Diperbarui: . Disusun oleh Mcsyauqi, konsultan AI untuk bisnis. Setiap definisi merujuk dokumentasi resmi, makalah ilmiah, atau regulasi yang ditautkan di bawah istilahnya.
Glosarium AI ini merangkum 37 istilah kecerdasan buatan yang paling sering muncul saat bisnis mulai memakai AI, dari kepanjangan AI, jenis-jenis AI, sampai istilah teknis seperti token, RAG, dan deepfake. Setiap istilah dibuka dengan definisi singkat yang bisa dibaca dan dikutip secara mandiri, lalu diikuti nama lain, artikel pendalaman di mcsyauqi.com, dan sumber rujukannya.
Konsep dasar AI
Kecerdasan Buatan (Artificial Intelligence, AI)
Kecerdasan buatan atau AI, kepanjangan dari artificial intelligence, adalah bidang ilmu komputer yang membangun sistem agar mesin mampu meniru kemampuan manusia seperti belajar, memahami bahasa, memecahkan masalah, dan mengambil keputusan. Istilah artificial intelligence dipakai dalam proposal riset Dartmouth yang ditulis John McCarthy dan rekan-rekannya pada 31 Agustus 1955.
Kecerdasan Artifisial (arti AI dalam bahasa Indonesia)
Kecerdasan artifisial adalah padanan bahasa Indonesia untuk artificial intelligence yang dipakai dalam dokumen resmi pemerintah. Surat Edaran Menkominfo Nomor 9 Tahun 2023 mendefinisikannya sebagai bentuk pemrograman pada perangkat komputer untuk memproses atau mengolah data secara cermat, sehingga AI artinya kecerdasan buatan atau kecerdasan artifisial.
Sistem AI (AI System)
Sistem AI adalah sistem berbasis mesin yang, untuk tujuan tertentu, menyimpulkan dari input yang diterimanya cara menghasilkan output berupa prediksi, konten, rekomendasi, atau keputusan yang dapat memengaruhi lingkungan fisik maupun virtual. Rumusan ini mengikuti definisi sistem AI yang telah direvisi dan disetujui negara-negara anggota OECD.
Machine Learning (Pembelajaran Mesin)
Machine learning adalah cabang AI tempat sebuah program melatih model dari data, bukan dari aturan yang ditulis manual satu per satu. Model hasil latihan itu kemudian dipakai untuk membuat prediksi yang berguna atas data baru yang belum pernah dilihat sebelumnya, misalnya memperkirakan permintaan produk atau menyaring email spam.
Deep Learning (Pembelajaran Mendalam)
Deep learning adalah bagian dari machine learning yang memakai jaringan saraf tiruan berlapis banyak, terinspirasi dari struktur otak manusia. Banyaknya lapisan membuat model mampu mempelajari pola rumit langsung dari data mentah seperti gambar, suara, dan teks, sehingga menjadi dasar pengenalan wajah, penerjemah otomatis, dan chatbot modern.
Jaringan Saraf Tiruan (Neural Network)
Jaringan saraf tiruan adalah model komputasi yang tersusun dari lapisan-lapisan neuron buatan yang saling terhubung, minimal dengan satu lapisan tersembunyi di antara input dan output. Jaringan ini belajar mengenali pola dari data, dan jaringan dengan lebih dari satu lapisan tersembunyi disebut deep neural network.
Jenis AI berdasarkan kemampuan
Narrow AI (Artificial Narrow Intelligence, ANI)
Narrow AI adalah jenis AI yang dilatih untuk menjalankan satu tugas atau sekumpulan tugas sempit, misalnya menerjemahkan teks, merekomendasikan produk, atau mengenali wajah. Semua AI yang dipakai sehari-hari saat ini, termasuk asisten suara dan chatbot, termasuk kategori ini karena tidak mampu bernalar di luar tugas yang dilatihkan.
