00:00Pernah nggak sih Anda bertanya-tanya, apa sebenarnya yang bikin alat-alat seperti chat GPT itu seolah-olah punya sihir?
00:05Nah, dalam pembahasan kali ini, kita akan membongkar tuntas misteri dibalik Large Language Models, atau LLM, dengan rincian yang jelas
00:12dan terstruktur.
00:13Oke, kita mulai dari pertanyaan yang paling fundamental.
00:16Gimana caranya sebuah mesin bisa belajar berkomunikasi, menalar, dan bahkan berkreasi pakai bahasa manusia?
00:22Nah, itulah masalah inti yang coba dipecahkan oleh para LLM ini.
00:26Jadi, apa itu Large Language Models? Gampangnya gini, ini adalah model kecerdasan buatan yang dilatih pakai data teks dalam jumlah
00:33yang luar biasa masif.
00:35Tujuan utamanya, ya untuk ngertiin pola, memprediksi, terus menghasilkan bahasa persis seperti yang kita lakukan.
00:42Anggap aja ini mesin prediksi kata, tapi yang super-super canggih.
00:46Sekarang, yuk kita bedah dulu bagian pertama dari namanya, besar.
00:49Sebenarnya, apa sih arti kata ini? Jawabannya ada di skalanya yang benar-benar gila.
00:54Jadi, kata besar ini nunjuk ke dua hal.
00:57Pertama, volume data latihannya yang sangat besar, bisa dibilang hampir seluruh isi internet.
01:03Kedua, ya ukuran modelnya itu sendiri, yang kita ukur pakai istilah parameter.
01:07Bayangin aja itu kayak jutaan tombol dan knop internal yang diatur sama si model selama dia belajar buat ngenalin pola
01:13bahasa.
01:13Biar kebayang, kita lihat konteksnya sedikit ya.
01:16Bahkan di tahun 2018, para peneliti itu udah berhasil bikin model yang dianggap raksasa pada zamannya.
01:21Model kayak BRT yang jadi terobosan besar waktu itu punya sekitar 3,7 miliar parameter.
01:27Kedengarannya gede banget kan?
01:28Dan emang pada saat itu, angka segitu tuh skala yang luar biasa.
01:32Tapi, apa yang terjadi dalam beberapa tahun terakhir ini benar-benar mengubah permainan?
01:36Skalanya meledak secara drastis.
01:37Sekarang, bandingkan angka tadi dengan model modern kayak GPT-4,
01:41yang estimasinya punya sekitar 1,8 triliun parameter.
01:44Wow, itu lebih dari 400 kali lipat.
01:46Lompatan ini nunjukin betapa gilanya kecepatan perkembangan di bidang ini.
01:49Nah, garis waktu ini nunjukin banget ledakan pertumbuhannya.
01:52Coba bayangin, kita pindah dari 3,7 miliar parameter di tahun 2018,
01:56langsung loncat ke 1,8 triliun untuk GPT-4 cuma dalam waktu 5 tahun.
02:01Peningkatan skala dan kompleksitas inilah yang punya detail sangat terstruktur
02:04yang membuka semua kemampuan luar biasa yang kita lihat sekarang.
02:07Oke, kita udah tahu ukurannya raksasa.
02:10Tapi, gimana sih sebenarnya cara kerjanya?
02:12Anda mungkin kaget betapa sederhana konsep inti dibaliknya.
02:15Coba bayangin kalimat ini, kucing itu suka tidur di...
02:20Coba deh tebak kata berikutnya.
02:21Mungkin kasur?
02:23Atau sofa?
02:24Mungkin juga kardus?
02:26Buat otak kita, ini kan terasa intuitif banget.
02:29Nah, buat LLM, tebakan simpel kita itu sebenarnya adalah sebuah masalah
02:33klasifikasi matematis yang sangat terstruktur.
02:35Tugas dia adalah ngeliat semua kemungkinan kata yang ada di kamusnya,
02:39bisa puluhan ribu pilihan,
02:41terus ngitung probabilitasnya secara matematis
02:43buat nentuin mana yang paling mungkin muncul berikutnya.
