Apa itu AI generatif? 

AI generatif bergantung pada model machine learning canggih yang disebut model pembelajaran mendalam , algoritma yang mensimulasikan proses pembelajaran dan pengambilan keputusan otak manusia. Model-model ini bekerja dengan mengidentifikasi dan mengodekan pola dan hubungan dalam data dalam jumlah besar, lalu menggunakan informasi tersebut untuk memahami permintaan atau pertanyaan bahasa alami pengguna dan merespons dengan konten baru yang relevan.

AI telah menjadi topik teknologi yang hangat selama dekade terakhir, tetapi AI generatif, dan khususnya kehadiran ChatGPT pada tahun 2022, telah mendorong AI menjadi berita utama di seluruh dunia dan meluncurkan lonjakan inovasi dan adopsi AI yang belum pernah terjadi sebelumnya. AI Generatif menawarkan manfaat produktivitas yang sangat besar bagi individu dan organisasi, dan meskipun AI juga menghadirkan tantangan dan risiko yang sangat nyata, bisnis terus maju, mengeksplorasi cara teknologi ini dapat meningkatkan alur kerja internal dan memperkaya produk dan layanan mereka. Menurut penelitian yang dilakukan oleh perusahaan konsultan manajemen McKinsey, sepertiga organisasi sudah menggunakan AI generatif secara rutin dalam setidaknya satu fungsi bisnis.¹ Analis industri Gartner memproyeksikan lebih dari 80% organisasi akan menggunakan aplikasi AI generatif atau menggunakan antarmuka pemrograman aplikasi (API) AI generatif pada tahun 2026.²

Pada umumnya, AI generatif beroperasi dalam tiga fase: 

• Pelatihan, untuk membuat model dasar yang dapat berfungsi sebagai dasar dari beberapa aplikasi gen AI.
  
  
• Tuning, untuk menyesuaikan model dasar ke aplikasi gen AI tertentu.
  
  
• Pembuatan, evaluasi, dan tuning ulang, untuk menilai output aplikasi AI dan terus meningkatkan kualitas dan akurasinya.

AI generatif dimulai dengan model dasar, yaitu model pembelajaran mendalam yang berfungsi sebagai dasar untuk berbagai jenis aplikasi AI generatif. Model dasar yang paling umum saat ini adalah model bahasa besar (LLM), yang dibuat untuk aplikasi pembuatan teks, tetapi ada juga model dasar untuk pembuatan gambar, pembuatan video, dan pembuatan suara dan musik, serta model dasar multimoda yang dapat mendukung beberapa jenis pembuatan konten.

Untuk membuat model dasar, para praktisi melatih algoritma pembelajaran mendalam data mentah, tidak terstruktur, dan tidak berlabel dengan volume yang besar, seperti data berukuran terabyte yang diambil dari internet atau sumber data besar lainnya. Selama pelatihan, algoritma melakukan dan mengevaluasi jutaan latihan ‘mengisi bagian yang kosong’, mencoba memprediksi elemen berikutnya dalam suatu urutan, seperti kata berikutnya dalam sebuah kalimat, elemen berikutnya dalam sebuah gambar, perintah berikutnya dalam sebuah baris kode. Algoritma ini terus menyesuaikan diri untuk meminimalkan perbedaan antara prediksi dan data aktual (atau hasil yang ‘benar’).

Hasil dari pelatihan ini adalah neural network parameter, representasi yang di-enkode dari entitas, pola, dan hubungan dalam data, yang dapat menghasilkan konten secara mandiri sebagai respons terhadap input, atau prompt.

Proses pelatihan ini sangat intensif dalam hal komputasi, memakan waktu, dan mahal: proses ini membutuhkan ribuan unit pemrosesan grafis (GPU) dalam kluster dan pemrosesan selama berminggu-minggu, yang semuanya menghabiskan jutaan dolar. Proyek model dasar sumber terbuka, seperti Llama-2 Meta, memungkinkan pengembang gen AI untuk menghindari langkah ini dan biayanya.

Secara metaforis, model dasar adalah seorang generalis: Model ini mengetahui banyak hal tentang banyak jenis konten, tetapi sering kali tidak dapat menghasilkan jenis output tertentu dengan akurasi atau ketepatan yang diinginkan. Untuk itu, model harus dituning ke tugas pembuatan konten tertentu. Ini dapat dilakukan dengan berbagai cara.