Artificial General Intelligence (AGI)
Artificial General Intelligence atau AGI adalah tahap hipotetis dalam pengembangan AI ketika sebuah sistem mampu menyamai kemampuan kognitif manusia pada tugas apa pun, bukan hanya satu bidang. Sampai sekarang AGI belum terwujud dan masih menjadi tujuan riset sekaligus bahan perdebatan di kalangan ilmuwan.
Artificial Superintelligence (ASI)
Artificial Superintelligence atau ASI adalah konsep hipotetis tentang sistem AI berbasis perangkat lunak yang kecerdasannya melampaui kecerdasan manusia di hampir semua bidang. ASI belum ada dan sering dibahas dalam diskusi keselamatan serta etika AI jangka panjang, karena dampaknya sulit diprediksi dan dikendalikan.
AI generatif dan model bahasa
Generative AI (AI Generatif)
Generative AI adalah jenis kecerdasan buatan yang mampu membuat konten orisinal seperti teks, gambar, audio, video, atau kode sebagai respons atas perintah pengguna. Model generatif mempelajari pola dari data latih dalam jumlah besar, lalu memakai pola itu untuk menghasilkan keluaran baru yang mirip, bukan sekadar menyalin.
Large Language Model (LLM)
Large Language Model atau LLM adalah model bahasa dengan jumlah parameter sangat besar yang dilatih pada kumpulan teks raksasa untuk memprediksi dan menghasilkan teks. Hampir semua LLM saat ini dibangun di atas arsitektur Transformer, dan menjadi mesin di balik layanan seperti ChatGPT (keluarga model GPT) dan Gemini.
Transformer
Transformer adalah arsitektur jaringan saraf yang memproses urutan data, seperti kalimat, dengan mekanisme self-attention sehingga setiap kata dapat ditimbang terhadap kata lain secara bersamaan. Arsitektur ini diperkenalkan peneliti Google dalam makalah Attention Is All You Need pada 2017 dan kini menjadi fondasi hampir semua LLM.
Natural Language Processing (NLP)
Natural Language Processing atau pemrosesan bahasa alami adalah cabang AI yang memakai machine learning agar komputer dapat memahami, menafsirkan, dan menghasilkan bahasa manusia, baik tulisan maupun lisan. Contoh penerapannya antara lain penerjemah otomatis, analisis sentimen ulasan pelanggan, ringkasan dokumen, dan chatbot layanan pelanggan.
Computer Vision (Visi Komputer)
Computer vision adalah cabang AI yang membekali mesin dengan kemampuan memproses, menganalisis, dan menafsirkan input visual seperti foto dan video. Dengan machine learning, sistem dapat mengenali objek, membaca teks pada gambar, mendeteksi cacat produk di lini produksi, atau menghitung jumlah pengunjung toko secara otomatis.
Multimodal AI
Multimodal AI adalah sistem AI yang mampu memproses dan menggabungkan informasi dari lebih dari satu jenis data, misalnya teks, gambar, audio, dan video, sekaligus. Contohnya, model yang menerima foto struk belanja beserta pertanyaan tertulis, lalu menjawab dengan teks yang merangkum isi struk tersebut secara akurat.
Diffusion Model (Model Difusi)
Diffusion model adalah jenis model generatif yang dilatih dengan menambahkan noise acak ke data secara bertahap, lalu belajar membalik proses itu untuk menyusun data baru dari noise. Salah satu makalah kuncinya adalah Denoising Diffusion Probabilistic Models (2020), dan model jenis ini menjadi dasar banyak AI pembuat gambar.
Deepfake
Deepfake adalah media sintetis berupa video, gambar, atau audio yang dibuat atau dimanipulasi dengan teknik deep learning sehingga seseorang tampak mengatakan atau melakukan hal yang tidak pernah terjadi. Nama deepfake berasal dari gabungan deep learning dan fake, dan teknologinya rawan disalahgunakan untuk penipuan serta disinformasi.
Prompt, token, dan cara model menjawab
Prompt
Prompt adalah teks atau input lain yang diberikan kepada model AI generatif untuk mengarahkan respons yang diinginkan. Prompt bisa sesingkat satu pertanyaan atau sepanjang dokumen utuh, dan biasanya memuat instruksi, konteks, contoh, serta format jawaban yang diharapkan agar hasilnya relevan dengan kebutuhan pengguna.
