Artificial Intelligence (AI) sering dibicarakan melalui istilah-istilah teknis seperti Machine Learning, Natural Language Processing, Computer Vision, Large Language Model, RAG, hingga AI Agent.

Bagi orang yang baru mengenal AI, banyaknya istilah tersebut justru dapat membuat gambaran besarnya sulit dipahami.

Salah satu cara yang lebih sederhana untuk melihat AI adalah dengan sebuah analogi:

Membangun AI seperti mengajari seorang anak mengenal dunia.

Seorang anak tidak langsung dapat berbicara, membaca, mengenali benda, memahami situasi, atau mengambil keputusan. Semua kemampuan tersebut berkembang melalui proses belajar.

AI pada dasarnya juga demikian.

AI sebagai Anak Digital

Bayangkan kita memiliki seorang "anak digital" yang pada awalnya belum memahami apa pun tentang dunia.

Kita kemudian mulai memberinya kemampuan satu per satu.

Dari sini kita mulai melihat bahwa AI bukanlah satu teknologi tunggal.

AI merupakan kumpulan berbagai kemampuan yang dapat digabungkan untuk membuat sebuah sistem menjadi semakin "cerdas".

1. Mengajari Anak Berbahasa: Natural Language Processing

Ketika seorang anak belajar bahasa, kita tidak memulai dengan menjelaskan seluruh aturan tata bahasa.

Anak mendengar banyak contoh:

"Ayah makan nasi."

"Ibu minum air."

"Kakak membaca buku."

Setelah mendengar ribuan bahkan jutaan kombinasi bahasa sepanjang pertumbuhannya, anak mulai mengenali pola.

Dalam dunia AI, kemampuan komputer untuk memproses bahasa dikenal sebagai Natural Language Processing (NLP).

NLP memungkinkan komputer melakukan berbagai hal seperti:

• memahami pertanyaan,
• mengklasifikasikan teks,
• menerjemahkan bahasa,
• menganalisis sentimen,
• mencari informasi dalam dokumen,
• hingga menghasilkan tulisan.

Perkembangan NLP kemudian melahirkan model bahasa yang jauh lebih besar dan kompleks yang sekarang dikenal sebagai Large Language Model (LLM).

2. Mengajari Anak Melihat: Computer Vision

Sekarang bayangkan kita menunjukkan gambar kepada seorang anak.

Kita menunjukkan:

🐈 → "Kucing"

🐈‍⬛ → "Kucing"

🐕 → "Anjing"

🐕‍🦺 → "Anjing"

Awalnya anak mungkin belum dapat membedakannya.

Namun setelah melihat banyak contoh, dia mulai mengenali karakteristik tertentu.

Kucing memiliki bentuk wajah tertentu, telinga tertentu, struktur tubuh tertentu, dan berbagai karakteristik lainnya.

Dalam AI, kemampuan seperti ini dikenal sebagai Computer Vision.

Computer Vision memungkinkan komputer memahami informasi visual dari gambar maupun video.

Contoh penggunaannya antara lain:

• pengenalan wajah,
• deteksi kendaraan,
• pembacaan plat nomor,
• pemeriksaan produk di pabrik,
• analisis citra medis,
• pengawasan CCTV,
• hingga kendaraan otonom.

Dengan Computer Vision, komputer tidak sekadar menerima gambar sebagai kumpulan pixel, tetapi berusaha mengenali pola yang terdapat di dalamnya.

3. Mengajari Anak Membaca

Melihat tulisan dan memahami tulisan sebenarnya merupakan dua kemampuan yang berbeda.

Misalnya kita memberikan sebuah dokumen kepada AI.

Pertama, AI harus mengenali tulisan yang terdapat pada gambar atau dokumen tersebut.

Teknologi ini dikenal sebagai Optical Character Recognition (OCR).

Setelah tulisan berhasil diubah menjadi teks, teknologi NLP dapat digunakan untuk memahami isinya.

Secara sederhana:

Dokumen → OCR → Teks → NLP → Pemahaman

Teknologi seperti ini banyak digunakan untuk membaca:

• invoice,
• faktur,
• formulir,
• surat,
• kontrak,
• dokumen pemerintahan,
• hingga arsip lama.

4. Mengajari Anak Mengingat

Kemampuan memahami informasi saja tidak cukup.

Manusia juga memiliki ingatan.

Ketika seseorang bertanya:

"Kita makan di restoran apa minggu lalu?"

