bytedaily - Perkembangan pesat kecerdasan buatan (AI) telah melahirkan serangkaian istilah teknis baru yang terkadang membingungkan, bahkan bagi para profesional di bidang teknologi. Dilansir dari techcrunch.com, artikel ini bertujuan untuk mengklarifikasi beberapa istilah umum seperti LLM (Large Language Models), RAG (Retrieval-Augmented Generation), RLHF (Reinforcement Learning from Human Feedback), dan AGI (Artificial General Intelligence), serta konsep terkait seperti AI Agent dan API Endpoints.
Artificial General Intelligence (AGI) merujuk pada AI yang memiliki kemampuan melebihi rata-rata manusia dalam berbagai tugas. Definisi AGI bervariasi antar organisasi terkemuka. Sam Altman dari OpenAI menggambarkannya sebagai 'setara dengan manusia rata-rata yang dapat Anda pekerjakan sebagai rekan kerja', sementara piagam OpenAI mendefinisikannya sebagai 'sistem yang sangat otonom yang mengungguli manusia dalam sebagian besar pekerjaan yang bernilai ekonomi'. Google DeepMind memiliki pandangan sedikit berbeda, menganggap AGI sebagai 'AI yang setidaknya sama mampunya dengan manusia dalam sebagian besar tugas kognitif'. Kebingungan mengenai definisi AGI bahkan dirasakan oleh para ahli riset AI terdepan.
AI Agent adalah alat yang memanfaatkan teknologi AI untuk melakukan serangkaian tugas atas nama pengguna, melampaui kemampuan chatbot AI dasar. Contohnya termasuk mengajukan biaya pengeluaran, memesan tiket, atau bahkan menulis dan memelihara kode. Namun, konsep 'AI Agent' masih berkembang dan dapat memiliki makna berbeda bagi setiap orang, mengingat infrastruktur pendukungnya masih terus dibangun. Konsep dasarnya adalah sistem otonom yang dapat menggunakan berbagai sistem AI untuk menyelesaikan tugas-tugas bertahap.
API Endpoints dapat diibaratkan sebagai 'tombol' pada sebuah perangkat lunak yang memungkinkan program lain untuk berinteraksi dengannya. Pengembang menggunakan antarmuka ini untuk membangun integrasi, misalnya agar satu aplikasi dapat mengambil data dari aplikasi lain, atau memungkinkan AI Agent mengontrol layanan pihak ketiga secara langsung tanpa campur tangan manusia. Seiring dengan meningkatnya kapabilitas AI Agent, mereka semakin mampu menemukan dan menggunakan API Endpoints secara mandiri, membuka potensi otomatisasi yang kuat.
Dalam konteks AI, 'chain-of-thought reasoning' untuk large language models berarti memecah masalah menjadi langkah-langkah kecil dan perantara untuk meningkatkan kualitas hasil akhir. Pendekatan ini, meskipun membutuhkan waktu lebih lama untuk mendapatkan jawaban, cenderung menghasilkan jawaban yang lebih akurat, terutama dalam konteks logika atau pemrograman. Model penalaran ini dikembangkan dari large language models tradisional dan dioptimalkan untuk proses berpikir bertahap.
Sumber asli: Artikel ini disadur dari publikasi techcrunch.com.
