Dasar-Dasar Kecerdasan Buatan (AI) untuk Pengguna Linux – Bagian Ketiga

Ya Apakah Anda menyukai dua postingan pertama kami yang berkaitan dengan pembelajaran Kecerdasan Buatan (AI) untuk pengguna Linux?Jadi, hari ini Anda mungkin akan menyukai bagian ketiga ini, di mana kita akan membahas beberapa konsep dan istilah terpenting yang terkait dengan bidang teknologi ini. Dan jika Anda belum membaca dua bagian sebelumnya, kami ingin mengklarifikasi hal tersebut. Pada bagian kedua kita akan membahas poin tentang perbedaan antara Kecerdasan Buatan Simbolis dan Kecerdasan Buatan Koneksionis dan pada tonggak sejarah bidang teknologi ini selama 100 tahun terakhir. Sedangkan, dalam Pada bagian pertama kita fokus en Apa itu AI dan berbagai jenis AI yang telah dibuat? (Sempit atau Lemah, Generatif dan Agen) dan yang diharapkan akan diciptakan (Umum atau Kuat, dan Kecerdasan Buatan Super).

Dan seperti pada kesempatan sebelumnya, ingatlah bahwa seperti di zaman mereka, Listrik, Radio, Televisi, Komputer, Telepon, Internet, dan Jejaring Sosial; Kecerdasan Buatan adalah teknologi yang telah hadir dan terintegrasi secara mendalam ke dalam segala hal.Dan itu, dengan menghemat waktu berharga dan jam kerja yang mahal, serta membuat kita lebih produktif, kreatif, dan serbaguna; sudah pasti, Sedikit demi sedikit, hal itu akan menggusur mereka yang sama sekali tidak mengetahui keberadaan dan cara kerjanya.Oleh karena itu, tidak ada yang lebih baik daripada mulai mendapatkan konteks tentang segala sesuatu yang terkait dengannya.

Namun, sebelum kita membahas hal ini lebih lanjut "Bagian ketiga dari bidang Kecerdasan Buatan yang menarik dan mengejutkan"Dan lebih spesifik lagi mengenai beberapa konsep dan istilah terpenting yang perlu dipertimbangkan, dipahami, dan dikuasai, kami sarankan untuk menjelajahi publikasi terkait sebelumnya dan terbaru dalam rangkaian publikasi ini, setelah selesai membacanya:

Dasar-Dasar Kecerdasan Buatan – Bagian Ketiga: Konsep dan Istilah Terkait

20 konsep dan istilah penting yang selalu disebutkan dalam bidang Kecerdasan Buatan

1. Halusinasi

Halusinasi merujuk pada situasi di mana sistem AI, terutama yang menangani pemrosesan bahasa alami, mulai menghasilkan hasil yang mungkin tidak relevan, tidak masuk akal, atau salah berdasarkan input yang diberikan. Hal ini sering terjadi ketika sistem AI tidak yakin dengan konteksnya, terlalu bergantung pada data latihannya, atau kurang memahami pokok bahasan dengan baik.

2. Pembelajaran Mesin

Subbidang AI yang mencakup pengembangan algoritma dan model statistik yang memungkinkan mesin untuk meningkatkan kinerjanya seiring pengalaman. Contohnya adalah algoritma pembelajaran mesin yang dapat memprediksi kemungkinan pelanggan berhenti berlangganan berdasarkan perilaku masa lalu. Berkat program pembelajaran mesin, mesin belajar memecahkan masalah dari contoh: dengan demikian, mesin dapat membandingkan dan mengklasifikasikan data, bahkan mengenali bentuk-bentuk yang kompleks.

3. Pembelajaran Mendalam

Subbidang pembelajaran mesin yang menggunakan jaringan saraf berlapis-lapis untuk belajar dari data, artinya ia menggunakan struktur jaringan saraf yang berbeda untuk mempelajari lapisan-lapisan representasi data yang semakin bermakna secara berurutan. Saat ini, ini adalah bidang yang paling populer dalam AI. Bidang ini muncul dari kombinasi algoritma pembelajaran mesin dengan jaringan saraf formal dan penggunaan big data.

