Kamus AI

Proses sistematis untuk mengukur kinerja, keandalan, dan keamanan AI agent dalam menyelesaikan tugas nyata, biasanya menggunakan benchmark tugas berjenjang yang jauh lebih kompleks dibanding evaluasi... Selengkapnya →

Siklus berulang yang menjadi inti cara kerja AI agent: mengamati kondisi terkini, memutuskan tindakan, mengeksekusinya, lalu mengamati hasilnya kembali, terus berulang hingga tugas selesai atau batas... Selengkapnya →

Kemampuan AI agent untuk menyimpan dan mengingat informasi dari interaksi sebelumnya, baik dalam satu sesi maupun lintas sesi, agar dapat bertindak lebih konsisten dan personal dari waktu ke waktu. Selengkapnya →

Standar komunikasi terbuka yang memungkinkan AI agent dari platform atau pengembang berbeda saling bertukar pesan, mendelegasikan tugas, dan berkolaborasi, meski dibangun di atas kerangka teknologi ya... Selengkapnya →

Penggunaan AI Agent untuk menulis, menjalankan, menguji, dan memperbaiki kode secara mandiri dan iteratif, melampaui sekadar memberi saran kode seperti autocomplete tradisional. Selengkapnya →

Alur kerja di mana AI Agent menjalankan serangkaian langkah secara berurutan atau paralel—merencanakan, mengeksekusi, mengevaluasi, dan mengulang—untuk menyelesaikan tugas kompleks secara mandiri. Selengkapnya →

Sistem AI yang dapat merencanakan dan mengeksekusi serangkaian tindakan secara mandiri untuk mencapai tujuan tertentu, termasuk menggunakan tools eksternal seperti browser, kalkulator, atau API. Selengkapnya →

Bidang riset dan praktik yang berfokus memastikan tujuan, nilai, dan perilaku sistem AI benar-benar selaras dengan kepentingan dan nilai-nilai manusia. Selengkapnya →

Istilah untuk kekhawatiran bahwa valuasi perusahaan AI dan besarnya belanja infrastruktur (chip, pusat data) saat ini melampaui nilai ekonomi riil yang bisa dihasilkan dalam jangka pendek, mirip gelem... Selengkapnya →

Aplikasi atau produk yang dirancang sejak awal dengan AI sebagai inti fungsionalitasnya, berbeda dengan aplikasi lama yang sekadar menambahkan fitur AI di atas produk yang sudah ada. Selengkapnya →

Model bisnis yang menyediakan kemampuan AI melalui layanan cloud berbasis langganan atau bayar-sesuai-pakai, memungkinkan perusahaan memanfaatkan AI canggih tanpa membangun infrastruktur sendiri. Selengkapnya →

Antarmuka yang memungkinkan aplikasi lain berkomunikasi dengan model AI secara terprogram, mengirim permintaan dan menerima hasil tanpa perlu memahami cara kerja model di baliknya. Selengkapnya →

Tingkat kecerdasan buatan di mana mesin memiliki kemampuan kognitif setara manusia—mampu belajar dan menerapkan pengetahuan di berbagai domain yang luas, bukan hanya tugas spesifik. Selengkapnya →

Cabang ilmu komputer yang berfokus pada pengembangan sistem dan mesin yang mampu meniru kemampuan kognitif manusia — seperti belajar, bernalar, memecahkan masalah, memahami bahasa, dan mengambil keput... Selengkapnya →

Teknik dalam jaringan saraf yang memungkinkan model untuk fokus pada bagian-bagian tertentu dari input yang paling relevan saat menghasilkan output. Selengkapnya →

AI Agent yang dapat beroperasi dan mengambil keputusan tanpa memerlukan persetujuan manusia pada setiap langkah, hanya diberi tujuan akhir dan batasan operasional. Selengkapnya →

Algoritma decoding yang mempertahankan beberapa kandidat urutan token secara paralel untuk menemukan urutan dengan probabilitas tertinggi secara keseluruhan. Selengkapnya →

Standar pengujian yang dipakai untuk mengukur dan membandingkan kemampuan berbagai model AI secara objektif pada tugas-tugas tertentu, seperti penalaran, coding, atau pengetahuan umum. Selengkapnya →

Kesalahan sistematis dalam output model AI yang disebabkan oleh asumsi atau keterbatasan dalam data pelatihan, algoritma, atau proses pengembangan. Selengkapnya →

AI agent yang dirancang khusus untuk menjelajah dan berinteraksi dengan halaman web secara otomatis—membuka situs, mengisi formulir, mengklik tautan—guna menyelesaikan tugas yang biasanya dilakukan ma... Selengkapnya →

