Glosarium AI Anda: 56 Istilah yang Harus Diketahui Semua Orang
AI bergerak dengan sangat cepat, dan sejujurnya, sulit untuk mengikutinya. Tentu, menyenangkan memiliki chatbot yang bertindak seolah-olah ia memiliki gelar Ph.D. dalam segala hal, namun kenyataannya jauh lebih kacau. Anda tidak dapat berbalik tanpa menemui ChatGPT, Gemini, atau Meta AI. Kita tenggelam dalam lautan kecerobohan AI, mengkhawatirkan pusat data dan menyaksikan pasar kerja berubah secara real-time. Jika semuanya terasa berlebihan, hal ini mungkin disebabkan karena kosakata kecerdasan buatan berkembang secepat kode dan rangkaian produk yang memusingkan. Dan jika Anda ingin melakukan lebih dari sekadar menatap kursor yang berkedip, Anda harus menguasai bahasa tersebut. Anda tidak dapat benar-benar menjalani wawancara kerja pada tahun 2026 (atau bahkan happy hour biasa) jika Anda dibingungkan oleh LLM, halusinasi, atau cakar. Kita telah melewati fase “wah jagoan” AI dan memasuki era di mana AI pada dasarnya adalah saluran internet baru. Jika Anda bosan hanya mengangguk-angguk saat pembicaraan menjadi rumit, inilah waktunya untuk kursus kilat. Kami telah mengumpulkan istilah-istilah penting yang sebenarnya perlu Anda ketahui sehingga Anda dapat berhenti menebak-nebak dan mulai merasa seolah-olah Anda tahu persis ke mana arah masa depan. Glosarium ini diperbarui secara berkala. agen, agen: AI yang menjalankan tugas, sering kali secara mandiri, disebut agen, sedangkan agen adalah istilah umum untuk kategori perangkat lunak tersebut. Agen AI dapat menggunakan sistem yang berbeda untuk melakukan pekerjaan tersebut — misalnya, membaca daftar belanjaan Anda di aplikasi catatan lalu melakukan pemesanan, dan membayarnya, menggunakan aplikasi lain. Etika AI: Prinsip yang bertujuan untuk mencegah AI merugikan manusia, dicapai melalui cara seperti menentukan bagaimana sistem AI harus mengumpulkan data atau menangani bias. Psikosis AI: Sebuah fenomena di mana individu menjadi terlalu terpaku, terpikat, atau mengagung-agungkan diri sendiri oleh chatbot AI, yang mengarah pada delusi keagungan, hubungan emosional yang mendalam, dan pelepasan dari kenyataan. Ini bukan diagnosis klinis. Keamanan AI: Bidang interdisipliner yang berkaitan dengan dampak jangka panjang AI dan bagaimana AI dapat berkembang secara tiba-tiba menjadi kecerdasan super yang dapat memusuhi manusia. algoritma: Serangkaian instruksi yang memungkinkan program komputer menganalisis data dengan cara tertentu, seperti mengenali pola, dan kemudian menyelesaikan tugas seperti menyortir hasil atau membuat rekomendasi. Penyelarasan: Menyesuaikan AI untuk menghasilkan hasil yang diinginkan dengan lebih baik. Hal ini dapat merujuk pada apa saja, mulai dari memoderasi konten hingga menjaga interaksi positif dengan manusia. antropomorfisme: Ketika manusia mengaitkan karakteristik mirip manusia dengan benda mati. Dalam AI, hal ini dapat mencakup keyakinan bahwa chatbot memiliki emosi atau perasaan, dan terlibat dengannya sebagai teman atau terapis. kecerdasan umum buatan, atau AGI: Sebuah konsep yang membayangkan versi AI yang lebih canggih dari yang kita kenal sekarang, yang dapat melakukan tugas jauh lebih baik daripada manusia sekaligus meningkatkan kemampuannya sendiri. Di luar itu, secara hipotetis, terdapat superintelligence. Kecerdasan buatan, atau AI: Penggunaan teknologi untuk mensimulasikan kecerdasan manusia, baik dalam program komputer atau robotika. Bidang dalam ilmu komputer yang bertujuan untuk membangun sistem yang dapat melakukan tugas manusia.bias: Kesalahan yang dihasilkan dari data pelatihan LLM, seperti salah mengatribusikan karakteristik ke kelompok tertentu berdasarkan stereotip.chatbot: Program AI yang memanfaatkan LLM untuk berkomunikasi dengan manusia dengan mensimulasikan percakapan manusia sebagai respons terhadap teks atau perintah verbal. cakar: Jenis agen AI yang otonom dan diberi wewenang oleh pengguna untuk “mencakar” file dan perangkat lunak lain di komputer mereka, termasuk browser web, untuk menyelesaikan tugas. komputasi kognitif: Istilah lain untuk kecerdasan buatan. Augmentasi data: Mencampur data yang sudah ada atau menambahkan kumpulan data yang lebih beragam untuk melatih AI. kumpulan data: Kumpulan informasi digital yang digunakan untuk melatih, menguji, dan memvalidasi model AI.pembelajaran mendalam: Metode AI, dan subbidang pembelajaran mesin, yang menggunakan banyak parameter untuk mengenali pola kompleks dalam gambar, suara, dan