Pahami dasar-dasar AI: Prompt, Model, AI Generatif

Memahami istilah dasar yang terkait dengan Kecerdasan Buatan sangat penting agar kamu dapat menggunakan teknologi ini secara efektif. Dalam konteks ini, kita akan membahas istilah-istilah kunci seperti “Prompt”, “Model” dan “Generative AI”. Penjelasannya akan disampaikan dalam bahasa yang jelas dan sederhana, agar kamu bisa langsung mendapatkan gambaran. Selain itu, kamu akan mengalami demo langsung di ChatGPT dan Midjourney yang menunjukkan bagaimana kamu dapat menerapkan istilah-istilah ini secara praktis.

Poin-poin penting

• Prompt adalah teks yang kamu masukkan ke dalam alat AI untuk menerima jawaban.
• Model adalah sistem AI terlatih yang telah belajar untuk melakukan tugas-tugas tertentu.
• Generative AI menghasilkan konten baru seperti teks, gambar, dan musik berdasarkan prompt yang kamu berikan.

Makna dari Prompt

Istilah “Prompt” sangat penting dalam interaksi dengan Kecerdasan Buatan. Bayangkan kamu berada di sebuah restoran dan memberikan pesananmu kepada pelayan. Dalam hal ini, promptmu adalah pesanan yang kamu sampaikan kepada AI. Definisinya sederhana: sebuah prompt adalah teks yang kamu masukkan untuk mendapatkan jenis jawaban atau output dari AI.

Misalnya, jika kamu meminta ChatGPT untuk membuat postingan Instagram tentang tips bekerja dari rumah, itu adalah promptmu. Semakin jelas dan tepat kamu merumuskannya, semakin baik hasilnya. Sebuah prompt umum seperti “Bekerja dari rumah” terlalu samar, sementara sebuah prompt spesifik seperti “Buatlah postingan Instagram yang santai dengan lima tips untuk bekerja ergonomis di rumah” jauh lebih efektif.

Model

Sekarang kita beralih ke istilah berikutnya: model. Sebuah model adalah inti dari AI dan semacam mesin yang memproses promptmu. Ini adalah sistem AI yang terlatih dan telah diberi makan dengan data dalam jumlah besar—termasuk buku, situs web, dan banyak sumber lainnya.

Cara kerjanya ditentukan oleh parameter dan antarmuka. Parameter adalah miliaran nilai yang dipelajari model selama pelatihan. Ketika kamu memasukkan promptmu, model menggunakan parameter ini untuk menghasilkan output yang sesuai. Misalnya: ChatGPT adalah model bahasa yang telah belajar untuk memahami struktur dan makna bahasa serta membentuk kalimat baru.

Generative AI

Ketika kita berbicara tentang generative AI, kita merujuk pada sistem yang mampu menghasilkan konten baru. Ini bisa berupa teks, gambar, audio, dan bahkan musik. Model generative AI menghasilkan hasil kreatif berdasarkan prompt. Berbeda dengan “Recognitional AI”, yang hanya menganalisis, generative AI menciptakan data dan teks baru yang sebelumnya tidak ada.

Sebagai contoh: ChatGPT dapat menulis teks, sementara Midjourney dapat menghasilkan gambar dari deskripsi. Teknologi ini sangat bervariasi dalam kemampuan dan bidang aplikasinya, sehingga pemahaman istilah-istilah menjadi penting untuk memilih teknologi yang tepat untuk proyekmu.

Istilah Penting Lainnya

Aspek penting lainnya adalah istilah seperti pelatihan dan inferensi.

• Pelatihan adalah proses rumit di mana sebuah model belajar.
• Inferensi merujuk pada proses di mana model yang telah dilatih memberikan jawaban atas promptmu.

Selain itu, terdapat parameter dan hyperparameter: Parameter adalah nilai yang dipelajari model selama pelatihan, sedangkan hyperparameter adalah pengaturan yang ditentukan sebelum pelatihan, seperti laju pembelajaran dan jumlah data.

Konsep finetuning juga sangat penting. Ini merujuk pada pelatihan ulang model yang sudah ada dengan data spesifik untuk mengoptimalkan kinerjanya untuk aplikasi tertentu—misalnya dalam mendeteksi gambar medis atau teks hukum.

Penerapan AI dalam Praktik

Sekarang kita beralih ke penerapan praktis dari semua konsep teoritis ini. Pertama, kita akan menghasilkan sebuah prompt sederhana. Mari kita tuliskan email kepada seorang klien untuk memberikan penawaran manajemen media sosial.

Prompt sederhana bisa terlihat seperti ini: “Tulislah email kepada seorang klien dengan penawaran untuk manajemen media sosial.” Namun, ini belum optimal. Sekarang kita optimalkan prompt ini. Kita akan merumuskannya dengan lebih tepat dan menambahkan informasi spesifik—seperti nama klien dan rincian tentang penawaran.

Prompt yang dioptimalkan bisa terlihat seperti ini: “Buatlah email yang ramah dan profesional kepada [Nama Klien], yang menyajikan penawaran untuk manajemen media sosial bulanan, termasuk tiga postingan per minggu. Tekankan nilai tambah dan minta umpan balik.”

Dengan prompt spesifik ini, kita akan mendapatkan hasil yang jauh lebih baik, yang disesuaikan dengan kebutuhan klien. Dengan demikian, teks untuk email kepada klien sudah dibuat.

Sekarang kita juga memerlukan gambar header yang sesuai untuk email kita. Di sini kita menggunakan Midjourney dan juga memasukkan prompt yang tepat untuk menghasilkan gambar.

Dulu, penggunaan Midjourney terbatas pada server Discord, tetapi sekarang sudah ada antarmuka yang ramah pengguna yang menyederhanakan proses tersebut. Kamu bisa menghasilkan gambar dengan hanya mendeskripsikan konten yang diinginkan, dan hasilnya akan dibuat.

Ringkasan – Penjelasan Istilah AI yang Mudah: Prompt, Model, dan Generative AI

Prompt adalah masukan, dan semakin tepat, semakin baik hasilnya. Model berfungsi sebagai mesin pembelajar dengan miliaran parameter, sedangkan generative AI membuat konten dalam berbagai format. Pemahaman yang lebih baik tentang istilah seperti “pelatihan”, “inferensi”, dan “finetuning” membantumu untuk mengoptimalkan sistem dan menggunakannya secara terarah. Dalam demo langsung, kamu telah melihat bagaimana contoh sederhana dapat disempurnakan untuk menghasilkan hasil yang tepat dan efektif.

Jika ada pertanyaan, saya dengan senang hati akan membantu. Saya berasumsi bahwa kamu sekarang memiliki pemahaman yang jelas tentang istilah-istilah kunci AI. Di bab berikutnya, kita akan membahas tentang Prompt Engineering, di mana kamu akan belajar bagaimana merancang prompt agar output AI kamu sesuai dari awal.