02:45Dan disinilah kuncinya.
02:47LLM itu membangun teks satu kata demi satu kata.
02:50Begitu dia memprediksi satu kata,
02:51dia langsung nambahin kata itu ke kalimat,
02:53terus dia prediksi lagi kata berikutnya.
02:55Proses berulang yang sangat logis inilah yang bikin dia bisa nulis paragraf,
02:58esai, atau bahkan kode komputer yang nyambung dari awal.
03:01Proses menciptakan atau menghasilkan teks baru kata demi kata ini,
03:05itulah yang bikin LLM jadi bagian dari kategori teknologi yang lebih luas,
03:09yang kita kenal sebagai AI generatif.
03:11Jadi, dia nggak cuma menganalisis, tapi juga berkreasi.
03:14Oke, sekarang kita udah ngerti konsep dasarnya.
03:17Yuk kita lihat siapa aja sih pemain-pemain utama
03:19yang mendorong revolusi teknologi ini di dunia nyata.
03:22Ada empat nama besar yang bener-bener lagi memimpin perlombaan LLM saat ini.
03:26Tentu aja ada Open AI, yang mungkin Anda kenal lewat chat GPT.
03:29Terus ada Google DeepMind, otak dibalik model Gemini mereka.
03:32Ada Meta, yang jadi jagoannya pendekatan open source.
03:35Dan ada Entropic, yang fokus banget membangun AI yang aman dan bisa diandalkan.
03:38Perbandingan ini kasih kita gambaran yang jelas banget.
03:41GPT-4 dari Open AI itu terkenal karena kemampuan penalarannya yang canggih.
03:45Sementara itu, Gemini 1.5 dari Google,
03:47jagoannya adalah dia bisa menangani konteks yang super panjang.
03:50Artinya, dia bisa memproses dan ngingat informasi dalam jumlah masif.
03:53Lama 3.1 dari Meta menonjol karena sifatnya open source,
03:56yang bikin inovasi dari komunitas jadi meledak.
03:58Dan Cloud 3.7 dari Entropic itu memprioritaskan kecepatan dan keamanan,
04:02jadi pilihan yang sangat andal.
04:04Nah, ini poin yang krusial.
04:06Ada dua filosofi pengembangan di sini.
04:08Ada yang close source, kayak GPT-4,
04:10yang nawarin performa paling top dan gampang diakses,
04:12tapi dikontrol sama satu perusahaan.
04:14Di sisi lain, ada open source kayak Lama,
04:17yang ngasih kebebasan buat kustomisasi,
04:19privasi, dan inovasi yang digerakkan oleh komunitas global.
04:22Oke, teknologinya emang canggih banget,
04:24tapi kenapa ini penting buat kita?
04:26Coba kita lihat gimana LLM udah mulai mengubah cara kita kerja
04:29dan hidup sehari-hari.
04:31Kegunaannya luas banget,
04:32dan dampaknya kerasa di hampir semua industri.
04:34Buat para profesional,
04:36ini udah kayak asisten super buat nulis email atau materi marketing.
04:38Ini bisa jadi analis yang mampu ngerangkum dokumen tebal
04:41atau notulen rapat dalam hitungan detik.
04:43Dia juga jadi komunikator global,
04:44yang nerjemahin bahasa secara instan.
04:46Dan buat para developer,
04:48dia tuh udah kayak rekan coding
04:49yang bisa mempercepat proses nulis dan perbaikan kode.
04:51Ini benar-benar jadi alat serbaguna yang luar biasa.
04:54Jadi, kita sekarang berada di titik yang sangat penting,
04:56di mana mesin itu nggak lagi cuma menghitung.
04:58Mereka mampu bernalar, berkreasi,
05:00dan berkolaborasi bareng kita.
05:01Ini memunculkan satu pertanyaan besar.
05:03Dengan alat sekuat dan seter struktur ini di tangan kita,
05:06masalah besar apa selanjutnya
05:07yang sekarang siap kita pecahkan bersama-sama?
