Kind: captions
Language: id
Kita semua pasti pernah ngalamin ini
setiap hari. Punya pertanyaan, ketik di
internet dan dalam sekejap jawabannya
langsung muncul. Tapi pernah enggak sih
kita berhenti sejenak dan mikir, kok
bisa ya? Gimana caranya ini semua
bekerja? Nah, hari ini kita bakal
bongkar rahasia di balik layar keajaiban
itu. Kita nanya dan jreng, jawabannya
langsung ada di depan mata. Udah bukan
zamannya lagi, kita dikasih 10 link biru
terus disuruh nyari sendiri. Sekarang
kita dikasih jawaban matang. Gimana
ceritanya sebuah mesin bisa baca seluruh
internet dan ngasih kita rangkuman dalam
waktu kurang dari sedetik? Yuk, kita
cari tahu bareng-bareng. Oke, biar
gampang ini peta perjalanan kita. Kita
mulai dari ide besarnya dulu. Terus kita
bedah dua aliran utama cara AI berpikir
buat ngasih jawaban. Setelah itu kita
coba buka kap mesinnya, lihat arsitektur
intinya, kenalan sama satu trik jenius
yang bikin AI jadi lebih bisa dipercaya.
Dan terakhir kita intip apa sih
teknologi di baliknya dan bakal kayak
gimana ke depannya. Oke, pertama-tama
kita harus paham dulu kalau yang kita
lihat sekarang ini bukan sekedar update
kecil-kecilan. Ini tuh sebuah revolusi,
perubahan total dalam cara kita
berinteraksi sama informasi. Dan tahu
enggak apa pemicunya? Ya, kita sendiri
ekspektasi kita. Dulu mesin pencari itu
kayak pustakawan yang cuma nunjuk rak
buku raksasa terus bilang jawabannya ada
di salah satu buku di sana. Silakan cari
sendiri ya. Beban kerjanya ada di kita
kan. Nah, sistem modern itu kayak
pustakawan super. Dia bacain semua buku
yang relevan, bikin rangkomannya, terus
nyamperin kita dan ngasih jawabannya
langsung. Beban kerjanya udah pindah.
Nah, ini dia poin kuncinya. Perubahan
ini tuh enggak dimulai dari laboratorium
para insinyur. Ini dimulainya dari kita.
kita yang makin enggak sabaran, enggak
mau lagi dikasih petunjuk, maunya
langsung jawaban jadi. Jadi, bisa
dibilang tuntutan kolektif kita inilah
yang jadi cambuk buat teknologi supaya
berevolusi dari sekedar pencari dokumen
jadi pemberi jawaban. Oke, jadi mesin
sekarang tujuannya ngasih kita jawaban.
Tapi gimana caranya? Ternyata ada dua
filosofi atau pendekatan utama yang bisa
mereka pakai dan dua-duanya ini punya
kelebihan dan kekurangan yang beda
banget.
Pendekatan yang pertama itu namanya
ekstraktif. Gampangnya bayangin aja AI
ini kayak pegang stabilo digital. Dia
bakal nyisir dokumen. Terus pas nemu
kalimat yang persiris ngejawab
pertanyaan kita, kalimat itu langsung
distabilo, dicopy, terus dipaste buat
kita. Dia enggak nambahin apa-apa.
Kelebihannya jelas akurasinya tinggi
banget karena kan itu kutipan langsung
dari sumbernya. Nah, kalau pendekatan
kedua ini baru deh terasa jauh lebih
manusiawi. Namanya abstraktif atau
sering disebut juga generatif. Di sini
AI enggak lagi cuma copy paste, dia
benaran membaca beberapa sumber,
memahami isinya, terus ngerangkum
jawabannya buat kita pakai kata-katanya
sendiri. Hasilnya jauh lebih luas, lebih
enak dibaca kayak lagi ngobrol sama
teman yang pintar. Di sinilah para
pengembang AI ketemu dilema. Di satu
sisi ada metode ekstraktif yang aman dan
akurat, tapi jawabannya bisa jadi kaku
banget kayak robot. Di sisi lain ada
metode generatif yang bahasanya lues dan
asyik tapi punya resiko bahaya. Dia bisa
halu alias ngarang-ngarang fakta. Jadi,
ini pertarungan antara keamanan melawan
kenyamanan. Sekarang waktunya kita intip
dapul pacunya. Sebagian besar sistem
canggih saat ini berjalan di atas
arsitektur dua langkah yang cerdas
banget yang dikenal dengan nama Ret
River Reader. Coba bayangin ini kayak
lini perakitan di pabrik yang super
efisien. Pertama ada si retriever anggap
dia pekerja gudang yang larinya super
cepat. Tugasnya adalah menyisir jutaan
dokumen dan ngambil beberapa yang paling
mungkin ada jawabannya. Nah,
dokumen-dokumen itu kemudian diserahin
ke si reader. Reader ini adalah sang
spesialis. dia bakal baca setiap dokumen
dengan teliti buat nemuin jawaban yang
paling pas. Terus gimana caranya si
pekerja gudang ini bisa nemu dokumen
yang pas? Cara lama tuh cuma nyocokin
kata kunci. Ket
mobil ya dia cuma nyari kata mobil. Tapi
cara modern jauh lebih pintar. Dia
enggak cuma nyocokin kata, tapi paham
maknanya. Jadi dia tahu kalau kita nanya
soal kendaraan roda empat itu ya
maksudnya sama aja kayak mobil. Inilah
kekuatan AI yang sesungguhnya.
