Lampiran

Glosarium AI

Istilah yang akan Anda dengar di ruangan, dijelaskan dengan sederhana.

Kecerdasan buatan (AI): Sistem komputer yang mengerjakan tugas yang biasanya kita kaitkan dengan pemikiran manusia, seperti memprediksi, memilah, menulis, atau merencanakan.
Pembelajaran mesin: Cara membangun sistem yang mempelajari pola dari contoh, tanpa perlu diberi setiap aturan.
Model: Sistem yang telah belajar dari data dan mengubah masukan menjadi keluaran.
Model bahasa besar (LLM): Model yang dilatih dengan teks dalam jumlah besar untuk memprediksi dan menulis bahasa.
AI generatif: AI yang membuat teks, gambar, audio, kode, atau konten baru lainnya.
Sistem agen / agen AI: Model yang terhubung dengan alat, memori, dan instruksi, sehingga dapat menjalankan tugas dalam beberapa langkah.
Otomatisasi: Membiarkan sistem mengerjakan tugas dengan sedikit bantuan langsung dari manusia.
Peningkatan kemampuan: Menggunakan AI untuk membantu orang bekerja, bukan menggantikan mereka.
Manusia dalam proses: Seseorang memeriksa, menyetujui, atau ikut campur selama proses yang menggunakan AI.
Manusia mengawasi proses: Seseorang mengawasi sistem tetapi tidak memeriksa setiap tindakan.
Manusia di luar proses: Sistem bertindak tanpa seseorang memeriksa setiap keputusan atau tindakan.
Data pelatihan: Contoh yang dipelajari model.
Kumpulan data: Kumpulan data yang tertata untuk melatih, menguji, atau mempelajari sesuatu.
Asal-usul data: Dari mana data berasal, serta bagaimana data dikumpulkan atau diubah.
Riwayat alur data: Jalur yang dilalui data dalam berbagai sistem, dan apa yang terjadi padanya sepanjang jalur itu.
Data terstruktur: Data dalam kolom tetap, seperti lembar kerja atau basis data.
Data tidak terstruktur: Teks, gambar, audio, atau video yang tidak cocok dimasukkan ke tabel.
Data sintetis: Data buatan yang dibuat agar menyerupai data nyata.
Acuan kebenaran: Jawaban yang dianggap benar saat menguji sistem.
Basis pengetahuan: Kumpulan informasi terpilih yang dapat ditelusuri sistem.
Pengetahuan parametrik: Pengetahuan yang disimpan model dalam angka hasil pembelajarannya, bukan yang dicari dari sumber lain.
Pengetahuan faktual: Fakta dan hubungan yang mungkin dipelajari model dari data pelatihannya.
Pembuatan jawaban berbantuan pencarian (RAG): Sistem mencari dokumen atau catatan terlebih dahulu, lalu menulis jawaban berdasarkan sumber itu.
Pengetahuan lokal: Pengetahuan dari pengalaman di tempat atau komunitas tertentu.
Pengetahuan masyarakat adat: Pengetahuan yang dikembangkan dan dijaga oleh masyarakat dan komunitas adat.
Kedaulatan data: Gagasan bahwa data harus diatur oleh hukum, hak, dan kewenangan masyarakat atau wilayah yang menjadi subjeknya.
Minimalisasi data: Mengumpulkan dan menyimpan hanya data yang diperlukan untuk tujuan yang dinyatakan.
Data sensitif: Data yang dapat menimbulkan kerugian jika dibagikan atau disalahgunakan.
Masukan / instruksi: Instruksi atau bahan yang Anda berikan kepada model.
Keluaran: Hasil dari sistem: teks, prediksi, kategori, gambar, atau tindakan.
Inferensi: Menjalankan model yang telah dilatih untuk mendapat jawaban.
Jendela konteks: Jumlah teks atau bahan lain yang dapat diterima model sekaligus.
Token: Potongan kecil teks, sering kali bagian dari kata, yang dibaca dan ditulis model.
Representasi vektor: Daftar angka yang mewakili potongan teks atau gambar, agar komputer dapat membandingkan makna.
Klasifikasi: Memasukkan sesuatu ke satu atau beberapa kategori.
Prediksi: Perkiraan terbaik tentang hasil, berdasarkan data yang tersedia.
Prakiraan: Prediksi tentang masa depan.
Rekomendasi: Keluaran yang menyarankan tindakan.
Optimasi: Mencari hasil terbaik dengan tujuan dan batasan tertentu.
Fungsi tujuan: Nilai angka tertentu yang berusaha dibuat setinggi atau serendah mungkin oleh sistem.
Ukuran pengganti: Sesuatu yang mudah diukur untuk menggantikan tujuan yang sulit diukur.
Tolok ukur: Uji standar untuk membandingkan model.
Evaluasi: Mengukur seberapa baik kinerja model atau sistem berdasarkan kriteria yang ditetapkan.
Ketidakpastian: Seberapa besar kemungkinan keluaran salah atau tidak lengkap.
Skor keyakinan: Angka yang menunjukkan seberapa yakin sistem terhadap prediksi.
