Selama enam bulan terakhir, chatbot, seperti ChatGPT, dan image generator, seperti Midjourney dengan cepat menjadi fenomena.
Namun, kecerdasan buatan (AI) atau model-model “machine learning” telah lama berkembang.
Dalam panduan sederhana ini, kita akan menjelajahi berbagai hal di luar chatbot untuk menemukan beragam spesies AI – dan melihat bagaimana makhluk digital aneh ini telah memainkan peran dalam hidup kita.
Bagaimana AI Belajar?
Kunci untuk semua machine learning adalah proses yang disebut training, yaitu program komputer yang diberikan data dalam jumlah besar – terkadang dengan label yang menjelaskan data apa itu – serta serangkaian instruksi.
Instruksinya mungkin seperti: “temukan semua gambar yang memuat wajah” atau “kategorikan semua suara-suara ini”.
Program itu kemudian akan mencari pola-pola dalam data yang telah diberikan untuk mencapai tujuan tersebut.
Mungkin diperlukan dorongan dalam prosesnya – seperti “itu bukan wajah”atau “dua suara ini berbeda” – namun apa yang dipelajari program dari data dan arahan-arahan yang diberikan kemudian menjadi model AI. Adapun materi pelatihannya menjadi penentu kemampuannya.
Salah satu cara untuk melihat bagaimana proses pelatihan ini bisa menciptakan tipe-tipe AI yang berbeda adalah memikirkan ragam hewan-hewan.
Selama jutaan tahun, alam telah membuat semua hewan mengembangkan kemampuan spesifik. Dengan cara serupa, jutaan siklus yang dijalani sebuah AI melalui data pelatihannya, akan membentuk caranya berkembang dan berujung pada model-model AI khusus.
Lalu, apa saja contoh cara melatih AI untuk mengembangkan kemampuan khusus?
Apa itu chatbot?
mpamakan chatbot seperti kakaktua yang bisa meniru kata-kata yang didengar dengan sedikit pemahaman pada konteksnya tapi tanpa tahu makna sesungguhnya.
Chatbot melakukan hal serupa – meski pada level yang lebih canggih – dan hampir mengubah hubungan kita dengan kata tulisan.
Namun, bagaimana chatbot ini tahu cara menulis?
Ada tipe AI yang disebut model bahasa besar (LLMs) dan dilatih menggunakan teks dalam jumlah besar.
LLM tak hanya mampu membedakan kata per kata, tapi juga sebaris kalimat dan membandingkan penggunaan kata dan frasa dalam sebuah paragraf dengan contoh lain di dalam data pelatihannya.
Dengan membandingkan miliaran kata dan kalimat ini, AI bisa membaca pertanyaan dan menghasilkan jawaban – seperti halnya pesan teks yang memprediksi kalimat ketikan Anda pada ponsel namun dalam skala besar.
Hal menakjubkan mengenai model bahasa besar adalah AI ini bisa mempelajari kaidah bahasa dan mempelajari makna kata tanpa bantuan manusia.
Dapatkah saya bicara dengan AI?
Jika Anda pernah menggunakan Alexa, Siri, atau sistem pengenalan suara lain, maka Anda pernah menggunakan AI.
Bayangkan seekor kelinci dengan kuping besar, beradaptasi untuk menangkap variasi kecil dalam suara.
AI merekam suara ketika Anda bicara, menghilangkan kebisingan latar belakang, memilah suara Anda ke unit-unit fonetik – suara-suara terpisah yang jika disatukan menjadi kata verbal- dan kemudian mencocokkannya dengan perpustakaan bahasa suara.
Suara Anda lantas dijadikan teks sehingga setiap kekeliruan pendengaran bisa dikoreksi sebelum memberikan respons.
Tipe kecerdasan buatan ini dikenal sebagai pemorosesan bahasa alami.
Inilah teknologi di balik segala segala sesuatu, dari saat Anda berkata “Ya” untuk mengonfirmasi transaksi perbankan seluler, sampai ketika Anda bertanya ponsel mengenia cuaca di kota tujuan Anda.
Dapatkah AI memahami gambar?