Fine tuning melibatkan pemberian data berlabel ke model yang spesifik untuk aplikasi pembuatan konten, seperti pertanyaan atau prompt yang mungkin diterima aplikasi, dan jawaban yang benar dan relevan dalam format yang diinginkan. Misalnya, jika tim pengembang mencoba membuat chatbot layanan pelanggan, tim tersebut akan membuat ratusan atau ribuan dokumen yang berisi pertanyaan layanan pelanggan berlabel dan jawaban yang benar, lalu memasukkan dokumen tersebut ke dalam model.

Fine tuning membutuhkan banyak tenaga kerja. Pengembang sering melakukan outsourcing ke perusahaan yang memiliki tenaga kerja pelabelan data dalam jumlah besar.

Dalam RLHF, pengguna manusia merespons konten yang dihasilkan dengan evaluasi yang dapat digunakan model untuk memperbarui model guna meningkatkan akurasi atau relevansi. Seringkali, RLHF melibatkan orang yang ‘menilai’ output yang berbeda sebagai respons terhadap prompt yang sama. Namun, ini juga bisa sesederhana meminta orang mengetik atau berbicara dengan chatbot atau asisten virtual, untuk memperbaiki output-nya.

Pengembang dan pengguna secara terus menerus menilai hasil dari aplikasi AI generatif mereka, dan menyempurnakan model lebih lanjut, bahkan sesering seminggu sekali, untuk akurasi atau relevansi yang lebih baik. (Sebaliknya, model dasar itu sendiri lebih jarang diperbarui, mungkin sekali setiap tahun atau 18 bulan.)

Pilihan lain untuk meningkatkan kinerja aplikasi AI adalah Generasi dengan dukungan pengambilan data (RAG). RAG adalah kerangka kerja untuk memperluas model dasar untuk menggunakan sumber yang relevan di luar data pelatihan, untuk menambah dan menyempurnakan parameter atau representasi dalam model awal. RAG dapat memastikan bahwa aplikasi AI generatif selalu memiliki akses ke informasi terkini. Sebagai bonus, sumber tambahan yang diakses melalui RAG bersifat transparan bagi pengguna dengan cara yang tidak dimiliki oleh pengetahuan dalam model dasar awal.

Model AI yang benar-benar generatif, yaitu model pembelajaran mendalam yang dapat membuat konten secara mandiri sesuai permintaan, telah berkembang selama belasan tahun terakhir ini. Pencapaian arsitektur model selama periode tersebut meliputi

• Variational autoencoders (VAE), yang mendorong terobosan dalam pengenalan gambar, pemrosesan bahasa alami, dan deteksi anomali.

• Jaringan adversarial generatif (GAN) dan model difusi, yang meningkatkan akurasi aplikasi sebelumnya dan memungkinkan beberapa solusi AI pertama untuk pembuatan gambar realistis foto.

• Transformer, arsitektur model pembelajaran mendalam yang ada di balik model dasar dan solusi AI generatif terdepan saat ini.

Autoencoder adalah model pembelajaran mendalam yang terdiri dari dua neural network yang terhubung: Satu yang mengenkodekan (atau mengompresi) sejumlah besar data pelatihan yang tidak terstruktur dan tidak berlabel ke dalam parameter, dan satu lagi yang memecahkan kode parameter tersebut untuk merekonstruksi konten. Secara teknis, autoencoder dapat menghasilkan konten baru, tetapi lebih berguna untuk mengompresi data untuk penyimpanan atau transfer, dan mendekompresi data tersebut untuk digunakan, daripada menghasilkan konten berkualitas tinggi.

Diperkenalkan pada tahun 2013, variational autoencoders (VAE) dapat menyandikan data seperti halnya autoencoder, tetapi mendekodekan beberapa variasi baru dari konten. Dengan melatih VAE untuk menghasilkan variasi untuk tujuan tertentu, VAE dapat ‘memusatkan perhatian’ pada konten yang lebih akurat dan memiliki fidelitas yang lebih tinggi dari waktu ke waktu. Aplikasi VAE awal menyertakan deteksi anomali (misalnya, analisis citra medis) dan pembuatan bahasa alami.