4. Data Besar

Big Data adalah cabang Teknologi Informasi yang mempelajari kesulitan inheren dalam menangani kumpulan data besar. Disebut juga Macrodata, ini merujuk pada kumpulan data besar dan kompleks yang seringkali terlalu besar atau beragam untuk diproses menggunakan metode tradisional. Lebih lanjut, data ini berasal dari berbagai sumber (jejaring sosial, sensor, dll.) dan membutuhkan teknik canggih, seperti kecerdasan buatan dan pembelajaran mesin, untuk menganalisisnya dan mengekstrak informasi yang berguna.

5. Kumpulan data

Dataset adalah kumpulan data, biasanya terstruktur dalam bentuk tabel. Ini adalah kumpulan data terorganisir yang digunakan untuk melatih, menguji, atau memvalidasi model kecerdasan buatan. Dataset dapat berisi teks, gambar, video, atau jenis informasi lainnya, biasanya diberi label agar algoritma pembelajaran mesin dapat mengenali pola dan membuat prediksi.

6. Pelatihan model

Pelatihan model adalah proses menggunakan kumpulan data untuk melatih model kecerdasan buatan atau pembelajaran mesin agar melakukan tugas tertentu, seperti klasifikasi atau prediksi. Model menyesuaikan parameternya berdasarkan contoh yang diberikan untuk meningkatkan akurasinya dengan data baru.

7. Peningkatan Generasi melalui Pemulihan

RAG (Retrieval-Augmented Generation) adalah metode yang memungkinkan AI untuk melakukan kueri ke basis data eksternal atau mencari informasi baru dan terkini di internet sebelum menghasilkan respons. Alih-alih harus melatih ulang seluruh model dengan data baru, RAG berfungsi sebagai semacam "pendidikan waktu nyata" untuk AI. Ini sangat berguna karena memaksa sistem untuk bergantung pada dokumen spesifik dan terverifikasi, yang sangat mengurangi risiko AI memalsukan informasi (halusinasi).

8. GPT (Transformator Terlatih Generatif)

GPT (Generative Pretrained Transformer) adalah keluarga model bahasa yang dikembangkan oleh OpenAI yang menggunakan jaringan saraf untuk memahami dan menghasilkan teks secara alami. Model GPT menggunakan arsitektur yang disebut Transformer yang memungkinkan mereka untuk menganalisis perintah dan memprediksi respons yang paling mungkin berdasarkan pelatihan dengan kumpulan data yang besar. Karena itu, GPT mampu meniru kemampuan pemahaman bahasa manusia.

9. Generasi Bahasa Alami (Generasi Bahasa Alami)

Generasi bahasa alami adalah subbidang kecerdasan buatan yang melibatkan pembuatan teks atau ucapan yang dapat dipahami dalam bahasa manusia secara otomatis. Hal ini memungkinkan mesin untuk mengubah data mentah menjadi kalimat atau paragraf alami, seperti dalam ringkasan otomatis atau asisten virtual.

10. Rekayasa Cepat

Ini adalah seni mengembangkan petunjuk untuk permintaan guna mencapai keluaran generatif yang bermakna—yaitu, keluaran yang lebih akurat, produktif, dan inovatif. Atau, dengan kata lain, ini adalah ilmu merancang, mengoptimalkan, dan menyempurnakan instruksi yang kita berikan kepada kecerdasan buatan generatif. Tujuannya adalah untuk membimbing AI agar memperoleh jawaban yang akurat, relevan, dan berkualitas tinggi, bertindak sebagai jembatan komunikasi untuk menghindari hasil yang generik atau salah.