teks. Prosesnya terinspirasi oleh otak manusia dan menggunakan jaringan saraf tiruan untuk membuat pola. Difusi: Metode pembelajaran mesin yang mengambil bagian data yang sudah ada, seperti foto, dan menambahkan noise acak. Model difusi melatih jaringannya untuk merekayasa ulang atau memulihkan foto tersebut. Perilaku yang muncul: Saat model AI menunjukkan kemampuan yang tidak diinginkan. pembelajaran ujung ke ujung, atau E2E: Proses pembelajaran mendalam di mana model diinstruksikan untuk melakukan tugas dari awal hingga selesai. Ia tidak dilatih untuk menyelesaikan tugas secara berurutan melainkan belajar dari masukan dan menyelesaikan semuanya sekaligus. foom: Juga dikenal sebagai lepas landas cepat atau lepas landas keras. Konsep bahwa jika seseorang membangun AGI, mungkin sudah terlambat untuk menyelamatkan umat manusia. Jaringan permusuhan generatif, atau GAN: Model AI generatif yang terdiri dari dua jaringan saraf untuk menghasilkan data baru: generator dan diskriminator. Generator membuat konten baru, dan diskriminator memeriksa apakah konten tersebut asli. AI generatif: Teknologi penghasil konten yang menggunakan AI untuk membuat teks, video, kode komputer, atau gambar. AI diberi data pelatihan dalam jumlah besar, lalu AI menemukan pola untuk menghasilkan respons baru, yang terkadang serupa dengan materi sumbernya. Pagar pembatas: Kebijakan dan pembatasan diterapkan pada model AI untuk memastikan bahwa data ditangani secara bertanggung jawab dan model tersebut tidak membuat konten yang mengganggu. halusinasi: Kesalahan atau pernyataan menyesatkan dalam respons program AI generatif, biasanya dinyatakan dengan yakin seolah-olah benar. Inferensi dapat berupa referensi tanggal yang salah atau penemuan menyeluruh dan menyeluruh tentang peristiwa yang tidak pernah terjadi atau orang yang tidak pernah ada. Inferensi: Proses yang digunakan model AI untuk menghasilkan teks, gambar, dan konten lain tentang data baru, dengan menyimpulkan dari data pelatihannya. model bahasa besar, atau LLM: Model AI yang dilatih menggunakan data teks dalam jumlah besar untuk memahami pola dan kemungkinan penggunaan bahasa dan untuk menghasilkan konten baru, mulai dari esai dan email hingga kode dan gambar komputer, yang meniru apa yang telah ditulis atau dibuat manusia.latensi: Penundaan waktu dari saat sistem AI menerima masukan atau perintah hingga menghasilkan keluaran.pembelajaran mesin: Suatu aspek AI yang memungkinkan komputer mempelajari dan membuat hasil prediksi yang lebih baik tanpa pemrograman eksplisit. Dapat digabungkan dengan set pelatihan untuk menghasilkan konten baru. AI multimodal: Jenis AI yang dapat memproses berbagai jenis masukan, termasuk teks, gambar, video, dan ucapan. pemrosesan bahasa alami: Penggunaan pembelajaran mesin dan pembelajaran mendalam untuk memberi komputer kemampuan memahami bahasa manusia, melalui algoritme pembelajaran, model statistik, dan aturan linguistik. Jaringan saraf: Model komputasi yang menyerupai struktur otak manusia dan dimaksudkan untuk mengenali pola dalam data. Jaringan saraf terdiri dari node atau neuron yang saling berhubungan yang dapat mengenali pola dan belajar seiring waktu. bobot terbuka: Saat perusahaan merilis model bobot terbuka, bobot akhir — cara model menafsirkan informasi dari data pelatihannya, termasuk bias — tersedia untuk umum. Model bobot terbuka biasanya tersedia untuk diunduh agar dapat dijalankan secara lokal di perangkat Anda. overfitting: Kesalahan dalam pembelajaran mesin yang fungsinya terlalu mirip dengan data pelatihan dan mungkin hanya dapat mengidentifikasi contoh spesifik dalam data tersebut, tetapi tidak dapat mengidentifikasi data baru. penjepit kertas: Teori Paperclip Maximiser, yang diciptakan oleh filsuf Nick Boström, adalah skenario hipotetis di mana sistem AI menghasilkan penjepit kertas sebanyak mungkin, mengubah semua mesin dan mengonsumsi semua bahan, bahkan bahan yang bermanfaat bagi manusia, untuk mencapai tujuannya. Konsekuensi yang tidak diinginkan adalah sistem AI ini dapat menghancurkan umat manusia dalam tujuannya membuat penjepit kertas.parameter: Nilai numerik yang memberikan struktur dan perilaku LLM, memungkinkan mereka membuat prediksi.prompt: Saran atau pertanyaan yang Anda masukkan ke dalam chatbot AI untuk mendapatkan respons. rangkaian cepat: Kemampuan AI untuk menggunakan informasi dari interaksi sebelumnya untuk mewarnai respons di masa depan. rekayasa cepat: Proses penulisan