Pernahkah ponsel Anda mengelompokkan foto-foto Anda menjadi satu berkas berjudul “di pantai” atau “jalan-jalan” ?
Pada saat itulah Anda menggunakan AI tanpa menyadarinya. Sebuah algoritma AI menemukan pola dalam foto-foto Anda dan mengelompokkannya.
Program-program ini dilatih dengan mencermati tumpukan foto, yang dilabeli dengan deskripsi sederhana.
Jika Anda memberikan AI pengenal gambar cukup banyak foto yang dilabeli “sepeda, AI tersebut akan dapat mengenali bentuk sepeda dan membedakannya dengan perahu atau mobil.
Terkadang AI dilatih menemukan perbedaan-perbedaan kecil dalam foto-foto serupa.
Inilah cara kerja teknologi pengenalan wajah, menemukan ciri khas pada wajah Anda yang membuatnya unik jika dibandingkan dengan wajah lain di Bumi.
Algoritma serupa dilatih menggunakan foto pemindaian medis untuk menemukan tumor berbahaya. AI tersebut bisa diperintahkan mencermati ribuan foto pemindaian dalam waktu yang sama bagi seorang ahli untuk melakukan pekerjaan serupa untuk satu foto.
Bagaimana cara AI membuat gambar baru?
Teknologi pengenalan gambar diadaptasi ke dalam model AI sehingga bisa mempelajari kemampuan seperti bunglon yang dapat memanipulasi pola dan warna.
AI yang menghasilkan gambar ini mengumpulkan pola visual yang kompleks dari jutaan foto dan gambar untuk kemudian menciptakan gambar baru.
Anda bisa meminta AI menciptakan foto suatu kejadian yang belum pernah berlangsung – contohnya, foto seseorang berjalan pada permukaan Mars.
Atau, Anda bisa secara kreatif memerintahkan AI membuat gambar aliran tertentu” “Ciptakan lukisan potret manajer sepak bola Inggris bergaya Picasso.”
AI terbaru memulai proses penciptaan gambar baru dengan koleksi piksel berwarna yang acak.
AI tersebut mencermati titik-titik acak untuk menemukan sebuah pola sebagaimana diarahkan dalam pelatihan – pola untuk menciptakan obyek-obyek berbeda.
Pola-pola ini perlahan ditingkatkan dengan menambah lapisan titik-titik acak. Titik yang membuat pola semakin berkembang dipertahankan, sedangkan titik yang tidak berguna dibuang sampai membentuk kemiripan.
Kembangkan pola-pola “permukaan Mars”, “astronaut”, dan “berjalan” sampai kemudian Anda mendapatkan gambar astronaut berjalan pada permukaan Mars.
Karena gambar baru ini dibuat dari lapisan piksel acak, gambar tersebut tidak pernah ada sebelumnya, tapi berdasarkan miliaran pola yang dipelajari dari miliaran gambar dalam pelatihan.
Masyarakat kini mulai mendebatkan apa artinya teknologi ini bagi hak cipta serta etika penciptaan karya seni yang didasari pada kerja keras seniman sungguhan, perancang, dan fotografer.
Apa yang AI ketahui tentang saya?
Beberapa AI hanya berurusan dengan angka, pengumpulan angka, dan pengombinasian angka dalam jumlah banyak untuk menciptakan tumpukan informasi, produk-ptoduk yang bisa sangat bernilai.
Mungkin sudah ada beberapa profil tindakan keuangan dan sosial Anda, terutama yang online, yang dapat digunakan untuk memprediksi perilaku Anda.
Kartu anggota supermarket yang Anda miliki melacak kebiasaan dan selera Anda saat belanja mingguan. Lembaga pemberi kredit melacak berapa banyak uang yang Anda miliki di bank dan utang pada kartu kredit Anda.
Netflix dan Amazon melacak berapa jam konten yang Anda streaming tadi malam. Akun media sosial Anda mengetahui berapa banyak video yang Anda komentari hari ini.
Dan bukan hanya Anda, angka-angka ini ada untuk semua orang, memungkinkan model AI untuk mencari tren sosial.