11. Modelo

Model adalah objek yang akan merepresentasikan keluaran dari algoritma pembelajaran. Oleh karena itu, model inilah yang digunakan AI untuk membuat prediksi keluaran. Misalnya, model dasar adalah kategori luas dari model AI yang mencakup model bahasa besar dan jenis model lainnya seperti visi komputer dan model pembelajaran penguatan. Model-model ini disebut "model dasar" karena berfungsi sebagai fondasi untuk membangun aplikasi, yang menangani berbagai domain dan kasus penggunaan.

12. Model Bahasa Besar

Model-model ini adalah jenis model pembelajaran mendalam yang dilatih pada kumpulan data besar untuk melakukan tugas pemahaman dan pembangkitan bahasa alami. Model-model terkenal meliputi BERT, PaLM, GPT-2, GPT-3, GPT-3.5, dan GPT-4 yang inovatif. Model-model ini bervariasi dalam ukuran (jumlah parameter yang dapat disesuaikan), rentang tugas yang dapat mereka lakukan (pemrograman, obrolan, ilmiah, dll.), dan basis pengetahuan yang digunakan untuk melatihnya.

13. Model Bahasa Kecil

Mereka adalah versi saku dari model bahasa besar, atau LLM. Keduanya menggunakan teknik pembelajaran mesin untuk membantu mereka mengenali pola dan hubungan sehingga dapat menghasilkan respons bahasa alami yang realistis. Namun, sementara LLM berukuran sangat besar dan membutuhkan banyak daya komputasi dan memori, model bahasa kecil seperti Phi-3 dilatih pada kumpulan data yang lebih kecil dan lebih terkurasi serta memiliki lebih sedikit parameter, sehingga lebih ringkas dan bahkan dapat digunakan secara offline.

14. Bias

Ini adalah asumsi yang dibuat oleh model AI tentang data. "Pertukaran bias-varians" adalah keseimbangan yang harus dicapai antara asumsi yang dibuat model tentang data dan jumlah perubahan prediksi model, dengan mempertimbangkan data pelatihan yang berbeda. Bias induktif adalah serangkaian asumsi yang dibuat algoritma pembelajaran mesin tentang distribusi data yang mendasarinya.

15. Pemrosesan Bahasa Alami

Ini adalah bidang interdisipliner yang ide utamanya adalah memberikan kemampuan kepada mesin untuk membaca dan memahami bahasa yang digunakan manusia. Penelitian Pemrosesan Bahasa Alami bertujuan untuk menjawab pertanyaan tentang bagaimana manusia mampu memahami makna kalimat lisan atau tulisan dan bagaimana mereka memahami apa yang terjadi, kapan dan di mana itu terjadi; serta perbedaan antara asumsi, kepercayaan, dan fakta. Akibatnya, ini melibatkan pemrograman komputer untuk memproses sejumlah besar data linguistik dan berfokus pada transformasi teks bebas menjadi struktur standar.

16. Cepat

Prompt adalah instruksi atau serangkaian instruksi (input) yang diberikan kepada sistem komputer untuk menghasilkan respons. Dalam konteks Kecerdasan Buatan, prompt adalah instruksi awal, perintah, pertanyaan, permintaan, atau pernyataan teks yang diberikan kepada model untuk memandu dan mengarahkan pembuatan respons atau output tertentu. Prompt bertindak sebagai stimulus atau pemicu bagi AI, menunjukkan topik, gaya, arah, atau jenis respons yang diharapkan. Cara prompt dirumuskan (pembingkaiannya) secara langsung menentukan kualitas dan relevansi hasil yang diterima.

17. Jaringan Saraf Tiruan

Model ini merupakan model komputasi yang didasarkan pada sejumlah besar unit saraf sederhana (neuron buatan), yang secara kasar analog dengan perilaku yang diamati pada akson neuron di otak biologis. Model ini adalah unit kerja fundamental dari Deep Learning. Lebih lanjut, ini adalah model pembelajaran mesin yang memungkinkan pengenalan pola dan pemecahan masalah, berdasarkan pembelajaran mesin atau pembelajaran mendalam, yang berupaya memodelkan mekanisme analitis otak manusia.

