Apa itu generative AI?

AI yang sudah Anda pakai mengurutkan sesuatu. Generative AI membuat sesuatu

Selama dua puluh tahun, AI dalam kehidupan sehari-hari tidak terlihat dan tugasnya mengklasifikasi. Filter spam memutuskan spam atau bukan. Aplikasi foto memutuskan wajah siapa itu. Bank memutuskan penipuan atau bukan. Mesin rekomendasi mengurutkan apa yang ditampilkan berikutnya. Semua itu mengambil sesuatu yang sudah ada lalu memberinya label atau skor. Apa itu AI membahas keluarga yang lebih luas itu.

Generative AI membalik arahnya. Alih-alih mengambil gambar lalu mengeluarkan "kucing", ia mengambil "seekor kucing di ambang jendela saat senja" lalu mengeluarkan gambar. Alih-alih menilai email, ia menulis satu. Model telah mempelajari pola dari jutaan contoh cukup baik untuk menghasilkan satu contoh baru yang sesuai.

Pembalikan itulah alasan utama teknologi ini sampai ke masyarakat luas. Klasifikasi adalah fitur di dalam produk orang lain. Generasi adalah produk itu sendiri: ketik permintaan, terima sesuatu. ChatGPT diluncurkan pada 30 November 2022 dan mencapai perkiraan 100 juta pengguna aktif bulanan pada Januari 2023, dua bulan setelah peluncuran, menurut analisis UBS yang dilaporkan Reuters pada 1 Februari 2023, aplikasi konsumen tercepat yang mencapai angka itu saat itu, karena untuk pertama kalinya keluaran model itu sendiri yang menjadi inti produk.

Yang terjadi setelahnya bukan sekadar arus kecil. Linimasa rilis model mencatat 41 peluncuran besar sejak hari itu, dan 31 di antaranya muncul pada 2025 dan 2026. Warna oranye menandai model penalaran atau keluarga yang dilengkapi mode berpikir; rentang yang diarsir dimulai dari o1-preview.

Setiap model generative mempelajari seperti apa contoh yang masuk akal, lalu membuatnya

Setiap model generative pada dasarnya dilatih dengan cara yang sama: tunjukkan sejumlah besar contoh dan buat model itu belajar seperti apa contoh yang masuk akal. Kemudian, saat digunakan, minta model itu menghasilkan sampel baru yang sesuai dengan pola dan permintaan.

Untuk teks, model belajar memprediksi token berikutnya, dan menghasilkan jawaban satu token pada satu waktu. Apa itu LLM adalah penjelasan lengkapnya. Untuk gambar dan video, pendekatan yang dominan adalah diffusion: model belajar menghilangkan noise dari sebuah gambar secara bertahap, dan saat menghasilkan sesuatu, ia mulai dari noise murni lalu menghilangkannya langkah demi langkah sementara deskripsi teks mengarahkan apa yang muncul. Resep yang dipakai kebanyakan model gambar adalah makalah Denoising Diffusion Probabilistic Models tahun 2020 oleh Ho, Jain dan Abbeel; pendekatan yang digantikannya, generative adversarial networks, berasal dari Goodfellow dkk. pada 2014. Generator musik kebanyakan meminjam salah satu dari keduanya.

Konsekuensi yang perlu diingat adalah semuanya menghasilkan apa yang cocok, bukan apa yang benar. Model teks akan menghasilkan sitasi yang bentuknya seperti sitasi. Model gambar akan menghasilkan tangan yang bentuknya seperti tangan, kadang dengan enam jari. Kelancaran dan kesalahannya berasal dari sumber yang sama, dan apa itu halusinasi AI membahas versi teksnya secara mendalam.

Empat media, empat jenis model, satu jendela

Pada 2022, generative AI berarti teks, dan secara terpisah, gambar. Pada 2026, satu produk chat mengarahkan ke empat jenis generator, dan model di baliknya berbeda-beda.

Keputusan produk di baliknya adalah bahwa media ini diukur secara berbeda karena biaya menjalankannya juga berbeda. Jawaban teks hanya sepersekian sen. Gambar punya penghitung tersendiri. Video dan musik adalah baris termahal dan berada di paket teratas.

Generasi gambar tidak termasuk di Starter, 100 per bulan di Pro dan 500 per bulan di Powerhouse, dan generasi video serta musik adalah fitur Powerhouse, menurut cara kerja kredit Whizi. Selisih antara jawaban teks dan klip video adalah selisih antara menghasilkan 500 token dan menghasilkan beberapa detik frame, dan harganya mengikuti biaya komputasi.

Untuk apa generative AI berguna, dan batas jujurnya

Generative AI unggul untuk draf pertama dari apa pun yang bentuknya sudah diketahui: email, ringkasan, fungsi, foto produk, trek latar. Ia unggul dalam transformasi, mengambil sesuatu yang sudah ada dan menghasilkan bentuk lain darinya: diterjemahkan, dipersingkat, ditulis ulang untuk pembaca berbeda, diubah gayanya. Dan ia unggul dalam volume, menghasilkan dua puluh varian di saat seseorang hanya akan membuat dua.

Ia lemah, secara bawaan, dalam tiga hal. Fakta yang belum diberikan kepadanya, karena ia menghasilkan apa yang cocok, bukan apa yang benar. Presisi pada kasus langka: jari keenam, kode yang berhasil dikompilasi tapi salah hasilnya. Dan penilaian apakah keluarannya bagus, yang tetap menjadi tanggung jawab orang yang memintanya. Panduan cara menggunakan AI adalah versi praktis untuk bekerja di dalam batasan ini.

Aturan keputusannya: generative AI adalah alat yang tepat saat Anda bisa mengenali hasil yang bagus lebih cepat daripada menghasilkannya sendiri. Jika Anda tidak bisa membedakan hasil yang bagus dari yang buruk, ini belum jadi alat yang tepat untuk tugas itu.

Generative AI adalah cabang machine learning, yang merupakan cabang AI

Kecerdasan buatan adalah payungnya: perangkat lunak apa pun yang melakukan sesuatu yang kita sebut cerdas jika dilakukan manusia. Machine learning adalah metode yang dipakai kebanyakan AI modern, mempelajari aturan dari data alih-alih diprogram dengan aturan itu. Generative AI adalah cabang machine learning yang keluarannya adalah konten baru. Large language model adalah model generative untuk teks. Chatbot adalah aplikasi yang dibungkus di sekitarnya. Masing-masing adalah bagian dari yang sebelumnya, dan glosarium AI memuat semua istilah ini dalam satu tempat.

Bacaan praktisnya: saat sebuah produk mengaku "menggunakan AI", tanyakan jenis apa. Jika ia mengurutkan, mengurutkan peringkat atau memprediksi, itu jenis lama dan biasanya bekerja dengan baik. Jika ia menghasilkan, itu jenis baru dan butuh seseorang yang memeriksa keluarannya.