Kamus AI

Sistem AI yang dapat merencanakan dan mengeksekusi serangkaian tindakan secara mandiri untuk mencapai tujuan tertentu, termasuk menggunakan tools eksternal seperti browser, kalkulator, atau API. Selengkapnya →

Tingkat kecerdasan buatan di mana mesin memiliki kemampuan kognitif setara manusia—mampu belajar dan menerapkan pengetahuan di berbagai domain yang luas, bukan hanya tugas spesifik. Selengkapnya →

Cabang ilmu komputer yang berfokus pada pengembangan sistem dan mesin yang mampu meniru kemampuan kognitif manusia — seperti belajar, bernalar, memecahkan masalah, memahami bahasa, dan mengambil keput... Selengkapnya →

Teknik dalam jaringan saraf yang memungkinkan model untuk fokus pada bagian-bagian tertentu dari input yang paling relevan saat menghasilkan output. Selengkapnya →

Algoritma decoding yang mempertahankan beberapa kandidat urutan token secara paralel untuk menemukan urutan dengan probabilitas tertinggi secara keseluruhan. Selengkapnya →

Kesalahan sistematis dalam output model AI yang disebabkan oleh asumsi atau keterbatasan dalam data pelatihan, algoritma, atau proses pengembangan. Selengkapnya →

Teknik prompt engineering di mana model AI diminta untuk "berpikir langkah demi langkah" sebelum memberikan jawaban akhir, meningkatkan akurasi pada tugas penalaran kompleks. Selengkapnya →

Bidang AI yang memungkinkan komputer untuk melihat, memahami, dan menginterpretasikan dunia visual seperti gambar dan video, mirip dengan penglihatan manusia. Selengkapnya →

Jumlah maksimum token yang bisa "dilihat" dan diproses oleh model AI dalam satu waktu. Semakin besar context window, semakin panjang percakapan atau dokumen yang bisa diproses. Selengkapnya →

Sub-bidang Machine Learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan (deep neural networks) untuk memproses data dan mengenali pola yang sangat kompleks secara otomatis. Selengkapnya →

Representasi numerik dari data—seperti kata, gambar, atau entitas lainnya—dalam bentuk vektor berdimensi tinggi di ruang vektor kontinu. Selengkapnya →

Metrik evaluasi klasifikasi yang mengukur akurasi model dengan mempertimbangkan presisi dan recall secara bersamaan melalui rata-rata harmonik. Selengkapnya →

Paradigma Machine Learning di mana model dilatih untuk belajar dari sangat sedikit contoh dan tetap dapat menggeneralisasi dengan baik ke data baru. Selengkapnya →

Proses melatih ulang model AI yang sudah ada dengan dataset yang lebih spesifik untuk meningkatkan performanya pada tugas atau domain tertentu, tanpa melatih dari awal. Selengkapnya →

Jenis AI yang dapat menghasilkan konten baru seperti teks, gambar, audio, video, dan kode berdasarkan pola yang dipelajari dari data pelatihan. Selengkapnya →

Fenomena di mana model AI menghasilkan informasi yang terdengar meyakinkan namun tidak akurat atau tidak berdasar fakta. Penting untuk selalu memverifikasi informasi dari AI. Selengkapnya →

Model bahasa berukuran besar yang dilatih menggunakan dataset teks yang sangat luas untuk memahami dan menghasilkan teks yang mirip manusia. Contoh: GPT-4 (OpenAI), Gemini (Google), Claude (Anthropic)... Selengkapnya →

Sub-bidang AI di mana sistem belajar dari data tanpa diprogram secara eksplisit. Sistem mengidentifikasi pola dan membuat keputusan berdasarkan pengalaman/data historis. Selengkapnya →

Model AI yang dapat memproses dan menghasilkan berbagai jenis input dan output sekaligus, seperti teks, gambar, audio, dan video dalam satu sistem. Contoh: GPT-4o, Gemini Ultra. Selengkapnya →

Bidang AI yang berfokus pada interaksi antara komputer dan bahasa manusia — mencakup pemahaman, analisis, terjemahan, dan generasi teks dalam bahasa alami. Selengkapnya →

Model komputasi yang terinspirasi dari struktur otak manusia, terdiri dari lapisan "neuron" buatan yang saling terhubung untuk memproses informasi dan belajar dari data. Selengkapnya →

Variabel internal dalam model AI yang nilainya dipelajari dari data pelatihan dan menentukan bagaimana model memproses input untuk menghasilkan output. Selengkapnya →

Metrik evaluasi dalam NLP yang mengukur seberapa baik model bahasa memprediksi sebuah urutan kata—semakin rendah perplexity, semakin baik model. Selengkapnya →

Teknik menyusun dan mengoptimalkan instruksi (prompt) yang diberikan ke model AI untuk mendapatkan output yang lebih akurat, relevan, dan berkualitas tinggi sesuai kebutuhan. Selengkapnya →

Jenis Machine Learning di mana agen belajar membuat keputusan dengan berinteraksi dengan lingkungan dan menerima umpan balik berupa hadiah atau hukuman. Selengkapnya →

Teknik menggabungkan model bahasa dengan sistem pencarian dokumen agar AI dapat menjawab berdasarkan informasi terkini atau dokumen spesifik, bukan hanya data pelatihan. Selengkapnya →

Jenis Machine Learning di mana model dilatih menggunakan data berlabel, sehingga dapat memprediksi label untuk data baru yang belum pernah dilihat. Selengkapnya →

Parameter dalam model AI generatif yang mengontrol kreativitas atau keacakan output dengan memodifikasi distribusi probabilitas token berikutnya. Selengkapnya →

Unit terkecil teks yang diproses oleh LLM. Satu token biasanya setara dengan ~4 karakter atau ¾ kata dalam bahasa Inggris. Biaya penggunaan API AI sering dihitung per token. Selengkapnya →

Teknik decoding (nucleus sampling) yang memilih token berikutnya dari subset token terkecil yang probabilitas kumulatifnya melebihi ambang batas p. Selengkapnya →

Teknik di mana pengetahuan yang dipelajari dari satu tugas digunakan untuk meningkatkan performa pada tugas lain yang terkait. Selengkapnya →

Arsitektur jaringan saraf yang diperkenalkan pada 2017 dan menjadi fondasi hampir semua model AI generatif modern seperti GPT, BERT, Claude, dan Gemini. Selengkapnya →

Jenis Machine Learning di mana model dilatih menggunakan data tanpa label, untuk menemukan pola atau struktur tersembunyi secara mandiri. Selengkapnya →

Kemampuan model AI untuk mengenali atau mengklasifikasikan konsep yang belum pernah dilihatnya sama sekali selama pelatihan. Selengkapnya →