Pengenalan Teknologi Kecerdasan Artifisial (KA)

 Pengenalan Teknologi Kecerdasan Artifisial (KA)

Kecerdasan artifisial (KA) adalah simulasi kecerdasan manusia pada mesin yang dirancang untuk dapat berpikir, belajar, dan bertindak layaknya manusia. KA memungkinkan sistem komputer untuk melakukan tugas-tugas yang biasanya memerlukan kecerdasan manusia, seperti melihat, memahami bahasa, memecahkan masalah, membuat keputusan, dan belajar dari pengalaman serta data yang besar. KA dapat mensimulasikan kemampuan kognitif manusia, seperti pengenalan visual, pemrosesan bahasa, dan penalaran melalui analisis data.

1. Pemanfaatan KA dalam Kehidupan Sehari-hari

Perkembangan teknologi semakin maju, salah satu indikatornya adalah semakin meluasnya pemanfaatan KA dalam kehidupan sehari-hari. Seperti penggunaan asisten virtual, GPS Navigation, filter pada sosial media, keyboard auto correct. KA telah menyebar ke berbagai bidang mulai dari otomotif, bisnis, hiburan, pendidikan bahkan kesehatan. Penggunaan KA pada berbagai bidang ini bertujuan memudahkan dan mengefisienkan pekerjaan manusia.

Beberapa contoh kecerdasan artifisial  dalam kehidupan sehari-hari meliputi asisten virtual (seperti Siri, Google Assistant), sistem rekomendasi di platform streaming (Netflix, Spotify) dan e-commerce, mesin pencari (Google), navigasi GPS (Google Maps), serta pengenalan wajah untuk membuka kunci ponsel. KA juga digunakan dalam fitur seperti auto-correct pada ponsel, terjemahan otomatis, dan sistem keamanan rumah.

Manfaat utama kecerdasan Artifisial  dalam kehidupan sehari-hari adalah peningkatan efisiensi, penghematan waktu, dan kemudahan. Ini terwujud melalui otomatisasi tugas rutin, personalisasi konten, peningkatan keamanan, dan analisis data yang lebih mendalam untuk membantu pengambilan keputusan di berbagai bidang seperti kesehatan dan hiburan. Contoh praktisnya meliputi penggunaan asisten virtual, rekomendasi produk, hingga diagnosis medis otomatis.

2. Kecerdasan Artifisial Generatif

         Kecerdasan Artifisial (KA) generatif merupakan cabang dari Artificial Intelligence (AI) yang memiliki kemampuan menghasilkan konten baru, seperti teks, gambar, audio ataupun video berdasarkan data dan pola yang telah dipelajarinya. KA generatif memanfaatkan algoritma pembelajaran mesin, salah satunya adalah deep learning, untuk menginterpretasikan dan menciptakan berbagai jenis konten. Salah satu contoh yang banyak digunakan adalah large language models (LLMs) seperti GPT, yang memiliki kemampuan memahami bahasa manusia dan memberikan respons dalam format percakapan yang alami.

Di dunia pendidikan, KA generatif merupakan terobosan strategis yang berperan dalam mendukung proses pembelajaran, mulai dari perancangan materi hingga penyesuaian pengalaman pembelajaran sesuai dengan kebutuhan individu murid. Memahami konsep ini menjadi landasan utama bagi para guru agar dapat mengoptimalkan teknologi secara bijak dan bertanggung jawab dalam lingkungan sekolah.

KA generatif memiliki potensi besar, salah satunya dalam pembelajaran. Kemampuan KA generatif membantu guru dalam membuat berbagai jenis konten seperti teks, gambar, audio, dan video. Teknologi ini dapat membantu meningkatkan kualitas pembelajaran, merancang materi, dan menyesuaikan pengalaman belajar dengan kebutuhan murid. Oleh karenanya, pemahaman yang baik tentang KA generatif sangat penting bagi guru agar bisa memanfaatkannya dengan bijak dan bertanggung jawab dalam proses pembelajaran.

konsep KA generatif yang dapat diterapkan dalam pembelajaran antara lain :

1.       1. Membuat media pembelajaran : dapat digunakan untuk menghasilkan materi pembelajaran otomatis. Misalnya, guru sejarah dapat memanfaatkan tool ChatGPT untuk membuat infografis interaktif tentang Perang Dunia II.

2.       2. Melakukan asesmen : membantu guru membuat soal ujian atau tugas dengan berbagai tingkat kesulitan, sekaligus memberikan umpan balik otomatis. Misalnya guru Ilmu Pengetahuan Alam (IPA) membuat soal pilihan ganda dengan memanfaatkan tool Gemini

3.       3. Penulisan esai dan koreksi otomatis : dapat membantu murid dalam menyusun esai atau makalah penelitian, memberikan masukan tentang struktur kalimat, kejelasan argumen, dan kesalahan tata bahasa.

333. Pengantar Prompt

Prompt merupakan perintah atau instruksi khusus yang diberikan kepada sistem KA generatif dengan tujuan menghasilkan output yang sesuai dengan kebutuhan, kejelasan, konteks, dan struktur dalam menentukan kualitas output atau hasil. Prompt berfungsi sebagai user interface interaksi antarmuka antara pengguna dengan large language models (LLMs), di mana kualitas dan spesifikasi instruksi secara langsung memengaruhi relevansi dan akurasi output yang dihasilkan oleh sistem KA generatif

Untuk dapat mendapatkan hasil yang tepat, perlu menyusun prompt atau instruksi dengan cara yang jelas dan terstruktur. Struktur ini sering disebut sebagai struktur prompt, yang mencakup bagian penting seperti perintah utama, konteks, format output, dan sasaran audiens agar KA dapat memahami dan merespons dengan lebih akurat

struktur prompt KA sebagai berikut:

• Persona, merupakan karakter atau identitas yang diambil oleh sistem atau model saat berinteraksi dengan pengguna. Contoh Persona: Saya adalah guru PAUD

• Konteks, adalah latar belakang atau informasi tambahan yang diperlukan untuk memahami situasi atau topik yang sedang dibahas. Konteks dapat mencakup lokasi dan waktu yang spesifik. Contoh konteks : Kota Solo

• Perintah, merupakan instruksi atau permintaan yang diberikan kepada model KA untuk melakukan tugas tertentu, berupa pertanyaan, pernyataan, atau instruksi yang jelas. Perintah harus dirumuskan dengan baik agar KA dapat memahami apa yang diharapkan.

Contoh Perintah : deskripsikan mitigasi bencana banjir di musim hujan tahun ini!

• Input, berupa data atau informasi yang diberikan oleh pengguna kepada model KA untuk diproses. Input yang baik dan terstruktur akan membantu model dalam menghasilkan output yang lebih akurat. Contoh Input : buatkan gambar infografis mitigasi bencana

• Output, hasil yang diharapkan adalah hasil atau respons yang diinginkan dari model KA setelah memproses perintah dan input yang diberikan. Output ini harus sesuai dengan harapan pengguna dan relevan dengan konteks yang telah ditentukan. Contoh Output : bahasa yang mudah dipahami 

Pengetahuan tentang managemen Prompt secara lebih detail dapat dipelajari pada Modul DI SINI