Apa yang dimaksud dengan model AI?

Model kecerdasan buatan (AI) adalah program komputer atau algoritma yang telah dilatih dengan set data informasi yang besar. Proses pelatihan ini memungkinkan model AI mempelajari pola dan hubungan dalam data sehingga dapat membuat prediksi atau keputusan tentang data baru yang belum pernah dilihat sebelumnya.

Coba bayangkan Anda sedang mengajari anak untuk mengidentifikasi berbagai jenis hewan. Anda dapat menunjukkan gambar kucing, anjing, burung, dan ikan, serta menyebutkan nama setiap hewan. Seiring waktu, anak akan belajar mengidentifikasi hewan-hewan ini sendiri, meskipun mereka belum pernah melihat kucing atau anjing tertentu sebelumnya. Model AI bekerja dengan cara yang serupa. 

Model AI dirancang berdasarkan cara berpikir manusia, meniru kemampuan kita untuk belajar, bernalar, dan membuat keputusan. Namun, tidak seperti manusia, model AI dapat memproses data dalam jumlah besar dan mengidentifikasi pola halus yang mungkin terlewatkan oleh kita. Kemampuan ini membuat model AI sangat cocok untuk menangani masalah kompleks yang memerlukan analisis set data rumit, yang dapat menghasilkan solusi yang lebih efisien dan akurat dibandingkan metode tradisional.

Ingin menjelajahi model kami? Pelanggan baru mendapatkan kredit gratis senilai hingga $300 untuk mencoba Vertex AI dan produk Google Cloud lainnya. 

Model AI versus model deep learning dan machine learning

Penting untuk dipahami bahwa AI, machine learning, dan deep learning adalah konsep yang saling terkait, meskipun tidak semuanya sama. Berikut perincian perbedaan utamanya:  

  • Model AI adalah kategori luas yang mencakup model machine learning dan deep learning, serta teknik lainnya seperti sistem berbasis aturan dan sistem pakar. Model-ini mencakup model apa pun yang menunjukkan perilaku cerdas.  
  • Model machine learning adalah bagian dari model AI yang menggunakan metode statistik untuk belajar dari data tanpa pemrograman eksplisit. Model ini dapat memanfaatkan berbagai teknik, termasuk, tetapi tidak terbatas pada, jaringan neural.  
  • Model deep learning adalah subdivisi yang lebih terspesialisasi dari model machine learning yang menggunakan jaringan neural buatan dengan beberapa lapisan untuk belajar dari data. Model ini sangat berguna untuk tugas-tugas kompleks seperti pengenalan gambar dan ucapan.

Pengujian, deployment, dan evaluasi model AI

Model AI perlu dilatih, diuji, di-deploy, dan dievaluasi secara berkelanjutan untuk membantu memastikan performanya yang efektif. Prosesnya mirip dengan mengajari anak naik sepeda. Pertama, Anda menunjukkan cara melakukannya (pelatihan), lalu Anda membiarkan mereka berlatih (pengujian), dan akhirnya, mereka dapat melakukannya sendiri (deployment). Namun, Anda juga perlu mengecek mereka sesekali dan memastikan mereka masih berkendara dengan aman (evaluasi).

Pelatihan

Melatih model AI biasanya melibatkan memberinya data dalam jumlah besar dan memungkinkannya mempelajari pola dari data tersebut. Jenis data yang digunakan bergantung pada tugas spesifik yang dilatih untuk model. Misalnya, model yang dilatih untuk mengidentifikasi sepatu dalam gambar akan diberi set data gambar yang diberi label mengandung sepatu atau tidak mengandung sepatu. Melalui pelatihan, model dapat belajar membedakan gambar dengan dan tanpa sepatu.

Melatih model AI adalah proses berkelanjutan yang melibatkan beberapa langkah penting:

  1. Persiapan data: Meliputi pengumpulan, pembersihan, pemberian label, mentransformasi, dan merekayasa fitur dari data. Langkah penting ini memengaruhi performa, skalabilitas, dan efektivitas biaya model.
  2. Pemilihan model: Memilih model AI yang tepat bergantung pada jenis masalah, karakteristik data, kompleksitas model, dan kebutuhan akan penafsiran. Pertimbangannya termasuk menghindari underfitting (terlalu sederhana) dan overfitting (terlalu kompleks).
  3. Pelatihan model: Ini melibatkan pemberian data yang disiapkan ke model yang dipilih dan menyesuaikan parameternya untuk meminimalkan error dan meningkatkan akurasi.
  4. Penyesuaian hyperparameter: Menyesuaikan setelan yang mengontrol proses pembelajaran untuk menemukan konfigurasi terbaik guna mendapatkan performa terbaik, dengan menyeimbangkan kompromi bias-varians.