Teknik prompt engineering di mana model AI diminta untuk "berpikir langkah demi langkah" sebelum memberikan jawaban akhir, meningkatkan akurasi pada tugas penalaran kompleks. Selengkapnya →

Kemampuan AI agent untuk mengoperasikan komputer layaknya manusia—melihat tampilan layar, menggerakkan kursor, mengklik, dan mengetik—guna menyelesaikan tugas di aplikasi atau situs web yang tidak men... Selengkapnya →

Bidang AI yang memungkinkan komputer untuk melihat, memahami, dan menginterpretasikan dunia visual seperti gambar dan video, mirip dengan penglihatan manusia. Selengkapnya →

Praktik merancang dan mengelola secara cermat seluruh informasi yang dimasukkan ke dalam context window model AI—instruksi, riwayat, data eksternal, dan hasil pemanggilan alat—agar model dapat bekerja... Selengkapnya →

Jumlah maksimum token yang bisa "dilihat" dan diproses oleh model AI dalam satu waktu. Semakin besar context window, semakin panjang percakapan atau dokumen yang bisa diproses. Selengkapnya →

Istilah umum untuk asisten AI yang bekerja berdampingan dengan pengguna manusia untuk membantu suatu tugas, bukan menggantikan sepenuhnya, populer terutama dalam konteks penulisan kode. Selengkapnya →

Kumpulan data terstruktur yang digunakan untuk melatih, menguji, atau mengevaluasi model AI, dengan kualitas dan keragamannya sangat memengaruhi performa akhir model. Selengkapnya →

Sub-bidang Machine Learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan (deep neural networks) untuk memproses data dan mengenali pola yang sangat kompleks secara otomatis. Selengkapnya →

Jenis model generatif yang menghasilkan gambar, audio, atau video dengan cara mempelajari proses menghilangkan noise secara bertahap dari data acak hingga menjadi output yang koheren. Selengkapnya →

Penerapan model AI yang berjalan langsung di perangkat pengguna—seperti smartphone atau kamera pintar—alih-alih mengandalkan server cloud jarak jauh untuk melakukan pemrosesan. Selengkapnya →

Representasi numerik dari data—seperti kata, gambar, atau entitas lainnya—dalam bentuk vektor berdimensi tinggi di ruang vektor kontinu. Selengkapnya →

Bidang riset yang berfokus membuat proses pengambilan keputusan model AI dapat dipahami dan dijelaskan oleh manusia, mengatasi sifat "kotak hitam" pada model machine learning yang kompleks. Selengkapnya →

Metrik evaluasi klasifikasi yang mengukur akurasi model dengan mempertimbangkan presisi dan recall secara bersamaan melalui rata-rata harmonik. Selengkapnya →

Paradigma Machine Learning di mana model dilatih untuk belajar dari sangat sedikit contoh dan tetap dapat menggeneralisasi dengan baik ke data baru. Selengkapnya →

Proses melatih ulang model AI yang sudah ada dengan dataset yang lebih spesifik untuk meningkatkan performanya pada tugas atau domain tertentu, tanpa melatih dari awal. Selengkapnya →

Model AI berskala besar yang dilatih pada data dalam jumlah masif dan dapat diadaptasi untuk berbagai tugas hilir (downstream tasks) tanpa perlu dilatih dari nol. Selengkapnya →

Kemampuan model AI untuk mengenali kapan perlu memanggil fungsi atau alat eksternal (seperti API atau kalkulator) dan menghasilkan parameter yang tepat untuk pemanggilan tersebut. Selengkapnya →

Arsitektur AI generatif yang terdiri dari dua jaringan saraf—generator dan discriminator—yang saling "bersaing" untuk menghasilkan data sintetis yang semakin realistis. Selengkapnya →

Jenis AI yang dapat menghasilkan konten baru seperti teks, gambar, audio, video, dan kode berdasarkan pola yang dipelajari dari data pelatihan. Selengkapnya →

Chip khusus yang dirancang untuk memproses komputasi paralel dalam jumlah besar, menjadi tulang punggung perangkat keras di balik pelatihan dan penjalanan model AI modern. Selengkapnya →

Teknik menghubungkan jawaban model AI dengan sumber informasi yang dapat diverifikasi—seperti dokumen atau hasil pencarian real-time—untuk mengurangi risiko halusinasi. Selengkapnya →

Mekanisme keamanan tambahan yang dipasang di sekitar model AI untuk membatasi, memfilter, atau mengoreksi input dan output agar tetap sesuai dengan kebijakan dan batasan yang ditetapkan. Selengkapnya →