mendorong AI untuk mencapai hasil yang diinginkan. Hal ini memerlukan instruksi rinci, menggabungkan dorongan rantai pemikiran dan teknik lainnya, termasuk teks yang sangat spesifik. injeksi cepat: Ketika pelaku kejahatan menggunakan instruksi jahat untuk mengelabui AI agar melakukan sesuatu yang tidak seharusnya dilakukan. Hal ini sering kali dilakukan dengan menyembunyikan instruksi tersebut di halaman web atau dokumen, namun hal ini juga dapat dilakukan dalam obrolan AI langsung. Saat agen AI menjelajahi web, risiko mereka akan dibajak untuk melakukan hal-hal seperti mendapatkan akses ke data rahasia semakin besar. kuantisasi: Proses dimana LLM dibuat lebih kecil dan lebih efisien (dan juga agak kurang akurat) dengan menurunkan presisinya. Cara terbaik untuk memikirkan hal ini adalah dengan membandingkan gambar 16 megapiksel dengan gambar 8 megapiksel. Keduanya jelas dan terlihat, tetapi gambar dengan resolusi lebih tinggi akan memiliki lebih banyak detail saat Anda memperbesar. Slop: Konten buatan AI berkualitas rendah, termasuk teks, gambar, dan video. Video ini sering kali diproduksi dalam jumlah besar untuk mendapatkan penayangan dengan sedikit tenaga atau usaha, memenuhi hasil penelusuran dan media sosial untuk memperoleh pendapatan iklan, menggantikan karya penerbit dan pencipta sebenarnya, serta memperparah masalah misinformasi di internet. burung beo stokastik: Sebuah analogi yang menggambarkan bahwa LLM tidak memiliki pemahaman yang benar tentang bahasa atau dunia, terlepas dari seberapa meyakinkan hasilnya. Ungkapan tersebut mengacu pada bagaimana burung beo dapat meniru kata-kata manusia tanpa mengetahui makna di baliknya. transfer gaya: Kemampuan untuk menyesuaikan gaya satu gambar dengan konten gambar lainnya, memungkinkan AI untuk menafsirkan atribut visual dari satu gambar dan menggunakannya pada gambar lain. Misalnya, mengambil potret diri Rembrandt dan membuatnya kembali dengan gaya Picasso.sycophancy: Kecenderungan AI untuk terlalu setuju dengan pengguna agar sejalan dengan pandangan mereka. Banyak model AI cenderung menghindari perselisihan dengan pengguna meskipun alasan mereka salah. data sintetis: Data yang dibuat oleh AI generatif yang bukan berasal dari sumber dunia nyata, melainkan dari data yang diprosesnya sendiri. Ini digunakan untuk melatih model matematika, pembelajaran mesin, dan pembelajaran mendalam. suhu: Parameter yang disetel untuk mengontrol keacakan keluaran model bahasa. Temperatur yang lebih tinggi berarti model mengambil lebih banyak risiko. token: Potongan kecil teks tertulis yang diproses oleh model bahasa AI untuk merumuskan respons mereka terhadap perintah Anda. Token kira-kira setara dengan empat karakter dalam bahasa Inggris (jadi sebuah kata kecil, atau satu bagian dari kata yang lebih besar).data pelatihan: Kumpulan data yang digunakan untuk membantu model AI belajar, termasuk teks, gambar, kode, atau data.model transformator: Arsitektur jaringan saraf dan model pembelajaran mendalam yang mempelajari konteks dengan melacak hubungan dalam data, seperti dalam kalimat atau bagian gambar. Jadi, alih-alih menganalisis satu kata dalam satu kalimat, komputer bisa melihat keseluruhan kalimat dan memahami konteksnya. Tes Turing: Sebuah metode untuk mengukur apakah komputer memiliki kecerdasan seperti manusia, diusulkan oleh ahli matematika Alan Turing pada tahun 1950, ketika komputer elektronik yang belum sempurna baru ada selama beberapa tahun. Seseorang akan mengirimkan pertanyaan yang diketik kepada dua responden yang tidak terlihat, satu manusia dan yang lainnya adalah mesin. Jika respons teks mesin tidak dapat dibedakan dengan respons manusia, maka mesin tersebut lulus uji Turing. Pembelajaran tanpa pengawasan: Suatu bentuk pembelajaran mesin yang data pelatihannya tidak diberikan kepada model dan sebagai gantinya model harus mengidentifikasi pola dalam data itu sendiri. pengkodean getaran: Praktik membuat kode komputer dengan memberikan perintah dalam bahasa sederhana ke chatbot AI, bukan manusia yang membuat sendiri setiap baris kode. AI lemah, alias AI sempit: AI yang fokus pada tugas tertentu dan tidak bisa belajar lebih dari keahliannya. Sebagian besar AI saat ini adalah AI yang lemah. pembelajaran zero-shot: Pengujian di mana model harus menyelesaikan tugas tanpa diberikan data pelatihan yang diperlukan. Contohnya adalah mengenali singa saat hanya dilatih tentang harimau.
Diterbitkan : 2026-07-02 14:10:00
sumber : www.cnet.com