Kita mencoba mengambil kembali informasi dari ingatan.

Sistem AI juga membutuhkan mekanisme penyimpanan informasi.

Dalam implementasinya, informasi dapat disimpan menggunakan berbagai teknologi seperti database biasa, search engine, maupun Vector Database.

Vector Database menjadi menarik karena informasi tidak hanya dicari berdasarkan kata yang sama, tetapi dapat dicari berdasarkan kemiripan makna.

Misalnya pengguna bertanya:

"Saya lupa password aplikasi."

Sementara dokumen pengetahuan berisi:

"Prosedur melakukan reset kata sandi pengguna."

Walaupun susunan katanya berbeda, sistem dapat mengenali bahwa kedua kalimat tersebut memiliki hubungan makna yang sangat dekat.

Konsep representasi makna tersebut dikenal sebagai embedding.

5. Mengajari Anak Membuka Buku: RAG

Ada satu hal penting dalam proses belajar manusia.

Kita tidak harus menghafal semuanya.

Ketika tidak mengetahui sesuatu, kita dapat membuka buku, mencari informasi yang relevan, membacanya, kemudian memberikan jawaban.

AI juga dapat bekerja seperti itu.

Konsep tersebut dikenal sebagai Retrieval-Augmented Generation (RAG).

Secara sederhana:

Pertanyaan → Cari Referensi → Ambil Informasi → LLM Membaca → Jawaban

Misalnya seseorang bertanya:

"Apa prosedur pengajuan cuti di perusahaan?"

Daripada meminta LLM menjawab hanya berdasarkan pengetahuan yang pernah dipelajarinya, sistem terlebih dahulu mencari dokumen kebijakan perusahaan.

Dokumen yang relevan diberikan kepada LLM sebagai konteks.

LLM kemudian menyusun jawaban berdasarkan informasi tersebut.

Analogi sederhananya:

LLM adalah anak yang pandai membaca dan menjelaskan, sedangkan RAG memberinya buku yang tepat untuk dibaca sebelum menjawab.

6. Mengajari Anak Mengenali Pola: Machine Learning

Bayangkan kita memberikan ribuan contoh transaksi kepada seorang anak.

Kita mengatakan:

"Ini transaksi normal."

"Ini transaksi mencurigakan."

"Ini transaksi normal."

"Ini transaksi mencurigakan."

Setelah melihat cukup banyak contoh, anak mulai menemukan pola tertentu.

Prinsip serupa digunakan dalam Machine Learning.

Komputer diberikan data untuk menemukan pola sehingga nantinya dapat melakukan prediksi atau klasifikasi terhadap data baru.

Machine Learning digunakan dalam banyak aplikasi seperti:

• deteksi fraud,
• prediksi penjualan,
• rekomendasi produk,
• klasifikasi dokumen,
• prediksi kerusakan mesin,
• hingga deteksi spam.

Alih-alih programmer menulis seluruh aturan satu per satu, komputer belajar menemukan pola dari data.

7. Mengajari Anak Berpikir: Reasoning

Mengenali sesuatu belum tentu berarti mampu mengambil kesimpulan.

Misalnya seorang anak mengetahui:

Langit mulai gelap.

Dia juga mengetahui:

Biasanya hujan turun ketika awan sangat gelap.

Kemudian dia menyimpulkan:

"Kemungkinan sebentar lagi hujan. Sebaiknya saya membawa payung."

Proses menghubungkan berbagai informasi untuk menghasilkan kesimpulan dapat kita analogikan sebagai reasoning.

Pada sistem AI modern, kemampuan reasoning digunakan untuk menangani persoalan yang membutuhkan beberapa tahapan analisis sebelum menghasilkan jawaban atau keputusan.

8. Mengajari Anak Bertindak: AI Agent

Tahap berikutnya menjadi lebih menarik.

AI tidak hanya memahami dan memberikan jawaban, tetapi juga dapat melakukan tindakan.

Misalnya kita mengatakan:

"Cari jadwal penerbangan ke Bali besok pagi dan berikan tiga pilihan yang paling sesuai."

Sistem harus melakukan beberapa langkah:

Memahami permintaan

↓

Menentukan apa yang harus dicari

↓

Menggunakan sistem atau API

↓

Mengambil data

↓

Membandingkan pilihan

↓

Memberikan hasil

Ketika AI dapat merencanakan langkah dan menggunakan berbagai tools untuk menyelesaikan suatu tujuan, konsep ini sering disebut sebagai AI Agent.

