50 Istilah AI Paling Penting, Plus Infografis! (2024 Updated)

Berikut 50 istilah AI yang wajib diketahui beserta infografis, baik untuk pemula yang baru belajar AI, mereka yang sudah mencoba berbagai aplikasi AI atau mereka yang mengumpulkan pengetahuan dasar seputar AI. Teknologi ini tidak akan ada hari ini kalau tidak ada istilah-istilah penting berikut ini.

1. Kecerdasan Buatan (Artificial Intelligence) – Teknologi yang memungkinkan mesin meniru kecerdasan manusia, seperti kemampuan berpikir, belajar, mengambil keputusan, dan bahkan mengenali emosi. AI menggunakan algoritma kompleks untuk menyelesaikan tugas yang biasanya memerlukan kecerdasan manusia, seperti mengemudi otomatis, mendiagnosis penyakit, dan berinteraksi melalui chatbot.
2. Generative AI – Subbidang AI yang berfokus pada penciptaan konten baru dan unik, dari teks hingga gambar dan musik, yang tidak hanya meniru tapi juga dapat menghasilkan karya orisinal berdasarkan data yang telah dipelajari.
3. Hallucinations – Fenomena di mana AI menghasilkan informasi yang tidak akurat atau sepenuhnya rekaan. Ini sering terjadi pada model generatif, seperti dalam penciptaan teks atau gambar, karena keterbatasan dalam pemahaman konteks atau data pelatihan.
4. Prompts – Pertanyaan atau perintah yang diberikan kepada sistem AI untuk memicu atau memandu produksi output. Dalam konteks model bahasa, prompt dapat digunakan untuk menghasilkan teks kreatif, menjawab pertanyaan, atau bahkan mengembangkan kode.
5. Prompt Engineering – Seni dan ilmu dalam merancang prompt yang efektif untuk menghasilkan respons yang diinginkan dari model AI, khususnya dalam konteks model bahasa.
6. OpenAI – Organisasi penelitian AI yang berfokus pada pengembangan kecerdasan buatan secara etis dan terbuka. OpenAI terkenal dengan pengembangan model bahasa GPT dan berbagai inisiatif lainnya dalam AI.
7. Chatbot – Aplikasi berbasis AI yang dirancang untuk mensimulasikan percakapan dengan pengguna manusia, baik melalui teks maupun suara. Chatbot digunakan dalam berbagai aplikasi, dari layanan pelanggan hingga asisten virtual.
8. Computer Vision – cabang dari artificial intelligence yang fokus pada pemberian kemampuan kepada mesin untuk menginterpretasikan dan memahami dunia visual.
9. Large Language Model (LLM) – Sistem AI yang dilatih dengan kumpulan data teks yang sangat besar untuk memahami, menginterpretasi, dan menghasilkan bahasa manusia. LLMs seperti GPT-3 dari OpenAI dapat menulis artikel, menjawab pertanyaan, dan bahkan membuat kode program.
10. Machine Learning – Cabang dari AI yang memfokuskan pada pengembangan sistem yang dapat belajar dari dan membuat prediksi atau keputusan berdasarkan data. Teknik ini menggunakan algoritma statistik untuk menemukan pola dalam data dan memperbaiki performa sistem dengan pengalaman.
11. Deep Learning – Sebuah teknik pembelajaran mesin yang menggunakan jaringan saraf tiruan dengan banyak lapisan (deep neural networks) untuk memodelkan abstraksi tingkat tinggi dalam data. Teknik ini sangat efektif dalam pengenalan pola dan klasifikasi.
12. Multimodal Models – Model AI yang dapat mengolah dan mengintegrasikan berbagai jenis data input, seperti teks, gambar, dan suara, untuk menghasilkan output yang lebih kaya dan kompleks. Pendekatan ini memungkinkan AI untuk memiliki pemahaman yang lebih mendalam tentang dunia.
13. Neural Networks – Model komputasi yang terinspirasi dari jaringan saraf biologis, memungkinkan mesin untuk belajar dari pengalaman dan membuat prediksi atau pengambilan keputusan.
14. Natural Language Processing (NLP) – Bidang AI yang berfokus pada interaksi antara komputer dan bahasa manusia, memungkinkan pemahaman dan generasi bahasa alami oleh mesin.
