Dipublikasikan: 17 Februari 2024, Terakhir diperbarui: 22 April 2025
Kecerdasan buatan (AI) mencakup banyak teknologi baru yang kompleks yang sebelumnya memerlukan input manusia dan kini dapat dilakukan oleh komputer. Secara umum, AI adalah program, model, atau komputer non-manusia yang menunjukkan berbagai macam pemecahan masalah dan kreativitas. Komputer dapat melakukan fungsi lanjutan, yang secara historis digunakan untuk memahami dan merekomendasikan informasi. Dengan AI generatif, komputer bahkan dapat menghasilkan konten baru.
Akronim AI sering kali digunakan secara bergantian untuk mewakili berbagai jenis teknologi dalam bidang kecerdasan buatan, tetapi kemampuan AI dapat sangat bervariasi.
Di sini, Anda akan menemukan sejumlah istilah dan konsep untuk AI dalam praktik, di web. Untuk mempelajari machine learning lebih lanjut, tinjau glosarium machine learning.
Bagaimana cara kerja AI?
Pelatihan adalah langkah pertama untuk setiap model, di mana engineer machine learning membuat algoritma untuk memberikan input spesifik pada model dan menunjukkan output yang optimal. Secara umum, developer web tidak perlu melakukan langkah ini, meskipun Anda mungkin mendapatkan manfaat dengan memahami cara model tertentu dilatih. Meskipun Anda dapat menyesuaikan model, sebaiknya gunakan waktu Anda untuk memilih model terbaik untuk tugas Anda.
Inferensi adalah proses model yang menarik kesimpulan berdasarkan data baru. Makin banyak pelatihan yang dimiliki model di area tertentu, makin besar kemungkinan inferensi membuat output yang berguna dan benar. Namun, tidak ada jaminan inferensi sempurna, terlepas dari seberapa banyak pelatihan yang diterima model.
Misalnya, Green Light menggunakan model AI yang dilatih dengan data dari Google Maps untuk memahami pola lalu lintas. Seiring data yang diterima semakin banyak, inferensi dilakukan untuk memberikan rekomendasi guna mengoptimalkan lampu lalu lintas
Di mana AI dilakukan?
Pelatihan AI selesai sebelum model dirilis. Mungkin ada pelatihan lebih lanjut yang dapat menghasilkan versi baru model dengan lebih banyak kemampuan atau akurasi.
Developer web harus memperhatikan tempat inferensi AI dilakukan. Biaya penggunaan AI sebagian besar dipengaruhi oleh inferensi. Rentang kemampuan untuk satu model juga sangat terpengaruh.
AI sisi klien
Meskipun sebagian besar fitur AI di web mengandalkan server, AI sisi klien berjalan di browser pengguna dan melakukan inferensi di perangkat pengguna. Hal ini menawarkan latensi yang lebih rendah, mengurangi biaya sisi server, menghapus persyaratan kunci API, meningkatkan privasi pengguna, dan akses offline. Anda dapat menerapkan AI sisi klien yang berfungsi di seluruh browser dengan library JavaScript, termasuk Transformers.js, TensorFlow.js, dan MediaPipe.
Model sisi klien yang kecil dan dioptimalkan dapat mengungguli model sisi server yang lebih besar, terutama jika dioptimalkan untuk performa. Nilai kasus penggunaan Anda untuk menentukan solusi yang tepat bagi Anda.
AI sisi server
AI sisi server mencakup layanan AI berbasis cloud. Anggap Gemini 1.5 Pro berjalan di cloud. Model ini cenderung jauh lebih besar dan lebih canggih. Hal ini terutama berlaku untuk model bahasa besar.
AI Hybrid
AI Hybrid mengacu pada solusi apa pun yang mencakup komponen klien dan server. Misalnya, Anda dapat menggunakan model sisi klien untuk melakukan tugas dan kembali ke model sisi server saat tugas tidak dapat diselesaikan di perangkat.
Machine learning (ML)
Machine learning (ML) adalah proses yang digunakan komputer untuk belajar dan melakukan tugas tanpa pemrograman eksplisit. Jika AI berupaya menghasilkan kecerdasan, ML terdiri dari algoritma untuk membuat prediksi set data.
Misalnya, kita ingin membuat situs yang memberikan rating cuaca pada hari tertentu. Secara tradisional, hal ini dapat dilakukan oleh satu atau beberapa ahli meteorologi, yang dapat membuat representasi atmosfer dan permukaan Bumi, menghitung dan memprediksi pola cuaca, serta menentukan rating dengan membandingkan data saat ini dengan konteks historis.
Sebagai gantinya, kita dapat memberi model ML data cuaca dalam jumlah besar, hingga model mempelajari hubungan matematis antara pola cuaca, data historis, dan panduan tentang apa yang membuat cuaca baik atau buruk pada hari tertentu. Bahkan, kita telah membuatnya di web.
AI generatif dan model bahasa besar
AI Generatif adalah bentuk machine learning yang membantu pengguna membuat konten yang terasa akrab dan meniru kreasi manusia. AI generatif menggunakan model bahasa besar untuk mengatur data dan membuat atau mengubah teks, gambar, video, dan audio, berdasarkan konteks yang diberikan. AI generatif tidak hanya mencocokkan pola dan membuat prediksi.
Model bahasa besar (LLM) memiliki banyak parameter (sering kali miliaran) yang dapat Anda gunakan untuk melakukan berbagai tugas, seperti membuat, mengklasifikasikan, atau meringkas teks atau gambar.
