Apa saja isi AI?

komponen utama kecerdasan buatan? 15 trilion token data

Membangunkan komponen utama kecerdasan buatan melibatkan ketelitian tinggi dalam penyediaan data bagi mengelakkan ralat teknikal yang merugikan. Kegagalan menguruskan elemen asas ini mengakibatkan ketidaktepatan maklumat serta menjejaskan integriti sistem teknologi yang dibangunkan oleh organisasi. Fahami elemen binaan ini untuk memastikan keberkesanan sistem digital anda secara optimum.

Apa Saja Isi AI? Gambaran Keseluruhan

Jawapan kepada apa yang membina AI bergantung pada sudut pandang teknikal atau praktikal yang kita ambil. Secara ringkas, isi kecerdasan buatan (AI) terdiri daripada tiga komponen utama kecerdasan buatan yang saling bergantung: data yang luas, algoritma yang canggih, dan perkakasan pemprosesan yang sangat berkuasa. Tanpa salah satu daripadanya, sistem AI hanyalah sekadar kod komputer biasa yang tidak mempunyai keupayaan untuk belajar atau menaakul secara autonomi.

Ramai orang menyangka AI adalah sejenis sihir digital yang muncul entah dari mana. Ia tidak benar. Dalam pengalaman saya berurusan dengan model bahasa, saya menyedari bahawa AI lebih mirip kepada sebuah bangunan pencakar langit yang sangat kompleks. Setiap bata (data) perlu disusun dengan tepat menggunakan pelan (algoritma) yang betul, sambil disokong oleh struktur besi (perkakasan dan perisian AI) yang mampu menahan beban ribuan tan data. Jika ada satu bahagian yang lemah, keseluruhan sistem akan runtuh.

Data: Bahan Mentah dan Bahan Bakar Utama

Data adalah isi yang paling kritikal dalam mana-mana sistem AI moden. Tanpa data, algoritma yang paling canggih sekalipun tidak dapat berfungsi kerana ia tidak mempunyai asas untuk belajar. Data boleh hadir dalam pelbagai bentuk - teks, imej, audio, video, atau corak tingkah laku pengguna di internet. Semakin banyak dan berkualiti data yang dimasukkan, semakin bijaklah sistem tersebut dalam membuat ramalan atau menjana kandungan.

Sebahagian besar daripada masa pembangunan projek AI dihabiskan semata-mata untuk mengumpul, membersih, dan melabel data sebelum ia boleh digunakan. ^[1] Saya pernah menghabiskan masa berminggu-minggu hanya untuk memastikan data yang dimasukkan ke dalam model tidak mempunyai berat sebelah (bias). Ia adalah proses yang sangat membosankan - tetapi sangat penting. Model bahasa besar (LLM) yang kita gunakan hari ini biasanya dilatih menggunakan 15 hingga 20 trilion token data untuk memastikan ia memahami konteks bahasa manusia dengan tepat.

Algoritma dan Model: Resepi Pintar di Sebalik Keputusan

Jika data adalah bahan mentah, maka algoritma adalah resepi masakan. Algoritma merupakan set arahan matematik yang memberitahu komputer bagaimana AI dibina dan cara untuk menganalisis data tersebut. Dalam AI, kita sering menggunakan istilah Pembelajaran Mesin (Machine Learning) dan Rangkaian Neural (Neural Networks). Rangkaian neural ini direka untuk meniru cara neuron dalam otak manusia berfungsi, membolehkan komputer mengenali corak yang sangat halus.

Nampaknya canggih, tapi sebenarnya ia hanya matematik yang sangat laju. Kebanyakan algoritma AI moden dibina berasaskan kalkulus dan algebra linear yang kompleks. Sejak beberapa tahun kebelakangan ini, kecekapan pengiraan model AI telah meningkat kira-kira dua kali ganda setiap tujuh bulan, ^[3] membolehkan algoritma yang lebih dalam dan rumit dijalankan. Walau bagaimanapun, mempunyai algoritma yang kompleks tanpa data yang bersih adalah sia-sia - seperti mempunyai resepi lima bintang tetapi menggunakan bahan-bahan yang sudah tamat tempoh.