15. Dataset – Koleksi data yang disusun secara terstruktur, sering digunakan untuk pelatihan atau pengujian model AI. Dataset dapat mencakup berbagai jenis data, seperti teks, gambar, suara, atau data numerik.

16. Data Science – Bidang interdisipliner yang menggunakan metode ilmiah, proses, algoritma, dan sistem untuk mengekstrak pengetahuan dan wawasan dari data dalam berbagai bentuk, baik terstruktur maupun tidak terstruktur.
17. Parameter – Variabel dalam model AI yang menyesuaikan selama proses pembelajaran, mempengaruhi cara model membuat prediksi atau keputusan.
18. DeepMind – Perusahaan AI yang dimiliki oleh Alphabet (induk perusahaan Google) yang terkenal dengan penelitian terobosannya dalam pembelajaran mendalam dan AI, termasuk program AlphaGo yang mengalahkan pemain Go profesional.
19. Python – Bahasa pemrograman yang sering digunakan dalam pengembangan AI karena sintaks yang bersih dan pustaka yang luas, mendukung berbagai teknik pembelajaran mesin dan pemrosesan data.
20. Responsible AI – Pendekatan dalam pengembangan AI yang menekankan pada etika, keadilan, dan transparansi. Ini mencakup pembuatan sistem AI yang dapat dipertanggungjawabkan, bebas dari bias, dan memiliki dampak positif terhadap masyarakat.
21. Big Data – Volume data yang sangat besar yang tidak bisa diproses atau dianalisis menggunakan metode tradisional. Big Data sering dikaitkan dengan AI karena kebutuhan untuk mengolah dan memahami kumpulan data besar untuk pelatihan model AI.
22. Dall-E – Model AI dari OpenAI yang mengubah deskripsi teks menjadi gambar.
23. Corpus – Kumpulan dokumen atau materi teks yang digunakan untuk pelatihan dan pengujian model bahasa dalam AI. Corpus memainkan peran penting dalam pengembangan NLP dan NLU dengan menyediakan data yang diperlukan untuk memahami bahasa.
24. Anthropic – Sebuah perusahaan AI yang berfokus pada pembangunan sistem kecerdasan buatan yang dapat diinterpretasikan dan dapat diandalkan. Pendekatannya menekankan pada transparansi dan tanggung jawab dalam desain AI, mencoba menjembatani kesenjangan antara kemampuan AI dan kemampuan manusia untuk memahami serta mengontrol teknologi ini.
25. LLama – Sebuah model bahasa besar yang dikembangkan untuk memahami dan menghasilkan bahasa manusia, serupa dengan model LLM lainnya, namun dengan karakteristik atau fokus khusus pada pemahaman konteks atau generasi teks specifik.
26. Weak AI – AI yang dirancang untuk tugas khusus dan terbatas, berlawanan dengan General AI yang memiliki kemampuan luas dan adaptif seperti manusia.
27. Strong AI – Konsep AI yang memiliki kemampuan kognitif sebanding dengan manusia, termasuk pemahaman, belajar, dan kreativitas.
28. Copilots – Asisten berbasis AI yang dirancang untuk mendukung berbagai tugas digital, dari pengembangan perangkat lunak hingga penulisan konten dan analisis data. Copilots AI, seperti GitHub Copilot, bekerja dengan memahami konteks permintaan pengguna dan menyediakan rekomendasi atau solusi yang relevan.
29. Stable Diffusion – Model pembelajaran mendalam yang mengubah deskripsi teks menjadi gambar, dirilis pada tahun 2022. Model ini dapat digunakan untuk berbagai tugas termasuk inpainting, outpainting, dan translasi gambar-ke-gambar.
30. Midjourney – Dikembangkan oleh David Holz, pendiri Leap Motion, program ini mengubah deskripsi bahasa alami menjadi gambar, serupa dengan DALL-E dari OpenAI dan Stable Diffusion.

31. Google Gemini – Model AI terbaru dan paling canggih dari Google, dirancang untuk menjadi multimodal, yang berarti dapat memahami dan mengoperasikan berbagai jenis informasi termasuk teks, kode, audio, gambar, dan video. Gemini dioptimalkan dalam tiga ukuran berbeda: Ultra, Pro, dan Nano.
