Kumpulan definisi dan analogi sederhana untuk memahami istilah teknis kecerdasan buatan di era modern.
Simulasi kecerdasan manusia yang diproses oleh mesin, khususnya sistem komputer.
Cabang AI yang fokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar.
Metode ML yang menggunakan jaringan saraf tiruan berlapis-lapis untuk mengekstrak fitur kompleks dari data.
Model AI yang dilatih pada jumlah data teks yang sangat besar untuk memahami dan menghasilkan bahasa alami.
Sistem AI yang dapat membuat konten baru (teks, gambar, audio) berdasarkan pola yang dipelajarinya.
Seni dan sains memformulasikan instruksi optimal untuk mendapatkan hasil terbaik dari LLM.
Memberikan instruksi kepada AI untuk menyelesaikan tugas tanpa memberikan contoh penyelesaian sebelumnya.
Memberikan beberapa contoh input dan output kepada AI sebelum memintanya menyelesaikan tugas aktual.
Teknik prompt yang memaksa AI untuk memecahkan masalah kompleks selangkah demi selangkah.
Fenomena di mana model bahasa menghasilkan informasi palsu yang terdengar sangat meyakinkan.
Arsitektur yang mengoptimalkan output LLM dengan merujuk pada basis data pengetahuan eksternal yang terpercaya.
Proses melatih ulang model dasar pada dataset spesifik untuk menyesuaikannya dengan tugas tertentu.
Unit terkecil dari data teks yang diproses oleh LLM (biasanya setara dengan potongan kata).
Jumlah maksimum token (teks) yang dapat dipertimbangkan oleh model AI dalam satu kali percakapan.
Praktik mengoptimalkan konten agar direkomendasikan sebagai jawaban oleh mesin pencari AI.
Parameter pengaturan yang mengontrol keacakan atau kreativitas dari respon AI.
Variabel internal dalam jaringan saraf buatan yang dipelajari selama proses pelatihan.
Database yang dioptimalkan untuk menyimpan dan mencari vektor matematis dari data tidak terstruktur.
Representasi numerik (vektor) dari teks, gambar, atau audio di mana objek dengan makna serupa berdekatan.
Kecerdasan buatan teoretis yang memiliki kapasitas pemahaman setara manusia di berbagai bidang.
Serangkaian algoritma yang berusaha mengenali hubungan dasar dalam sekumpulan data melalui proses meniru cara kerja otak manusia.
Cabang AI yang memberi komputer kemampuan memahami teks dan kata-kata lisan sama seperti manusia.
Bidang AI yang melatih komputer untuk menafsirkan dan memahami dunia visual dari gambar digital.
Model generatif (seperti Midjourney) yang dilatih dengan menambahkan noise statis ke data dan belajar memulihkannya.
Anomali dalam output algoritma machine learning karena asumsi keliru dalam proses pembelajaran mesin.
Kesalahan pemodelan statistik yang terjadi saat model terlalu cocok dengan data latihannya sehingga gagal di data baru.
Kode perangkat lunak yang memungkinkan dua aplikasi saling berkomunikasi.
Keluarga model bahasa besar yang dikembangkan OpenAI berdasar arsitektur Transformer.
Arsitektur jaringan saraf temuan Google yang sangat efisien dalam memproses data berurutan seperti bahasa.
Parameter terpelajar yang menampung 'pengetahuan' sebenarnya dari model AI pasca-latihan.
Instruksi tak terlihat di latar belakang yang mendikte persona dan aturan dasar LLM.
Kode unik yang digunakan untuk mengidentifikasi pengguna/aplikasi pemanggil ke antarmuka AI.
Pembatasan jumlah permintaan maksimum yang dapat dilakukan klien ke API AI dalam jangka waktu tertentu.
Proses ekstraksi data otomatis berskala besar dari situs web.
Pencarian data yang mempertimbangkan konteks makna leksikal ketimbang sekadar kecocokan kata persis.
Sistem di mana agen AI beroperasi secara otonom multi-langkah untuk mencapai tujuan kompleks.
Model AI yang mampu memproses sekaligus memahami berbagai tipe data (teks, gambar, audio, video).
Model AI (seperti LLaMA) yang kode sumber dan bobot pelatihannya dibagikan gratis ke publik.
Model AI proprietary (seperti GPT-4) di mana arsitektur internalnya dirahasiakan oleh perusahaan pencipta.
Proses menyelaraskan model AI agar perilakunya sesuai dengan niat dan nilai-nilai etis manusia.