Model-model AI ini telah membentuk hidup Anda, mulai dari membantu memutuskan apakah Anda dapat memperoleh pinjaman atau kredit rumah, hingga memengaruhi apa yang Anda beli dengan memilih iklan mana yang Anda lihat secara online.
Akankah AI mampu melakukan semuanya?
Apakah mungkin menggabungkan beberapa keterampilan ini menjadi satu model AI hibrida?
Itulah salah satu kemajuan terbaru dalam AI.
Sebutannya AI multimodal yang membuat sebuah model mencari tipe-tipe data berbeda – seperti gambar, teks, audio, atau video – kemudian mengungkap pola baru di antara data-data tersebut.
Pendekatan multimodal inilah salah satu lompatan besar dalam kemampuan ChatGPT ketika model AI-nya diperbarui dari GPT3.5, yang hanya dilatih pada teks, menjadi GPT4, yang juga dilatih dengan gambar.
Konsep model AI tunggal yang dapat memproses segala jenis data dan karenanya melakukan tugas apa pun, mulai dari menerjemahkan antar bahasa hingga merancang obat baru, dikenal sebagai kecerdasan umum buatan (AGI).
Bagi sebagian orang, ini adalah tujuan akhir dari semua penelitian kecerdasan buatan; bagi sebagian lainnya itu adalah jalan menuju semua distopia fiksi ilmiah – ketika kecerdasan buatan jauh melampaui pemahaman manusia sehingga kita tidak lagi dapat mengendalikannya.
Bagaimana AI bisa belajar sendiri?
Pelatihan yang disupervisi adalah metode pelatihan yang sangat kuat, namun banyak terobosan akhir-akhir ini di bidang AI yang memungkinkan pelatihan tidak disupervisi.
Arti sederhananya, penggunaan algoritma kompleks dan data besar membuat AI bisa belajar tanpa arahan manusia.
ChatGPT adalah contoh yang paling banyak diketahui khalayak.
Jumlah teks di internet dan buku digital sangat banyak sehingga hanya dalam waktu beberapa bulan ChatGPT dapat mempelajari cara menggabungkan kata-kata bermakna secara mandiri. Adapun manusia kemudian membantu menyempurnakan hasil responsnya.
Bayangkan, Anda punya tumpukan buku berbahasa asing. Mungkin beberapa di antaranya dilengkapi gambar.
Lambat laun Anda menyadari ada kata yang muncul berulang kali ketika ada gambar atau foto pohon, dan ada kata yang muncul berulang kali saat ada foto rumah.
Dan Anda akan menyadari bahwa kerap ada kata di dekatnya yang mungkin bermakna “sebuah”.
ChatGPT membuat analisis mendalam tentang hubungan antara kata-kata untuk menciptakan model statistik besar yang kemudian dapat digunakan untuk membuat prediksi dan menghasilkan kalimat baru.
AI mengandalkan sejumlah besar daya komputasi yang memungkinkan ia untuk menghafal sejumlah besar kata – tunggal, dalam kelompok, dalam kalimat, dan di seluruh halaman – lalu kemudian membaca dan membandingkan bagaimana kata-kata itu digunakan secara berulang kali sepersekian detik.
Kemajuan pesat yang dibuat oleh model pembelajaran mendalam dalam setahun terakhir telah mendorong gelombang baru antusiasme dan kepedulian terhadap potensi kecerdasan buatan, dan tidak ada tanda-tanda akan melambat.
Harapan dan peringatan sains fiksi sepertinya tiba-tiba merayapi diri kita dan kita menemukan bahwa kita sudah hidup di dunia di mana AI mulai mengungkap kemampuan anehnya yang tidak manusiawi.
Pandangan pakar: Masa depan chatbot
“Dalam 10 tahun, saya pikir kita akan memiliki chatbot yang bekerja sebagai pakar dalam bidang manapun. Jadi Anda bisa bertanya pada dokter ahli, guru ahli, pengacara ahli, apapun yang Anda perlukan sehingga sistem-sistem ini bisa melakukan berbagai hal untuk Anda”.