Perkakasan (Hardware): Dapur yang Memasak Segalanya

Ramai pemula sering terlepas pandang elemen dalam teknologi AI yang melibatkan komponen fizikal. Hakikatnya, AI memerlukan kuasa elektrik dan haba yang sangat besar untuk berfungsi. Komponen utamanya ialah Unit Pemprosesan Grafik (GPU) atau Unit Pemprosesan Tensor (TPU). Berbeza dengan pemproses komputer biasa (CPU), GPU boleh melakukan ribuan tugasan matematik secara serentak (parallel processing), yang sangat diperlukan untuk melatih rangkaian neural yang besar.

Pelaburan dalam infrastruktur AI, termasuk perkakasan dan perkhidmatan awan (cloud), kini merangkumi sekitar 40% daripada jumlah keseluruhan pelaburan AI secara global. Malah, satu syarikat teknologi utama kini menguasai sebahagian besar daripada pasaran cip AI untuk pusat data,^[5] menunjukkan betapa bergantungnya industri ini kepada perkakasan yang sangat spesifik. Tanpa cip ini, proses melatih model bahasa mungkin mengambil masa berdekad-dekad berbanding hanya beberapa bulan.

Tenaga Manusia: Maklum Balas yang Menjadikan AI Lebih Manusiawi

Isi AI yang terakhir - dan mungkin yang paling penting bagi keselamatan pengguna - ialah maklum balas manusia. Teknik yang dikenali sebagai Pembelajaran Pengukuhan daripada Maklum Balas Manusia (RLHF) digunakan untuk mengajar AI membezakan antara jawapan yang betul dan salah, atau jawapan yang selamat dan berbahaya. Manusia bertindak sebagai guru yang memberikan markah kepada output AI.

Ini adalah sebahagian daripada proses yang jarang diceritakan dalam iklan teknologi. Beribu-ribu pelabel data di seluruh dunia bekerja setiap hari untuk memastikan AI tidak mengeluarkan kandungan yang tidak sepatutnya. Saya secara peribadi percaya bahawa tanpa sentuhan manusia ini, AI akan menjadi sekadar alat statistik yang kering dan berpotensi berbahaya. Manusia bukan sahaja membina asas pembinaan AI; kita juga membentuk moral dan gaya bahasanya agar ia boleh digunakan dengan selamat.

Perbezaan Antara Komponen Perisian dan Perkakasan AI

Perisian AI (Data & Algoritma)

1. Sangat tinggi; boleh dikemas kini atau diubah suai melalui kod tanpa menukar fizikal
2. Menyediakan logik, pengetahuan, dan keupayaan pembelajaran untuk sistem
3. Fokus kepada gaji pakar data, jurutera perisian, dan pelabel data manusia

Perkakasan AI (GPU & Infrastruktur)

1. Rendah; memerlukan penggantian fizikal atau penambahan pelayan untuk menaik taraf
2. Menyediakan kuasa elektrik dan keupayaan pengiraan untuk menjalankan logik AI
3. Fokus kepada pembelian cip semikonduktor, bil elektrik, dan penyejukan pusat data

Cabaran Nizam Membina Chatbot Bahasa Melayu di Cyberjaya

Nizam, seorang pembangun aplikasi di sebuah syarikat pemula di Cyberjaya, ingin membina chatbot AI yang memahami dialek tempatan Malaysia. Beliau memulakan projek dengan menggunakan model percuma dari internet, tetapi mendapati AI tersebut gagal memahami bahasa pasar seperti 'jap' atau 'gi mana'.

Percubaan pertama Nizam adalah dengan memasukkan ribuan kamus bahasa formal. Namun, hasilnya tetap mengecewakan kerana AI kedengaran terlalu kaku dan tidak mesra pengguna. Beliau menyedari bahawa masalahnya bukan pada algoritma, tetapi pada ketiadaan data perbualan harian yang asli.

Nizam kemudian mengambil pendekatan berbeza dengan mengumpul data daripada forum tempatan dan media sosial Malaysia (selepas mendapat keizinan). Beliau juga mengupah sekumpulan pelajar universiti untuk melabel jawapan AI sama ada ia kedengaran natural atau tidak.

Selepas 6 bulan, chatbot tersebut berjaya mencapai ketepatan pemahaman dialek sebanyak 85%, mengurangkan aduan pelanggan syarikatnya sebanyak 40% dalam masa 30 hari sahaja. Nizam belajar bahawa AI yang hebat memerlukan data tempatan yang spesifik, bukan sekadar algoritma global.