GAN, yang diperkenalkan pada tahun 2014, juga terdiri dari dua jaringan neural: Generator, yang menghasilkan konten baru, dan diskriminator, yang mengevaluasi keakuratan dan kualitas data yang dihasilkan. Algoritma yang berlawanan ini mendorong model untuk menghasilkan output yang makin berkualitas tinggi.

GAN biasanya digunakan untuk pembuatan gambar dan video, tetapi dapat menghasilkan konten realistis berkualitas tinggi di berbagai domain. Mereka telah terbukti sangat sukses dalam tugas-tugas seperti transfer gaya (mengubah gaya gambar dari, katakanlah, foto ke sketsa pensil) dan augmentasi data (membuat data sintetis baru untuk meningkatkan ukuran dan keberagaman kumpulan data pelatihan).

Juga diperkenalkan pada tahun 2014, model difusi bekerja dengan pertama-tama menambahkan kebisingan ke data pelatihan sampai data menjadi acak dan tidak dapat dikenali, dan kemudian melatih algoritma untuk secara berulang kali mendifusikan kebisingan untuk menunjukkan output yang diinginkan.

Model difusi memerlukan lebih banyak waktu untuk pelatihan daripada VAE atau GAN, tetapi pada akhirnya menawarkan kontrol yang lebih baik atas output, khususnya untuk alat pembuat gambar berkualitas tinggi. DALL-E, alat pembuatan gambar Open AI, dijalankan oleh model difusi.

Pertama kali didokumentasikan dalam makalah tahun 2017 yang diterbitkan oleh Ashish Vaswani dan lainnya, transformer mengembangkan paradigma encoder-decoder untuk memungkinkan langkah besar ke depan dalam hal pelatihan model dasar, dan dalam kualitas dan jenis konten yang dapat mereka hasilkan. Model-model ini merupakan inti dari sebagian besar alat AI generatif yang populer saat ini, termasuk ChatGPT dan GPT-4, Copilot, BERT, Bard, dan Midjourney.

Transformer menggunakan konsep yang disebut perhatian, yaitu menentukan dan memfokuskan pada apa yang paling penting tentang data dalam suatu urutan, untuk

• memproses seluruh urutan data, misalnya kalimat, dan bukan kata per kata, secara bersamaan;

• menangkap konteks data dalam urutan;

• mengenkode data pelatihan ke dalam penyematan (juga disebut hyperparameter) yang mewakili data dan konteksnya.

Selain memungkinkan pelatihan yang lebih cepat, transformer unggul dalam pemrosesan bahasa alami (NLP) dan pemahaman bahasa alami (NLU), dan dapat menghasilkan urutan data yang lebih panjang, misalnya, tidak hanya jawaban atas pertanyaan, tetapi juga puisi, artikel, atau makalah, dengan akurasi yang lebih besar dan kualitas yang lebih tinggi daripada model AI generatif mendalam lainnya. Model transformer juga dapat dilatih atau dituning untuk menggunakan alat bantu, misalnya, aplikasi spreadsheet, HTML, program menggambar, untuk menampilkan konten dalam format tertentu.

AI generatif dapat membuat banyak jenis konten di berbagai domain yang berbeda. 

Manfaat AI generatif yang jelas dan nyata adalah efisiensi yang lebih besar. Karena dapat menghasilkan konten dan jawaban sesuai permintaan, gen AI memiliki potensi untuk mempercepat atau mengotomatiskan tugas-tugas yang membutuhkan banyak tenaga kerja, memangkas biaya, dan memberikan waktu kepada karyawan untuk pekerjaan yang bernilai lebih tinggi.

Namun, AI generatif juga menawarkan beberapa manfaat lain bagi individu dan organisasi.

Alat Gen AI dapat menginspirasi kreativitas melalui brainstorming otomatis untuk menghasilkan beberapa versi konten baru. Variasi ini juga dapat berfungsi sebagai titik awal atau referensi yang membantu penulis, seniman, desainer, dan kreator lainnya untuk mengatasi hambatan kreatif.

AI Generatif unggul dalam menganalisis kumpulan data yang besar, mengidentifikasi pola, dan mengekstraksi insight yang bermakna, lalu menghasilkan hipotesis dan rekomendasi berdasarkan insight tersebut untuk mendukung para eksekutif, analis, peneliti, dan profesional lainnya dalam membuat keputusan yang lebih cerdas dan berbasis data.