Oke, pendekatan generatif yang mirip
manusia tadi memang keren, tapi dia
punya satu kelemahan fatal. Nah,
sekarang kita bakal lihat sebuah
terobosan yang dirancang khusus untuk
memperbaiki masalah terbesar AI
generatif ini supaya kita bisa lebih
percaya sama jawabannya.
Dan masalah terbesar itu namanya
halusinasi. Ini adalah kondisi di mana
AI saking penginnya kelihatan membantu
malah jadi sok tahu dan ngarang
informasi. Jawabannya kedengaran
meyakinkan banget, padahal salah total.
Nah, pertanyaannya kan gimana kita bisa
percaya sama sistem yang punya potensi
ngarang bebas begini? Solusinya adalah
RAG atau retrieval augmented generation.
Gampangnya bayangin aja ini kayak ujian
open book buat si AI. Sebelum diizinkan
ngejawab, AI ini dipaksa buat nyari dan
baca sumber-sumber yang relevan dulu.
baru setelah itu dia harus merumuskan
jawabannya hanya berdasarkan fakta-fakta
yang ada di buku yang baru aja dia baca.
Dia enggak boleh ngarang dari ingatannya
sendiri. Nah, inilah momen terobosannya.
Arg ini ibarat mengikat AI ke dunia
nyata biar dia enggak halu. Dia mengubah
AI dari yang tadinya berpotensi jadi
pendongeng yang enggak bisa diandalkan
menjadi asisten peneliti yang bisa
nunjukin sumbernya. Jawabannya jadi jauh
lebih bisa dipercaya dan bisa kita cek.
Karena intinya AI sekarang bisa bilang,
"Saya tahu jawaban ini karena sumber ini
yang bilang begitu." Jadi, semua
kemampuan luar biasa ini paham makna,
bikin kalimat, bahkan jadi jujur pakai
Rag itu mesinnya apa sih? Yuk, sekarang
kita lihat teknologi inti di baliknya
dan kira-kira ke mana semua ini bakal
membawa kita?
Percaya atau enggak, hampir semua
kemajuan AI modern ini bisa kita lacak
ke satu momen penting di tahun 2017.
Lahirnya arsitektur bernama Transformer.
Kunci rahasianya adalah mekanisme cerdas
bernama self attention. Gampangnya waktu
kita baca kalimat, otak kita otomatis
tahu kan kata mana yang paling penting
dan nyambung ke kata lain. Nah, self
attention ini ngajarin AI buat melakukan
hal yang persis sama yang bikin dia jadi
jago banget ngerti konteks. Salah satu
lulusan paling terkenal dari arsitektur
transformer ini adalah Bird. Anggap aja
Bird ini kayak seorang kutu buku super
genius. Pertama, dia disuruh baca
miliaran kata buat belajar bahasa secara
umum. Nah, setelah dia punya pemahaman
bahasa yang luas, dia bisa
dispesialisasiin untuk tugas tertentu.
Misalnya jadi ahli tanya jawab. Makanya
dia jadi jago banget nemuin jawaban yang
pas di dalam sebuah teks. Dan ini
membawa kita ke gambaran besarnya.
Tujuan akhir dari semua teknologi ini
bukan lagi sekedar bikin ensiklopedia
yang lebih cepat. Visinya jauh lebih
besar dari itu, yaitu mengubah AI dari
cuma sekedar alat pencari fakta menjadi
rekan berpikir, sebuah partner yang bisa
bantu kita menalar, menganalisis, dan
menemukan pengetahuan baru
bareng-bareng. Ini akhirnya membawa kita
ke sebuah pertanyaan besar. Seiring
teknologi ini terus berkembang,
pertanyaan terpentingnya mungkin bukan
lagi bagaimana cara kerjanya, tapi lebih
ke apakah kita siap untuk menjadikan
mesin sebagai mitra berpikir kita? Waktu
yang akan menjawabnya. Terima kasih
sudah menyimak.