18. Transformator

Transformer merupakan jenis arsitektur jaringan saraf yang dirancang untuk memproses data sekuensial, seperti teks. Transformer mempelajari konteks dan, akibatnya, makna. Mereka menangkap hubungan antara berbagai elemen suatu urutan (kata, kalimat) secara paralel, bukan secara sekuensial seperti model tradisional. Transformer adalah dasar dari model-model sukses seperti GPT dan BERT dan digunakan untuk tugas-tugas pemrosesan bahasa alami.

19. Tanda

Dalam Kecerdasan Buatan (AI), token adalah unit data dasar (kata, bagian kata, karakter, atau simbol) yang digunakan oleh Model Pembelajaran Bahasa (LLM) seperti GPT atau Gemini untuk memproses, memahami, dan menghasilkan teks. Token merupakan "mata uang" atau informasi penting yang dibaca dan dianalisis oleh AI, memungkinkan AI untuk memecah bahasa manusia menjadi bagian-bagian yang mudah dikelola (dikomputasi). Akibatnya, model AI memproses token untuk memahami hubungan antar token dan membuka kemampuan seperti prediksi, generasi, dan penalaran. Semakin cepat token diproses, semakin cepat model dapat belajar dan merespons.

20. Validasi silang

Ini adalah metode yang digunakan untuk mengevaluasi hasil analisis dan memastikan keakuratan prediksi model pembelajaran mesin. Oleh karena itu, ini adalah teknik untuk mengevaluasi model pembelajaran mesin yang berfokus pada pembagian dataset menjadi beberapa subset (atau "fold"). Model kemudian dilatih pada beberapa subset dan diuji pada subset lainnya. Hal ini memungkinkan estimasi kinerja model yang lebih andal dengan mengurangi overlearning.

Dasar-dasar lain dari Kecerdasan Buatan yang layak untuk diselidiki, dipahami, dan dikuasai di bagian ketiga ini.

Ini hanyalah beberapa konsep dan istilah dari sekian banyak yang benar-benar layak untuk diketahui, dipahami, dan dikuasai. di bidang Kecerdasan Buatan yang modern dan inovatif ini. Oleh karena itu, untuk memperluas informasi yang ditawarkan di sini dan memudahkan Anda untuk mendapatkan informasi lebih lanjut, kami menawarkan ini kepada Anda. Infografis menarik yang dibuat dengan AI Untuk memberi Anda sedikit gambaran tentang hal-hal lain yang sama penting dan esensialnya:

ringkasan

Singkatnya, kami berharap ini "Bagian ketiga dari bidang Kecerdasan Buatan yang menarik dan mengejutkan" dengan penekanan pada Kecerdasan Buatan Generatif (Generative Artificial Intelligence/GAI), mungkin telah sedikit lebih berkontribusi untuk memperkuat dan meningkatkan pengetahuan dan keterampilan Anda di bidang modern dan inovatif ini. Jangan lupa bahwa, Kecerdasan buatan dan robotika mengubah dunia dan cara kita menjalani hidup.Dan di tahun-tahun mendatang, ketika komputasi kuantum tersedia secara komersial dan energi kuantum (yang dihasilkan melalui efek Casimir) dapat diakses secara luas oleh seluruh umat manusia, hal itu bisa sangat berbeda dari bagaimana kita mengalaminya saat ini. Jadi, lebih baik mempelajari Kecerdasan Buatan sekarang daripada menolak dan menyesal di kemudian hari. Dan tentu saja, jangan lupa untuk terus berpartisipasi, berkontribusi, dan mendukung Linuxverse kita tercinta dan berharga.

Terakhir, ingat Kunjungi kami «beranda» dalam bahasa SpanyolAtau, dalam bahasa lain apa pun (dengan hanya menambahkan 2 huruf di akhir URL kami saat ini, misalnya: ar, de, en, fr, ja, pt, dan ru, di antara banyak lainnya) untuk mengetahui konten yang lebih terkini.