Dalam aplikasi seperti sistem rekomendasi dan pembuatan konten, AI generatif dapat menganalisis preferensi dan riwayat pengguna serta menghasilkan konten yang dipersonalisasi secara real time, sehingga menghasilkan pengalaman pengguna yang lebih disesuaikan dan menarik.

AI generatif beroperasi terus menerus tanpa mengenal lelah, tersedia sepanjang waktu untuk tugas-tugas seperti chatbot dukungan pelanggan dan respons otomatis.

Berikut ini hanyalah segelintir contoh penggunaan gen AI untuk perusahaan. Seiring perkembangan teknologi dan penanaman alat-alat ini ke dalam alur kerja organisasi, akan ada lebih banyak lagi contoh penggunaan. 

AI generatif telah membuat langkah luar biasa dalam waktu yang relatif singkat, dengan tetap menghadirkan tantangan dan risiko yang signifikan bagi para pengembang, pengguna, dan masyarakat luas. Di bawah ini adalah beberapa masalah yang paling serius, dan cara menanganinya saat ini. 

AI halusinasi adalah hasil AI generatif yang tidak masuk akal atau sama sekali tidak akurat, tetapi, terlalu sering, tampak sepenuhnya masuk akal. Contoh klasiknya adalah ketika seorang pengacara menggunakan alat AI gen untuk penelitian dalam persiapan kasus yang mendapat perhatian besar, dan alat tersebut ‘menghasilkan’ beberapa contoh kasus, lengkap dengan kutipan dan atribusi, yang sepenuhnya fiktif.

Beberapa praktisi memandang halusinasi sebagai konsekuensi yang tidak dapat dihindari dalam menyeimbangkan keakuratan model dan kemampuan kreatifnya. Namun, pengembang dapat menerapkan langkah-langkah pencegahan, yang disebut pagar pembatas (guardrails), yang membatasi model pada sumber data yang relevan atau tepercaya. Evaluasi dan tuning yang berkelanjutan juga dapat membantu mengurangi halusinasi dan ketidakakuratan.

Karena sifat variasional atau probabilistik dari model gen AI, input yang sama dapat menghasilkan output yang sedikit atau jauh berbeda. Hal ini bisa jadi tidak diinginkan pada aplikasi tertentu, seperti chatbot layanan pelanggan, yang mengharapkan atau menginginkan output yang konsisten. Melalui rekayasa prompt,yaitu penyempurnaan atau penambahan prompt secara berulang, pengguna bisa mendapatkan prompt yang secara konsisten memberikan hasil yang mereka inginkan dari aplikasi AI generatif mereka.

Model generatif dapat mempelajari bias sosial yang ada dalam data pelatihan, atau dalam data berlabel, sumber data eksternal, atau evaluator manusia yang digunakan untuk tuning model, dan menghasilkan konten yang bias, tidak adil, atau menyinggung. Untuk mencegah output yang bias dari model mereka, pengembang harus memastikan data pelatihan yang beragam, membuat panduan untuk mencegah bias selama pelatihan dan penyetelan, dan terus mengevaluasi output model terhadap bias serta akurasi.

Banyak model AI generatif adalah model ‘kotak hitam’, yang berarti proses pengambilan keputusan bisa jadi sulit atau tidak mungkin untuk dipahami; bahkan para insinyur atau ilmuwan data yang membuat algoritma yang mendasarinya tidak dapat memahami atau menjelaskan apa yang sebenarnya terjadi di dalamnya dan bagaimana algoritma tersebut mencapai hasil tertentu. Praktik dan teknik AI yang dapat dijelaskan dapat membantu praktisi dan pengguna memahami dan mempercayai proses dan output model generatif.

Menilai dan membandingkan kualitas konten yang dihasilkan juga bisa menjadi tantangan. Metrik evaluasi tradisional mungkin tidak menangkap aspek kreativitas, koherensi, atau relevansi. Mengembangkan metode evaluasi yang kuat dan andal untuk AI generatif tetap menjadi bidang penelitian yang aktif.