Chatbot telah menjadi alat yang sangat populer bagi orang-orang untuk menggunakan AI generatif, termasuk:
- Gemini oleh Google
- ChatGPT oleh OpenAI
- Claude oleh Anthropic
- Copilot oleh Microsoft
- Dan banyak lagi.
Alat ini dapat membuat prosa tertulis, contoh kode, dan karya seni. Model ini dapat membantu Anda merencanakan liburan, memperhalus atau membuat email menjadi lebih profesional, atau mengklasifikasikan berbagai kumpulan informasi ke dalam kategori.
Ada banyak kasus penggunaan untuk developer dan non-developer.
Deep learning
Deep learning (DL) adalah kelas algoritma ML. Salah satu contohnya adalah Jaringan Neural Dalam (DNN) yang mencoba membuat model cara otak manusia memproses informasi.
Algoritma deep learning dapat dilatih untuk mengaitkan fitur tertentu dalam gambar dengan label atau kategori tertentu. Setelah dilatih, algoritma dapat membuat prediksi yang mengidentifikasi kategori yang sama dalam gambar baru. Misalnya, Google Foto dapat mengidentifikasi perbedaan antara kucing dan dalam foto.
Natural language processing (NLP)
Natural language processing adalah class ML yang berfokus pada membantu komputer memahami bahasa manusia, mulai dari aturan bahasa tertentu hingga kebiasaan, dialek, dan bahasa gaul yang digunakan oleh individu.
Tantangan terkait AI
Ada beberapa tantangan saat membuat dan menggunakan AI. Berikut adalah beberapa poin penting yang perlu Anda pertimbangkan.
Kualitas dan keaktualan data
Set data besar yang digunakan untuk melatih berbagai model AI sering kali sudah tidak berlaku lagi segera setelah digunakan. Artinya, saat mencari informasi terbaru, Anda dapat memanfaatkan rekayasa perintah untuk meningkatkan performa model AI pada tugas tertentu dan menghasilkan output yang lebih baik.
Set data dapat tidak lengkap atau terlalu kecil untuk mendukung beberapa kasus penggunaan secara efektif. Sebaiknya coba gunakan beberapa alat atau sesuaikan model agar sesuai dengan kebutuhan Anda.
Masalah etika dan bias
Teknologi AI sangat menarik dan memiliki banyak potensi. Namun, pada akhirnya, komputer dan algoritma dibuat oleh manusia, dilatih dengan data yang mungkin dikumpulkan oleh manusia, sehingga dapat mengalami beberapa tantangan. Misalnya, model dapat mempelajari dan memperkuat bias manusia dan stereotip berbahaya, yang secara langsung memengaruhi output. Penting untuk mendekati pembuatan teknologi AI dengan mitigasi bias sebagai prioritas.
Ada banyak pertimbangan etis tentang hak cipta konten buatan AI; siapa yang memiliki output, terutama jika konten tersebut sangat dipengaruhi oleh atau disalin langsung dari materi yang dilindungi hak cipta?
Sebelum membuat konten dan ide baru, pertimbangkan kebijakan yang ada tentang cara menggunakan materi yang Anda buat.
Keamanan dan privasi
Banyak developer web telah mengatakan bahwa privasi dan keamanan adalah perhatian utama mereka dalam menggunakan alat AI. Hal ini terutama berlaku dalam konteks bisnis dengan persyaratan data yang ketat, seperti pemerintah dan perusahaan layanan kesehatan. Mengekspos data pengguna ke lebih banyak pihak ketiga dengan API cloud merupakan masalah. Penting untuk memastikan bahwa setiap transmisi data aman dan terus dipantau.
AI sisi klien mungkin menjadi kunci untuk mengatasi kasus penggunaan ini. Masih banyak penelitian dan pengembangan yang harus dilakukan.
Mulai menggunakan AI di web
Setelah memahami berbagai jenis kecerdasan buatan, Anda dapat mulai mempertimbangkan cara menggunakan model yang ada untuk menjadi lebih produktif dan membuat situs dan aplikasi web yang lebih baik.
Anda dapat menggunakan AI untuk:
- Buat pelengkapan otomatis yang lebih baik untuk penelusuran situs Anda.
- Mendeteksi keberadaan objek umum, seperti manusia atau hewan peliharaan, dengan kamera pintar
- Atasi spam komentar dengan model bahasa alami.
- Tingkatkan produktivitas Anda dengan mengaktifkan pelengkapan otomatis untuk kode Anda.
- Buat pengalaman menulis WYSIWYG dengan saran untuk kata atau kalimat berikutnya.
- Berikan penjelasan set data yang mudah dipahami.
- Dan lebih banyak lagi...
Model AI terlatih dapat menjadi cara yang bagus untuk meningkatkan kualitas situs, aplikasi web, dan produktivitas kita, tanpa perlu pemahaman penuh tentang cara membuat model matematika dan mengumpulkan set data kompleks yang mendukung alat AI yang paling populer.
Anda mungkin mendapati bahwa sebagian besar model langsung memenuhi kebutuhan Anda, tanpa penyesuaian lebih lanjut. Penyesuaian adalah proses mengambil model, yang telah dilatih pada set data besar, dan pelatihan lebih lanjut untuk memenuhi kebutuhan penggunaan spesifik Anda. Ada beberapa teknik untuk menyesuaikan model:
- Reinforcement Learning from Human Feedback (RLHF) adalah teknik yang menggunakan masukan manusia untuk meningkatkan kesesuaian model dengan preferensi dan niat manusia.
- Low-Rank Adaption (LoRA) adalah metode yang efisien parameter untuk LLM yang mengurangi jumlah parameter yang dapat dilatih, sekaligus mempertahankan performa model.