Pengujian

Setelah model dilatih, model tersebut harus diuji pada set data terpisah yang belum pernah dilihat sebelumnya. Hal ini dilakukan untuk mengevaluasi seberapa baik model tersebut melakukan generalisasi pada data baru dan untuk mengidentifikasi potensi masalah. Bayangkan Anda memberikan latihan ujian kepada siswa sebelum ujian yang sebenarnya.

Deployment

Setelah model diuji dan divalidasi, model tersebut dapat tersedia untuk digunakan. Hal ini dapat melibatkan mengintegrasikannya ke dalam aplikasi, situs, atau proses bisnis. Bayangkan saat Anda akhirnya mengizinkan anak Anda mengendarai sepeda tanpa roda bantu.

Evaluasi

Meskipun model sudah dipublikasikan, Anda perlu terus meninjau performanya dan melakukan penyesuaian jika diperlukan. Hal ini dapat mencakup pemantauan akurasi, efisiensi, dan kewajaran sistem tersebut. Sama seperti memeriksa anak yang sedang naik sepeda, Anda perlu memastikan model masih berfungsi dengan baik dan aman. 

Hal ini juga biasanya mencakup pemantauan terhadap masalah seperti pembusukan model, yaitu performa model yang menurun seiring waktu karena perubahan pada data atau lingkungan, dan degradasi data, yaitu perubahan karakteristik data input, yang berpotensi memengaruhi akurasi model.

Model AI terlatih

Model AI terlatih, yang terkadang disebut sebagai model dasar, adalah model AI yang telah dilatih dengan set data yang besar. Model dasar sering digunakan sebagai titik awal untuk membangun model AI baru, karena dapat menghemat banyak waktu dan tenaga developer. 

Saat menangani tugas AI yang lebih umum, menggunakan model terlatih dapat menjadi alternatif yang bagus daripada membangun model dari awal. Model tersebut dapat digunakan secara langsung atau disesuaikan untuk kasus penggunaan tertentu. Jika Anda perlu melakukan tugas yang serupa dengan tugas yang digunakan untuk melatih model terlatih, biasanya lebih cepat dan mudah untuk menyesuaikan model terlatih daripada melatih model baru dari awal. 

Menyesuaikan model adalah saat Anda mengambil model terlatih lalu melatihnya di set data yang lebih kecil dan spesifik untuk tugas tertentu guna menyesuaikan kemampuannya dengan kebutuhan Anda. Namun, ada juga potensi kerugian dari penggunaan model terlatih. Model tersebut mungkin tidak cocok untuk semua tugas, dan terkadang dapat mencerminkan bias yang ada di data pelatihan asli. 

Dalam beberapa kasus, Anda mungkin perlu melatih model dari awal untuk mencapai tingkat akurasi dan penyesuaian yang diinginkan.

Jelajahi model terlatih di Model Garden

Model Garden di Vertex AI adalah repositori model AI terlatih dari Google (misalnya, Gemini, Gemma, dan Imagen) serta model pihak ketiga dari penyedia seperti Anthropic, Meta AI, dan lainnya.

Anda dapat menjelajahi Model Garden untuk menemukan model terlatih untuk berbagai tugas seperti klasifikasi gambar, natural language processing, dan pembuatan kode.

Membangun, melatih, dan men-deploy model AI dengan Vertex AI

Vertex AI adalah platform machine learning terpadu Google Cloud. Dengan Vertex AI, Anda dapat membangun, melatih, dan men-deploy model AI tanpa perlu mengelola infrastruktur apa pun. Vertex AI menyediakan rangkaian alat dan layanan komprehensif yang dapat membantu Anda di setiap tahap siklus proses pengembangan model AI. Platform ini menawarkan antarmuka yang mudah digunakan, algoritma bawaan, dan resource komputasi yang canggih, sehingga menjadikannya platform yang andal untuk mengembangkan dan men-deploy model AI.

Langkah selanjutnya

Mulailah membangun solusi di Google Cloud dengan kredit gratis senilai $300 dan lebih dari 20 produk yang selalu gratis.