Halo Sobat Data!
Selamat datang di sesi #KokBisa, tempat kita mengungkap bagaimana data diterapkan dalam kehidupan sehari-hari, sering kali tanpa kita sadari. Di sini, kita juga akan mengeksplorasi fakta-fakta menarik dan informasi seru lainnya. Jangan lewatkan dan simak hingga akhir ya!
Pada #KokBisa hari ini akan dikupas sedikit mengenai bagaimana ChatGPT memahami instruksi maupun semua pertanyaan yang ditanyakan oleh manusia yang akan meningkatkan pengetahuan tentang bidang data. Jadi jangan sampai terlewatkan ya Sobat Data!
Sebelumnya pada #KokBisa telah membahas mengenai sumber-sumber data ChatGPT yang dibahas pada link berikut ini.
Pernahkah kamu mencoba bertanya sesuatu ke ChatGPT, lalu merasa takjub karena jawabannya terasa masuk akal, padahal kamu hanya mengetik pertanyaan sederhana? Bahkan ketika kalimatmu agak tidak jelas, model ini tetap bisa menanggapi dengan cukup relevan. Tapi tahukah kamu, ChatGPT sebenarnya tidak benar-benar “mengerti” maksudmu?
Yang dilakukan oleh ChatGPT bukanlah memahami seperti manusia. Ia tidak memiliki kesadaran atau pengetahuan sejati, melainkan memprediksi kata-kata berdasarkan pola dari jutaan bahkan miliaran data yang pernah dilatih sebelumnya. Ia memilih kemungkinan kata berikutnya yang paling mungkin muncul, dan merangkainya menjadi kalimat yang terasa alami.
Source : https://mytour.vn/vi/blog/bai-viet/understanding-llm-what-is-it-and-how-does-it-work.html
Teknologi utama yang digunakan dalam proses ini disebut Large Language Model (LLM). LLM merupakan model kecerdasan buatan yang dibangun menggunakan arsitektur yang dikenal dengan nama transformer. Sistem ini dirancang untuk memproses teks dalam jumlah besar, memahami konteks antar kata dan kalimat, dan merespons dengan keluaran yang relevan.
Di dalam LLM, terdapat ribuan hingga miliaran parameter dan lapisan neural network yang bekerja seperti sistem syaraf tiruan. Lapisan-lapisan ini memproses informasi secara bertingkat, mulai dari mengenali bentuk dasar kata hingga menangkap pola makna yang lebih kompleks. Karena itulah, LLM bisa memberikan respons yang seolah “mengerti” maksud pengguna, meskipun ia hanya bekerja berdasarkan probabilitas dan pola statistik.
Salah satu hal penting dalam penggunaan ChatGPT dan model sejenis adalah bagaimana kita merancang pertanyaan atau instruksi, yang dikenal dengan istilah prompt engineering. Semakin jelas dan spesifik sebuah prompt, semakin akurat dan sesuai jawaban yang dihasilkan. Inilah kenapa prompt engineering kini menjadi bidang tersendiri yang banyak dipelajari, khususnya di dunia data dan teknologi.
Dalam dunia praktis, teknologi seperti LLM digunakan dalam berbagai aplikasi, mulai dari pembuatan laporan otomatis, penulisan konten, penerjemahan bahasa, hingga pengembangan kode program. Kemampuannya yang fleksibel membuat model ini menjadi alat yang sangat berguna dalam ekosistem sains data dan kecerdasan buatan.
Jadi, ketika kamu berinteraksi dengan ChatGPT, kamu sebenarnya sedang memanfaatkan hasil kerja luar biasa dari perpaduan data, algoritma, dan pembelajaran mesin dalam skala besar. Bukan sihir, tapi ilmu yang terus berkembang.
Sampai jumpa di sesi #KokBisa berikutnya, dengan topik menarik lainnya seputar data dan teknologi. Mari kita terus bermain dengan data dan memanfaatkan potensi teknologi untuk memenangkan era digital ini dan bergabung menjadi bagian dari Sains Data Telkom University Surabaya! 🌟
Playing with Data, Winning the Era.
More info :
-Website : https://bds-sby.telkomuniversity.ac.id/
-Instagram : https://www.instagram.com/ds.telkomsurabaya/