Agent dapat diberikan akses ke berbagai sistem seperti:

• database,
• API,
• search engine,
• email,
• kalender,
• ERP,
• CRM,
• ticketing system,
• atau sistem internal perusahaan.

Dengan demikian AI mulai berubah dari sekadar sistem yang menjawab menjadi sistem yang dapat membantu melakukan pekerjaan.

LLM Bukan Keseluruhan AI

Salah satu kesalahpahaman yang muncul sejak populernya ChatGPT adalah menganggap AI sama dengan LLM.

Padahal LLM hanyalah salah satu bagian dari ekosistem Artificial Intelligence.

Jika dianalogikan dengan manusia, LLM dapat dianggap sebagai kemampuan yang sangat kuat dalam memahami dan menghasilkan bahasa, disertai kemampuan tertentu untuk melakukan penalaran.

Sementara sebuah sistem AI yang lengkap dapat memiliki banyak komponen:

                         AI
                          │
            ┌─────────────┼─────────────┐
            │             │             │
            ▼             ▼             ▼
         MELIHAT       MENDENGAR     BERBAHASA
     Computer Vision     Speech       NLP / LLM
            │             │             │
            └─────────────┴──────┬──────┘
                                 ▼
                              MEMAHAMI
                                 │
                    ┌────────────┴────────────┐
                    ▼                         ▼
                 INGATAN                  PENGETAHUAN
              Database/Vector                 RAG
                    │                         │
                    └────────────┬────────────┘
                                 ▼
                              BERPIKIR
                              Reasoning
                                 │
                                 ▼
                           MEMUTUSKAN
                                 │
                                 ▼
                              BERTINDAK
                          Agent / Tools

Karena itu ketika sebuah perusahaan ingin menerapkan AI, pertanyaannya sebaiknya bukan sekadar:

"LLM apa yang akan kita gunakan?"

Pertanyaan yang lebih tepat adalah:

"Kemampuan apa yang ingin kita berikan kepada sistem?"

Apakah sistem harus bisa melihat?

Apakah harus memahami bahasa?

Apakah harus membaca dokumen?

Apakah harus memiliki ingatan?

Apakah harus mencari referensi?

Apakah harus melakukan reasoning?

Atau apakah sistem tersebut harus dapat melakukan tindakan?

Dari Data Menjadi Tindakan

Jika seluruh konsep tadi disederhanakan, perjalanan sebuah sistem AI dapat digambarkan sebagai:

DATA

↓

INDRA Melihat, mendengar, membaca

↓

PEMAHAMAN Mengenali objek, bahasa, dan konteks

↓

INGATAN & PENGETAHUAN Database, Vector Database, RAG

↓

PENALARAN Menganalisis dan menghubungkan informasi

↓

KEPUTUSAN Menentukan apa yang sebaiknya dilakukan

↓

TINDAKAN Agent, API, automation, robotics

Inilah gambaran besar Artificial Intelligence.

AI Adalah Kumpulan Kemampuan

Mungkin cara termudah memahami AI bukan dengan melihatnya sebagai sebuah program komputer yang sangat pintar.

Bayangkan AI sebagai anak digital yang sedang kita didik.

Kita mengajarinya melihat melalui Computer Vision.

Kita mengajarinya mendengar melalui Speech Recognition.

Kita mengajarinya berbahasa melalui NLP dan LLM.

Kita memberinya ingatan melalui database dan vector database.

Kita memberinya perpustakaan melalui RAG.

Kita mengajarinya mengenali pola melalui Machine Learning.

Kita mengajarinya berpikir melalui reasoning.

Dan akhirnya kita memberinya tangan untuk melakukan sesuatu melalui Agent, API, automation, atau robotics.

Ketika berbagai kemampuan tersebut digabungkan, kita mulai mendapatkan sistem AI yang tidak hanya dapat menjawab pertanyaan, tetapi dapat melihat, memahami, mengingat, mencari pengetahuan, mempertimbangkan informasi, mengambil keputusan, dan melakukan tindakan.

Pada akhirnya, perkembangan AI bukan hanya tentang membuat mesin yang semakin pintar.

Tetapi tentang bagaimana kita secara bertahap memberikan mesin kemampuan untuk memahami dan berinteraksi dengan dunia.