Kalibrasi: Apakah keyakinan sistem sesuai dengan seberapa sering sistem benar.
Kemampuan menjelaskan: Kemampuan untuk menjelaskan dengan jelas bagaimana sistem menghasilkan keluaran.
Kemudahan dipahami: Seberapa baik orang dapat memahami apa yang terjadi di dalam sistem.
Kotak hitam: Sistem yang cara kerja di dalamnya sulit dilihat atau diperiksa.
Halusinasi: Jawaban yang lancar tetapi salah, dibuat-buat, atau tidak didukung sumber apa pun.
Bias: Kesalahan yang terus-menerus menguntungkan atau merugikan kelompok tertentu, akibat data, desain, atau cara penggunaan sistem.
Keadilan: Cara mengukur dan memperbaiki perlakuan atau hasil yang tidak setara.
Ketangguhan: Tetap bekerja dengan andal meski kondisi berubah atau masukan berantakan.
Serangan adversarial: Masukan yang sengaja dirancang untuk membuat sistem gagal atau bertindak keliru.
Jaringan saraf: Sistem komputer dengan lapisan yang saling terhubung untuk mengubah masukan menjadi keluaran.
Perseptron: Model matematika awal dari satu sel otak. Jaringan saraf kemudian berkembang darinya.
Transformer: Desain yang mendasari sebagian besar model bahasa modern. Desain ini menentukan kata mana dalam teks yang penting bagi kata lainnya.
Bobot: Angka yang dipelajari model selama pelatihan. Dalam praktiknya, bobot adalah model itu sendiri.
Bobot terbuka: Bobot yang dipublikasikan agar siapa pun dapat menjalankan, mempelajari, atau menyediakan model di perangkat sendiri.
Bobot tertutup: Bobot yang disimpan di server perusahaan. Anda hanya dapat memakai model melalui layanan mereka.
Prapelatihan: Tahap pelatihan pertama dan terbesar, biasanya untuk memprediksi potongan teks berikutnya.
Penyetelan lanjutan: Pelatihan tambahan dengan kumpulan data yang lebih kecil atau tugas tertentu.
Pascapelatihan: Pelatihan setelah prapelatihan agar model lebih berguna dan berperilaku lebih baik.
Pembelajaran penguatan (RL): Pelatihan yang memberi imbalan untuk beberapa tindakan dan hukuman untuk tindakan lainnya.
Pembelajaran penguatan dari umpan balik manusia (RLHF): Pembelajaran penguatan yang imbalannya berasal dari penilaian manusia.
Model penalaran: Model yang mengerahkan upaya tambahan untuk memecahkan masalah bertahap sebelum menjawab.
Rantai pemikiran: Langkah-langkah pengerjaan yang ditulis model saat memecahkan masalah.
Hukum skala: Temuan bahwa model membaik secara terduga saat ukurannya membesar, mempelajari lebih banyak data, dan memakai lebih banyak daya komputasi.
Gabungan pakar (MoE): Model dengan banyak bagian khusus, tetapi hanya beberapa yang dipakai untuk tiap masukan. Ini membuat biaya pengoperasiannya lebih murah.
Penyelarasan: Membuat sistem berperilaku sesuai tujuan atau nilai yang dipilih.
Keselamatan AI: Penelitian dan praktik untuk mencegah sistem AI menimbulkan kerugian atau lepas kendali.
Tata kelola AI: Aturan, lembaga, dan proses yang membentuk cara AI dibangun dan digunakan.
AI yang bertanggung jawab: Membangun dan menggunakan AI dengan memperhatikan dampak sosial, etika, hukum, dan lingkungan.
Desain peka nilai: Merancang teknologi dengan memperhatikan nilai-nilai manusia dan kepentingan orang yang terdampak.
AI selaras kedaulatan: AI yang dibangun dan dikelola agar komunitas atau wilayah tertentu tetap memegang kendali atasnya.
Izin terperinci: Batasan tepat atas alat, berkas, data, atau tindakan yang dapat digunakan sistem.
Ruang uji terisolasi: Ruang terpisah tempat sistem dapat berjalan dengan akses terbatas.
Tahap persetujuan manusia: Tahap yang mewajibkan persetujuan seseorang sebelum tindakan dilanjutkan.
Catatan audit: Catatan tentang masukan, keluaran, dan tindakan sistem.
Kartu model: Dokumen yang menjelaskan kegunaan model, batasannya, dan cara pengujiannya.
Kartu sistem: Dokumen yang menjelaskan seluruh sistem yang diterapkan, termasuk risiko dan langkah pengamannya.
Pergeseran model: Perubahan kinerja model seiring waktu karena data atau kondisi berubah.
Pengelolaan versi: Melacak perubahan pada model, data, instruksi, dan perangkat lunak.
Pemulihan versi: Kembali ke versi sistem sebelumnya.
Pengoperasian mandiri: Menjalankan model pada perangkat keras yang Anda atau lembaga Anda kendalikan.
Tanpa penyimpanan data: Janji tertulis dari penyedia bahwa mereka tidak menyimpan apa pun yang Anda kirim.