32. Unlearn AI – Perusahaan AI di bidang media yang menggunakan data medis yang ada untuk menciptakan “kembar digital” dari pasien dalam uji klinis, memungkinkan simulasi yang lebih efisien dan mengurangi kebutuhan kelompok kontrol besar.
33. Clarifai – Perusahaan yang bergerak di bidang AI yang khusus mengenali dan mengklasifikasikan gambar dan video, memungkinkan aplikasi seperti pengenalan objek dan moderasi konten secara otomatis.
34. General AI – Bentuk AI yang mampu melakukan berbagai tugas intelektual dengan kemampuan yang setara dengan manusia, berbeda dari AI spesifik yang dirancang untuk tugas tertentu.
35. AI Automation – Mengintegrasikan teknologi AI dalam sistem dan aplikasi umum untuk meningkatkan efisiensi operasional dan mengurangi usaha manual. Usaha pengembangan plugin, alat obrolan, dan perangkat lunak yang memanfaatkan AI untuk memberikan jawaban cepat atas kueri pengguna..
36. No-Code AI – Pengembangan dan penerapan model AI tanpa perlu pengetahuan coding. Teknologi ini menggunakan antarmuka grafis pengguna (GUI) dan model pembelajaran mesin yang telah dibuat sebelumnya untuk membangun aplikasi berbasis AI dengan mudah dan cepat.
37. Chaining – Dua strategi penting dalam AI, yaitu forward chaining dan backward chaining, yang digunakan untuk deduksi informasi baru dalam sistem. Forward chaining memulai dari fakta dan bergerak menuju tujuan, sementara backward chaining memulai dari tujuan dan bergerak mundur untuk mencari fakta yang mendukung.
38. Supervised Learning – Pendekatan pembelajaran mesin di mana model dilatih menggunakan dataset yang telah diberi label, memungkinkan model untuk belajar memprediksi label dari data baru.
39. Unsupervised Learning – Teknik pembelajaran mesin di mana model dilatih tanpa menggunakan label, memungkinkan sistem untuk menemukan struktur atau pola tersembunyi dalam data.
40. Reinforcement Learning – Model pembelajaran dimana AI belajar untuk membuat keputusan dengan mencoba dan mengalami konsekuensi dari tindakannya, mirip dengan cara belajar manusia dan hewan.
41. Linguistic Annotation – Proses menambahkan informasi linguistik ke dalam corpus teks, seperti struktur gramatikal atau makna semantik, untuk membantu dalam pemrosesan bahasa alami.
42. Machine Intelligence – Istilah AI yang mencakup semua bentuk kecerdasan yang dihasilkan oleh mesin, termasuk pembelajaran mesin dan AI, dengan fokus pada kemampuan untuk belajar, beradaptasi, dan memecahkan masalah.
43. Machine Translation – Penggunaan AI untuk menerjemahkan teks dari satu bahasa ke bahasa lain secara otomatis, dengan memahami dan memproduksi makna dalam konteks yang baru.
44. Natural Language Generation (NLG) – Proses di mana sistem AI mengubah informasi terstruktur menjadi teks alami, memungkinkan mesin untuk menghasilkan laporan, cerita, atau bahkan puisi.
45. Plugins – Komponen tambahan untuk perangkat lunak atau aplikasi AI yang memperluas fungsionalitas dasar. Plugins memungkinkan integrasi dengan alat atau layanan lain, memperkaya kemampuan AI dalam berbagai aplikasi.
46. Predictive Analytics – Penggunaan data historis, statistik, dan model AI untuk membuat prediksi tentang masa depan, sering digunakan dalam bisnis untuk perencanaan dan pengambilan keputusan.
47. Semantic Annotation – Penambahan makna semantik ke dalam data, memungkinkan AI untuk memahami konteks dan nuansa dari teks atau konten lainnya.
48. Sentiment Analysis – Teknik NLP yang digunakan untuk menentukan sikap atau emosi pengarang dari sebuah teks, membantu dalam analisis opini dan pemahaman reaksi pengguna.
49. Overfitting – Situasi di mana model AI terlalu disesuaikan dengan data latihan hingga performanya menurun saat dihadapkan dengan data baru atau situasi yang tidak dikenal.
50. Turing Test – Ujian yang dirancang untuk menilai kemampuan AI dalam meniru perilaku manusia hingga tidak dapat dibedakan oleh manusia, mencerminkan level kemajuan dalam pembangunan AI.