Prompt Engineering
Prompt engineering adalah proses menulis, menguji, dan menyempurnakan prompt agar sistem AI generatif menghasilkan keluaran yang spesifik dan berkualitas tinggi. Tekniknya meliputi memberi peran, menyertakan contoh, memecah tugas menjadi langkah, serta menetapkan format jawaban, tanpa perlu mengubah model itu sendiri.
Token
Token adalah satuan terkecil teks yang diproses model bahasa saat dilatih maupun saat menjawab. Satu token bisa berupa satu kata utuh, potongan kata, karakter, atau tanda baca, tergantung cara pemotongan teks, dan jumlah token menentukan seberapa panjang teks yang muat dalam context window sebuah model.
Context Window (Jendela Konteks)
Context window adalah jumlah maksimum token yang dapat diproses model dalam satu kali permintaan, mencakup prompt, dokumen lampiran, riwayat percakapan, dan jawaban. Semakin besar context window, semakin banyak informasi yang bisa dipertimbangkan model sekaligus sehingga jawabannya lebih runtut terhadap percakapan panjang.
Inferensi (Inference)
Inferensi adalah tahap ketika model AI yang sudah selesai dilatih dipakai untuk menghasilkan prediksi atau jawaban atas input baru. Pada model bahasa besar, inferensi berarti proses model menyusun respons terhadap prompt pengguna, berbeda dari pelatihan yang justru mengubah parameter model berdasarkan data.
Halusinasi AI (AI Hallucination)
Halusinasi AI adalah kondisi ketika model AI generatif menghasilkan jawaban yang terdengar meyakinkan tetapi keliru secara fakta, misalnya mengarang angka, kutipan, atau sumber yang tidak ada. Risiko ini dapat ditekan dengan memberi sumber data tepercaya, memakai RAG, dan selalu memeriksa ulang klaim penting.
Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation atau RAG adalah teknik yang menggabungkan model generatif dengan proses pencarian dokumen, sehingga model mengambil informasi relevan dari basis pengetahuan terlebih dulu sebelum menyusun jawaban. Teknik ini diperkenalkan dalam makalah Lewis dan rekan-rekannya pada 2020 dan membantu jawaban lebih faktual serta mutakhir.
Embedding
Embedding adalah representasi data seperti kata, kalimat, atau gambar dalam bentuk deretan angka atau vektor, sehingga makna dan kemiripannya dapat dihitung oleh komputer. Dua teks dengan makna serupa akan memiliki vektor yang berdekatan, prinsip yang dipakai pada pencarian semantik, sistem rekomendasi, dan RAG.
Pelatihan model
Data Latih (Training Data)
Data latih adalah bagian dari dataset yang dipakai untuk melatih model machine learning agar mengenali pola. Dataset biasanya dibagi menjadi data latih, data validasi, dan data uji dengan setiap contoh hanya masuk ke satu bagian, sedangkan kualitas, jumlah, dan keragaman data latih sangat menentukan akurasi model.
Parameter Model
Parameter adalah nilai internal model, terutama bobot dan bias, yang dipelajari dan disesuaikan secara otomatis selama proses pelatihan, dan jumlahnya sering dipakai untuk menggambarkan ukuran sebuah model bahasa. Parameter berbeda dari hyperparameter, yaitu pengaturan yang ditetapkan manusia sebelum pelatihan dimulai, seperti laju pembelajaran.
Supervised Learning (Pembelajaran Terarah)
Supervised learning adalah metode machine learning yang melatih model memakai data berlabel, yaitu pasangan contoh input dan jawaban benarnya. Ibarat murid yang belajar dari kumpulan soal beserta kunci jawaban, model kemudian mampu menebak jawaban untuk data baru, misalnya mengklasifikasikan email spam atau memprediksi harga.
