Pada bulan November 2022, OpenAI merilis ChatGPT ditujukan untuk uji coba publik, dan hanya dalam lima hari pertama lebih dari satu juta orang mendaftar untuk menggunakan layanan ini. Banyak perusahaan lain kemudian merilis produk-produk berbasis Generative Artificial Intelligence (Gen AI) setelahnya.
Setahun kemudian, Reuters melaporkan bahwa layanan ini menerima 140 juta pengunjung pada bulan Oktober 2023. Para pengguna tetap tertarik dengan teknologi terobosan ini, dan perusahaan-perusahaan tersebut terus menunjukkan komitmen mereka terhadap Gen AI melalui riset dan investasi di bidang ini.
Dalam artikel ini secara ringkas akan dibahas cara kerja Gen AI dan contoh dua aplikasi Gen AI terkemuka yang tersedia untuk publik saat ini, yakni OpenAI ChatGPT dan Google Gemini, juga beberapa produk Gen AI lain yang didesain untuk keperluan bisnis.
Bagaimana Cara Kerja Gen AI?
Gen AI bekerja menggunakan prinsip Machine Learning, yang dilatih menggunakan data dalam jumlah yang sangat besar. Dengan menggunakan metode "Supervised" dan "Unsupervised learning", Gen AI dapat memahami dan menginterpretasikan permintaan user serta menghasilkan teks, gambar, atau konten audio.
Sebagai contoh, kita bisa meminta aplikasi Gen AI seperti ChatGPT, Â untuk menulis paragraf tentang suatu topik misalkan sejarah ditemukannya teknologi telepon. Aplikasi ini akan memprediksi apa yang kita cari berdasarkan contoh paragraf serupa dalam kumpulan "training dataset" yang sangat besar/masif , sebagai contoh OpenAI GPT-3, disebutkan bahwa model ini dilatih menggunakan ratusan miliar token (token adalah potongan teks, yang setara dengan sebuah kata atau bagian dari kata).
Dalam hitungan detik, aplikasi ini akan men-generate paragraf baru yang mirip.
Kelebihan dan Kekurangan Gen AI
Gen AI dapat digunakan di berbagai industri dan untuk mengatasi berbagai tantangan. Teknologi ini memungkinkan kreator bekerja jauh lebih cepat dan meningkatkan produktivitas. Namun, Gen AI juga menimbulkan kekhawatiran secara etika, isu hak cipta dan bias yang ada "hidden" di dalam training datasetnya. Â Berikut ini beberapa kelebihan dan kekurangannya:
