AI Generatif vs. jenis AI lainnya.

Kecerdasan buatan merupakan simulasi kecerdasan manusia yang dilakukan oleh mesin. Walaupun ada mitologi kuno dan upaya berabad-abad untuk membuat mesin yang bisa bertindak layaknya manusia, contoh pertama yang nyata dari pembelajaran mesin baru terjadi pada tahun 1951 ketika program permainan dam di University of Manchester berhasil menguasai cara bermain yang baik sehingga mampu mengalahkan pemain manusia. Ini adalah bentuk paling awal dari AI game.

Saat ini, AI ada di mana-mana, terutama di ponsel dan aplikasi mobile, yang melakukan tugas-tugas umum seperti pengenalan wajah, pengenalan ucapan, pemfilteran spam, saran tata bahasa, dan terjemahan bahasa.

Tidak ada tipe AI tunggal yang bisa melakukan segalanya. Seperti halnya kita menggunakan program komputer yang berbeda-beda untuk keperluan pemrosesan kata, akuntansi, dan pengomposisian digital, AI juga memiliki tipe berbeda-beda yang berfungsi secara berbeda untuk mencapai tujuan yang berbeda pula. Tipe-tipe AI yang umumnya Anda temui terbagi ke dalam tiga kategori dasar.

AI tipe ini dapat menjalankan tugas-tugas tertentu dan tidak dapat melakukan pembelajaran di luar tugas. Pengenalan wajah, pemroses bahasa alami, dan generator gambar merupakan bentuk dari kecerdasan buatan tipe narrow. Siri, Google Assistant, dan Alexa merupakan bentuk dari narrow AI. Mereka dapat memahami dan memberi respon pada perintah suara, tetapi tidak dapat memberi diagnosis medis secara akurat.

Sebagaimana namanya, mesin-mesin ini hanya bereaksi pada stimuli, seperti gerakan bidak catur pada papan catur virtual. Mereka tidak menyimpan memori yang bisa digunakan kembali di masa mendatang seperti mesin AI dengan memori terbatas, tetapi mereka merupakan komponen yang berguna dalam kehidupan digital. Contoh mesin reaktif misalnya filter pesan spam dan sistem pemberi rekomendasi yang mencatat perilaku Anda serta memberi saran soal apa yang harus Anda tonton selanjutnya atau apa yang mungkin ingin Anda beli.

Ini merupakan langkah selanjutnya dalam pengembangan AI setelah mesin reaktif. AI dengan memori terbatas dapat menyimpan pengetahuan, belajar darinya, dan menjalankan tugas baru berdasarkan pembelajaran tersebut. AI tipe ini bermanfaat untuk membuat prediksi, dan digunakan untuk memperkirakan tren yang akan datang dalam segala hal mulai dari keuangan hingga cuaca. Ini adalah tipe AI yang paling umum digunakan saat ini, hadir dalam chatbot dan mobil dengan kemudi mandiri.

Seperti halnya bagian lain dari AI yang dibuat untuk tujuan tertentu, AI generatif menyertakan banyak tipe model yang dibangun untuk membuat tipe konten yang berbeda-beda.

Pembuatan teks mungkin menjadi bentuk AI yang paling banyak diperbincangkan, dan model AI chatbot menjadi hal yang populer dan sering muncul dalam berita. Orang-orang menggunakan generator teks ini untuk segala hal mulai dari mengoreksi teks, menulis survei hingga membuat kode.

Generator AI seperti Adobe Firefly dapat mengubah perintah teks menjadi gambar. Mereka memiliki rangkaian penggunaan yang luas bagi seniman, kreator konten, dan pelaku pemasaran. Dengan dilatih menggunakan jutaan gambar dan keterangan, generator gambar AI memberikan siapa saja kemampuan untuk menjelaskan hal yang mereka inginkan dan dengan cepat menghasilkan gambar baru berdasarkan deskripsi teks tersebut.

Seniman dan desainer dapat menggunakan teknologi ini untuk melakukan brainstorm tentang ide-ide baru dan mencoba cara baru dalam membayangkan karya mereka tanpa menghabiskan waktu berjam-jam untuk setiap iterasi. Pelaku pemasaran dan kreator konten independen dapat menghasilkan gambar yang indah secara cepat meskipun mereka bukan seorang seniman berpengalaman.

Seperti halnya generator gambar dilatih menggunakan kumpulan data gambar berukuran besar, generator musik AI juga dilatih menggunakan musik dan metadata. AI dapat mengidentifikasi pola dalam genre musik dan karya seniman tertentu serta menciptakan musik yang baru berdasarkan karakteristik tersebut.

Bentuk AI generatif yang satu ini mengombinasikan ketiga bentuk pembuatan video, suara, dan gambar. Dengan dilatih menggunakan data yang menyertakan audio, video, dan teks, model-model ini dapat membantu pembuat video menghemat waktu untuk melakukan pengeditan, menambahkan takarir, mengubah ukuran untuk output yang berbeda, dan bahkan menghasilkan konten video yang baru berdasarkan perintah teks.