Unsupervised Learning (Pembelajaran Tanpa Label)
Unsupervised learning adalah metode machine learning yang melatih model pada data tanpa label untuk menemukan pola atau struktur tersembunyi di dalamnya. Penerapan yang umum adalah pengelompokan atau clustering, misalnya membagi pelanggan ke beberapa segmen berdasarkan kemiripan perilaku belanja tanpa kategori yang ditentukan sebelumnya.
Reinforcement Learning (Pembelajaran Penguatan)
Reinforcement learning adalah keluarga algoritma machine learning tempat sebuah agen belajar dengan mencoba berbagai tindakan di suatu lingkungan, lalu menerima imbalan atau penalti. Tujuannya menemukan strategi yang memaksimalkan total imbalan, pendekatan yang dipakai untuk melatih AI bermain gim dan mengendalikan robot.
Fine-tuning
Fine-tuning adalah pelatihan tahap kedua yang dilakukan pada model yang sudah dilatih umum, memakai data yang lebih kecil dan spesifik untuk menyesuaikan parameternya dengan tugas tertentu. Contohnya melatih ulang model bahasa dengan kumpulan percakapan layanan pelanggan agar gaya dan isinya sesuai kebutuhan bisnis.
Overfitting
Overfitting adalah kondisi ketika model terlalu menyesuaikan diri dengan data latih, termasuk detail dan kebisingannya, sehingga gagal membuat prediksi yang benar pada data baru, misalnya akurasinya tinggi saat latihan tetapi rendah saat diuji. Data latih yang besar dan beragam serta teknik regularisasi dapat menguranginya.
Bias Algoritma (Algorithmic Bias)
Bias algoritma adalah kesalahan sistematis dalam sistem machine learning yang menghasilkan keputusan tidak adil atau diskriminatif terhadap kelompok tertentu. Penyebabnya bisa berupa data latih yang tidak representatif atau desain algoritma, sedangkan audit data dan pengujian keadilan secara berkala membantu menguranginya.
AI dalam otomasi bisnis
Chatbot
Chatbot adalah aplikasi perangkat lunak yang berkomunikasi dengan manusia melalui teks atau suara untuk menjawab pertanyaan, memberi informasi, dan membantu menyelesaikan tugas. Chatbot lama bekerja dengan aturan dan skrip tetap, sedangkan chatbot modern memakai NLP dan model bahasa besar sehingga mampu memahami pertanyaan bebas.
AI Agent (Agen AI)
AI agent adalah sistem atau program yang mampu menjalankan tugas secara mandiri atas nama pengguna dengan merencanakan langkah, mengambil keputusan, dan memakai alat seperti pencarian web, aplikasi, atau basis data. Berbeda dari chatbot yang hanya menjawab, agen AI dapat menyelesaikan rangkaian pekerjaan dari awal sampai akhir.
Model Context Protocol (MCP)
Model Context Protocol atau MCP adalah standar open source untuk menghubungkan aplikasi AI seperti Claude atau ChatGPT dengan sistem eksternal, misalnya berkas lokal, basis data, mesin pencari, dan alur kerja. Dokumentasinya mengibaratkan MCP sebagai port USB-C untuk aplikasi AI, yaitu satu cara standar untuk mengakses data dan menjalankan tugas.
Robotic Process Automation (RPA)
Robotic Process Automation atau RPA adalah teknologi otomasi proses bisnis yang memakai robot perangkat lunak untuk menjalankan tugas berulang yang biasanya dikerjakan manusia di komputer, seperti menyalin data antar aplikasi atau memproses faktur. RPA bekerja dengan aturan tetap, dan bila digabung AI disebut intelligent automation.
Cara memakai glosarium ini
Definisi di halaman ini sengaja ditulis ringkas agar mudah dipahami pemilik bisnis yang baru mengenal AI. Untuk keputusan teknis, baca juga sumber aslinya yang ditautkan di setiap istilah. Halaman ini diperbarui ketika ada istilah baru yang sering ditanyakan klien atau ketika sumber rujukannya berubah. Kalau ingin menerapkan AI di bisnis Anda, mulai dari panduan dasar AI atau hubungi Mcsyauqi lewat halaman kontak.