

Meskipun alat AI generatif generasi terbaru biasanya memberikan informasi yang akurat sebagai respons terhadap perintah, penting untuk memeriksa keakuratannya, terutama ketika taruhannya tinggi dan kesalahan memiliki konsekuensi yang serius. Karena alat AI generatif dilatih berdasarkan data historis, alat tersebut mungkin juga tidak mengetahui kejadian terkini atau tidak dapat memberi tahu Anda cuaca hari ini.

Bias

Beberapa alat AI generatif terkemuka mengeluarkan informasi yang mengandung bias ras dan/atau gender. Dalam beberapa kasus, alat tersebut sendiri mengakui adanya prasangka.

Hal ini terjadi karena data pelatihan alat tersebut dibuat oleh manusia: Ada bias yang ada di masyarakat umum dalam data yang dipelajari oleh AI generatif.

Masalah privasi dan keamanan

Sejak awal, alat AI generatif telah menimbulkan masalah privasi dan keamanan. Di satu sisi, perintah yang dikirim ke model mungkin berisi data pribadi sensitif atau informasi rahasia tentang operasi perusahaan. Bagaimana alat-alat ini melindungi data tersebut dan memastikan bahwa pengguna memiliki kendali atas informasi mereka?

Seperti halnya perangkat lunak apa pun, alat AI generatif juga berpotensi diretas. Hal ini dapat mengakibatkan konten tidak akurat sehingga merusak reputasi perusahaan atau membahayakan pengguna. Dan jika Anda mempertimbangkan bahwa alat AI generatif kini digunakan untuk mengambil tindakan independen seperti mengotomatisasi tugas, jelas bahwa mengamankan sistem ini adalah suatu keharusan.

Saat menggunakan alat AI generatif, pastikan Anda memahami tujuan data Anda dan melakukan yang terbaik untuk bermitra dengan alat yang berkomitmen terhadap inovasi AI yang aman dan bertanggung jawab.

Masa depan AI generatif

Bagi organisasi, AI generatif bukan hanya perangkat lunak. Itu adalah anggota junior tim Anda. Hal ini berlaku di hampir semua industri, jadi penting untuk bersiap menghadapi bagaimana AI akan mengubah cara Anda bekerja.

Menurut Gartner, bisnis harus membuat rencana AI yang mempertimbangkan:

• Ambisi peluang:Keuntungan spesifik yang ingin Anda atau organisasi Anda nikmati setelah menerapkan alat AI.
• Penerapan:Putuskan apakah akan menggunakan alat siap pakai, membangun sendiri, atau melatih model menggunakan data milik Anda sendiri.
• Risiko:Organisasi perlu memperhitungkan semua potensi risiko yang melekat pada AI, seperti keandalan, keamanan, dan privasi data.

Menurut IBM, kita juga harus mengharapkan pemerintah di seluruh dunia untuk menjadikan pengelolaan AI sebagai prioritas. Uni Eropa, misalnya, saat ini sedang berupaya untuk mengkategorikan AI ke dalam kategori risiko yang berbeda dan mewajibkan aturan tertentu mengenai penggunaan dan penerapannya.

Dengan mempertimbangkan aktivitas-aktivitas tersebut, penting untuk mempertimbangkan implikasi etis dari AI generatif dan apa artinya mewujudkan pembangunan yang bertanggung jawab. Forum Ekonomi Dunia telah menerbitkan daftar faktor-faktor yang harus dipertimbangkan oleh para inovator AI ketika mengembangkan dan menerapkan sistem AI baru. Ini termasuk:

• Kemanjuran sistem AI sesuai tujuannya
• Ketahanan terhadap ancaman keamanan
• Mitigasi bias untuk menghindari perlakuan tidak adil terhadap kelompok marginal
• Dapat dijelaskan, yang berarti keluaran sistem AI harus dapat dipahami oleh pengguna
• Perlindungan privasi, yang mencakup prinsip minimalisasi data

Intinya adalah AI akan tetap ada. Dalam beberapa bulan dan tahun ke depan, institusi dan pemerintah diharapkan memberikan perhatian yang lebih besar terhadap tantangan inovasi yang bertanggung jawab di dunia AI generatif.

Kesimpulan: Manfaatkan AI generatif semaksimal mungkin

AI generatif adalah kekuatan yang harus diperhitungkan di banyak industri, belum lagi aktivitas pribadi sehari-hari. Ketika individu dan bisnis terus mengadopsi AI generatif ke dalam alur kerja mereka, mereka akan menemukan cara baru untuk meringankan tugas-tugas yang membebani dan berkolaborasi secara kreatif dengan teknologi ini.

Pada saat yang sama, penting untuk menyadari keterbatasan teknis dan masalah etika yang melekat pada AI generatif. Pembangunan yang bertanggung jawab adalah satu hal—dan itu penting—namun penggunaan yang bertanggung jawab juga penting. Selalu periksa kembali apakah konten yang dibuat dengan alat AI generatif benar-benar Anda inginkan. Dan jika Anda tidak mendapatkan apa yang Anda harapkan, luangkan waktu untuk memahami cara mengoptimalkan perintah Anda untuk mendapatkan hasil maksimal dari alat ini. Navigasikan penggunaan AI yang bertanggung jawab dengan pemeriksa AI Grammarly, yang dilatih untuk mengidentifikasi teks yang dihasilkan AI.

Dengan terus mengikuti inovasi terbaru dalam kecerdasan buatan generatif, Anda dapat meningkatkan cara Anda bekerja dan menyempurnakan proyek pribadi Anda. Meskipun menarik, alat AI generasi saat ini hanya menawarkan gambaran sekilas tentang apa yang ada di balik cakrawala.