Apa yang dimaksud dengan AI generatif, apakah model dasar itu, dan mengapa keduanya penting?

Sejak diluncurkan pada November 2022, ChatGPT OpenAI telah menangkap imajinasi konsumen dan pemimpin perusahaan dengan menunjukkan potensi AI generatif yang dimiliki untuk secara dramatis mengubah cara kita hidup dan bekerja. Karena ruang lingkup dampaknya terhadap masyarakat terus berkembang, organisasi bisnis dan pemerintah masih berlomba untuk bereaksi, membuat kebijakan tentang penggunaan teknologi karyawan atau bahkan membatasi akses ke ChatGPT.

Yang paling bijaksana di antara itu semua adalah menilai cara-cara di mana mereka dapat menerapkan AI ke organisasi mereka dan mempersiapkan masa depan yang sudah ada di sini. Yang paling maju di antara mereka mengalihkan pemikiran mereka dari AI menjadi pemikiran lanjutan, ke menata ulang alur kerja penting dengan AI sebagai intinya.

Pasar AI generatif global mendekati titik balik, dengan valuasi sebesar 8 miliar USD dan estimasi CAGR sebesar 34,6 pada tahun 2030. Dengan lebih dari 85 juta pekerjaan yang diperkirakan tidak terisi pada saat itu, menciptakan operasi yang lebih cerdas dengan AI dan otomatisasi diperlukan untuk memberikan efisiensi, efektivitas, dan pengalaman yang diharapkan oleh para pemimpin bisnis dan pemangku kepentingan.

AI generatif menghadirkan peluang menarik untuk menambah upaya karyawan dan membuat perusahaan lebih produktif. Tetapi ketika para pemimpin c-suite melakukan riset solusi AI generatif, mereka mengungkap lebih banyak pertanyaan: Contoh penggunaan mana yang akan memberikan nilai paling besar bagi bisnis saya? Teknologi AI mana yang paling cocok untuk kebutuhan saya? Apakah aman? Apakah itu berkelanjutan? Bagaimana itu diatur? Dan bagaimana saya memastikan proyek AI saya berhasil?

Setelah bekerja dengan model dasar selama beberapa tahun, IBM® Consulting, Teknologi IBM®, dan IBM® Research telah mengembangkan sudut pandang yang mendasar tentang apa yang diperlukan untuk mendapatkan nilai dari menerapkan AI secara bertanggung jawab di seluruh perusahaan.

Seperti namanya, AI generatif menghasilkan gambar, musik, ucapan, kode, video atau teks, sementara itu menafsirkan dan memanipulasi data yang sudah ada sebelumnya. AI generatif bukanlah konsep baru: teknik machine learning di balik AI generatif telah berkembang selama dekade terakhir. Pendekatan terbaru didasarkan pada arsitektur Neural Networks, yang diciptakan “transformator.” Menggabungkan arsitektur transformator dengan pembelajaran tanpa pengawasan, model dasar besar muncul yang mengungguli tolok ukur yang ada yang mampu menangani beberapa modalitas data.

Model-model besar ini disebut model dasar, karena berfungsi sebagai titik awal untuk pengembangan model yang lebih maju dan kompleks. Dengan membangun di atas model dasar, kita dapat membuat model yang lebih khusus dan canggih yang disesuaikan dengan contoh penggunaan atau domain tertentu. Contoh awal model, seperti GPT-3, BERT, T5 atau DALL-E, telah menunjukkan apa yang mungkin: input prompt singkat dan sistem menghasilkan seluruh esai, atau gambar kompleks, berdasarkan parameter Anda. 

Model Bahasa Besar (LLM) secara eksplisit dilatih pada data teks dalam jumlah besar untuk tugas-tugas NLP dan berisi sejumlah besar parameter, biasanya melebihi 100 juta. Mereka memfasilitasi pemrosesan dan pembuatan teks bahasa alami untuk beragam tugas. Setiap model memiliki kelebihan dan kekurangannya masing-masing, dan pilihan model mana yang akan digunakan bergantung pada tugas NLP yang spesifik dan karakteristik data yang sedang dianalisis. Memilih LLM yang tepat untuk digunakan untuk pekerjaan tertentu membutuhkan keahlian dalam LLM.

BERT dirancang untuk memahami hubungan dua arah antara kata-kata dalam kalimat dan terutama digunakan untuk klasifikasi tugas, menjawab pertanyaan dan named entity recognition. GPT, di sisi lain, adalah model berbasis transformator searah yang terutama digunakan untuk tugas-tugas pembuatan teks seperti terjemahan bahasa, ringkasan, dan pembuatan konten. T5 juga merupakan model berbasis transformator, namun berbeda dari BERT dan GPT karena dilatih menggunakan pendekatan teks-ke-teks dan dapat disesuaikan untuk berbagai tugas pemrosesan bahasa alami seperti terjemahan bahasa, ringkasan dan menanggapi pertanyaan.

Dilatih sebelumnya pada data dalam jumlah besar, model dasar ini memberikan akselerasi besar dalam siklus pengembangan AI, memungkinkan bisnis untuk fokus pada penyetelan halus untuk contoh penggunaan spesifik mereka. Berbeda dengan membangun model NLP khusus untuk setiap domain, model dasar memungkinkan perusahaan untuk mengecilkan time to value dari bulan ke minggu. Dalam keterlibatan klien, IBM® Consulting melihat pengurangan waktu hingga 70% dalam time to value untuk contoh penggunaan NLP seperti ringkasan transkrip pusat panggilan, analisis ulasan, dan banyak lagi. 

Dengan mempertimbangkan biaya untuk melatih dan memelihara model dasar, perusahaan harus membuat pilihan tentang bagaimana mereka menggabungkan dan menerapkan contoh penggunaan mereka. Ada pertimbangan khusus untuk contoh penggunaan dan poin keputusan seputar biaya, upaya, privasi data, kekayaan intelektual, dan keamanan. Dimungkinkan untuk menggunakan satu atau lebih opsi penerapan dalam suatu perusahaan dengan mempertimbangkan titik-titik keputusan ini. 

Model dasar akan secara dramatis mempercepat adopsi AI dalam bisnis dengan mengurangi persyaratan pelabelan, yang akan memudahkan bisnis untuk bereksperimen dengan AI, membangun Otomatisasi yang efisien berbasis AI dan aplikasi, dan menerapkan AI dalam situasi sangat penting yang lebih luas. Tujuan dari IBM® Consulting adalah untuk membawa kekuatan dari model dasar ke setiap perusahaan dalam lingkungan hybrid cloud tanpa gesekan. 

Untuk informasi lebih lanjut, lihat bagaimana AI generatif dapat digunakan untuk memaksimalkan pengalaman, pengambilan keputusan, dan nilai bisnis, dan bagaimana IBM® Consulting menghadirkan pendekatan AI yang berharga dan bertanggung jawab.