Model AI generatif dapat dieksploitasi untuk menghasilkan email phishing yang meyakinkan, identitas palsu, atau konten berbahaya lainnya yang dapat menipu pengguna agar mengambil tindakan yang membahayakan keamanan dan privasi data. Pengembang dan pengguna harus berhati-hati agar data yang dimasukkan ke dalam model (selama penyetelan, atau sebagai bagian dari prompt) tidak mengekspos kekayaan intelektual (IP) mereka sendiri atau informasi apa pun yang dilindungi sebagai IP oleh organisasi lain. Selain itu, mereka perlu memantau output untuk konten baru yang mengekspos IP mereka sendiri atau melanggar perlindungan IP orang lain.

Deepfake adalah gambar, video, atau audio yang dihasilkan atau dimanipulasi oleh AI yang dibuat untuk meyakinkan orang bahwa mereka melihat, menonton, atau mendengar seseorang melakukan atau mengatakan sesuatu yang tidak pernah mereka lakukan atau katakan. Teknologi ini adalah salah satu contoh paling mengkhawatirkan tentang bagaimana kekuatan AI generatif dapat digunakan untuk niat jahat.

Kebanyakan orang mengetahui deepfake yang dibuat untuk merusak reputasi atau menyebarkan informasi yang salah. Baru-baru ini, penjahat siber telah menggunakan deepfake sebagai bagian dari serangan siber (misalnya, suara palsu dalam penipuan phishing suara) atau skema penipuan keuangan.

Para peneliti bekerja keras membuat model AI yang dapat mendeteksi deepfake dengan akurasi yang lebih baik. Sementara itu, edukasi pengguna dan praktik terbaik (misalnya, tidak membagikan materi kontroversial yang belum diverifikasi atau belum diperiksa) dapat membantu membatasi kerusakan yang dapat ditimbulkan oleh deepfake.

Istilah “AI generatif” mulai dikenal oleh publik pada tahun 2020-an, tetapi gen AI telah menjadi bagian dari kehidupan kita selama beberapa dekade, dan teknologi AI generatif saat ini memanfaatkan terobosan machine learning sejak awal abad ke-20. Sejarah representatif yang tidak lengkap tentang AI generatif dapat mencakup beberapa tanggal berikut

• 1964: Ilmuwan komputer MIT, Joseph Weizenbaum mengembangkan ELIZA, sebuah aplikasi pemrosesan bahasa alami berbasis teks. ELIZA pada dasarnya adalah chatbot pertama (disebut ‘chatterbot’ pada saat itu) yang menggunakan skrip pencocokan pola untuk merespons input bahasa alami yang diketik dengan respons teks yang berempati.
   

• 1999: Nvidia mengeluarkan GeoForce, unit pemrosesan grafis pertama. Awalnya dikembangkan untuk menghadirkan gambar bergerak yang mulus untuk video game, GPU telah menjadi platform defacto untuk mengembangkan model AI dan menambang mata uang kripto.
   

• 2004: Autocomplete Google pertama kali muncul, menghasilkan kata atau frasa potensial berikutnya saat pengguna memasukkan istilah pencarian mereka. Contoh AI generatif yang relatif modern didasarkan pada Markov Chain, sebuah model matematika yang dikembangkan pada tahun 1906.
   

• 2013: Variational autoencoder (VAE) pertama muncul.
   

• 2014: Generative adversarial network (GAN) dan model difusi pertama muncul.
   

• 2017: Ashish Vaswani, tim di Google Brain, dan kelompok dari University of Toronto menerbitkan “Attention is All You Need”, sebuah makalah yang mendokumentasikan prinsip-prinsip model transformer, yang secara luas diakui sebagai prinsip yang memungkinkan pengembangan model dasar dan alat AI generatif paling canggih saat ini.
   

• 2019-2020: OpenAI meluncurkan model bahasa besar GPT (Generative Pretrained Transformer), GPT-2, dan GPT-3.
   

• 2022: OpenAI memperkenalkan ChatGPT, sebuah front-end untuk GPT-3 yang menghasilkan kalimat yang kompleks, koheren, dan kontekstual, serta konten bentuk panjang sebagai respons terhadap prompt pengguna akhir.

Dengan ketenaran dan popularitas ChatGPT yang secara efektif membuka pintu gerbang, pengembangan AI generatif dan peluncuran produk terjadi dengan sangat cepat, termasuk rilis Google Bard (sekarang Gemini), Microsoft Copilot, IBM watsonx.ai, dan model bahasa besar Llama-2 sumber terbuka dari Meta.