Fenomena di mana model AI menghasilkan informasi yang terdengar meyakinkan namun tidak akurat atau tidak berdasar fakta. Penting untuk selalu memverifikasi informasi dari AI. Selengkapnya →

Titik pemeriksaan dalam alur kerja AI agent di mana tindakan tertentu—biasanya yang berisiko tinggi atau tidak dapat dibatalkan—memerlukan persetujuan eksplisit dari manusia sebelum agent diizinkan me... Selengkapnya →

Pendekatan perancangan sistem AI yang secara sengaja menyertakan titik-titik pemeriksaan manusia sebelum tindakan penting dieksekusi, guna menjaga pengawasan dan mengurangi risiko kesalahan. Selengkapnya →

Kategori model AI generatif yang mengubah satu gambar diam menjadi video pendek dengan gerakan yang koheren dan realistis, sering digunakan sebagai lanjutan dari alur kerja text-to-image. Selengkapnya →

Kemampuan model AI untuk mempelajari suatu pola atau tugas hanya dari contoh yang diberikan langsung dalam prompt, tanpa memerlukan pelatihan ulang atau perubahan parameter model. Selengkapnya →

Proses menjalankan model AI yang sudah dilatih untuk menghasilkan prediksi atau output dari input baru, berbeda dengan proses pelatihan (training) yang bertujuan membangun model itu sendiri. Selengkapnya →

Tahap fine-tuning yang melatih model dasar hasil pre-training menggunakan contoh pasangan instruksi-jawaban, agar model lebih terampil mengikuti perintah dalam bahasa alami. Selengkapnya →

Skenario hipotetis ketika sebuah AI mampu memperbaiki kecerdasannya sendiri secara berulang, sehingga kemampuannya melonjak sangat cepat hingga melampaui manusia. Selengkapnya →

Upaya mengelabui model AI agar mengabaikan aturan keamanan atau batasan yang telah ditetapkan, biasanya melalui prompt yang dirancang secara khusus untuk memanipulasi perilaku model. Selengkapnya →

Struktur data yang merepresentasikan informasi sebagai jaringan entitas dan hubungan antar-entitas, membantu sistem AI memahami konteks dan koneksi antar-konsep secara lebih terstruktur. Selengkapnya →

Model bahasa berukuran besar yang dilatih menggunakan dataset teks yang sangat luas untuk memahami dan menghasilkan teks yang mirip manusia. Contoh: GPT-4 (OpenAI), Gemini (Google), Claude (Anthropic)... Selengkapnya →

Jeda waktu antara pengguna mengirim permintaan ke sistem AI dan menerima respons, menjadi metrik penting yang memengaruhi pengalaman pengguna terutama pada aplikasi real-time. Selengkapnya →

Tugas yang membutuhkan rangkaian langkah panjang dan koheren dari waktu ke waktu untuk diselesaikan, sering dijadikan tolok ukur kemajuan kemampuan AI agent karena menuntut perencanaan dan konsistensi... Selengkapnya →

Teknik fine-tuning yang efisien secara komputasi, di mana hanya sebagian kecil parameter tambahan yang dilatih, bukan seluruh model, sehingga hemat biaya dan waktu. Selengkapnya →

Sub-bidang AI di mana sistem belajar dari data tanpa diprogram secara eksplisit. Sistem mengidentifikasi pola dan membuat keputusan berdasarkan pengalaman/data historis. Selengkapnya →

Arsitektur model AI yang membagi jaringan menjadi beberapa "ahli" (expert) kecil dan hanya mengaktifkan sebagian di antaranya untuk tiap input, sehingga lebih efisien secara komputasi. Selengkapnya →

Standar terbuka yang dikembangkan Anthropic untuk menghubungkan model AI dengan berbagai sumber data dan alat eksternal secara seragam, seperti "USB-C untuk aplikasi AI". Selengkapnya →

Teknik melatih model yang lebih kecil ("student") untuk meniru perilaku model yang lebih besar dan mumpuni ("teacher"), sehingga menghasilkan model ringkas dengan performa mendekati model asli. Selengkapnya →

Fenomena menurunnya performa model AI seiring waktu karena pola data dunia nyata berubah dan tidak lagi sesuai dengan pola yang dipelajari model saat pelatihan. Selengkapnya →

Mekanisme dalam sistem multi-agent di mana satu agent mengalihkan (handoff) tugas atau kendali percakapan kepada agent lain yang lebih sesuai keahliannya, memungkinkan pembagian kerja yang lebih tersp... Selengkapnya →

Pendekatan di mana beberapa AI Agent dengan peran berbeda bekerja sama secara terkoordinasi—dikelola oleh satu agen "orkestrator"—untuk menyelesaikan tugas yang lebih besar dan kompleks. Selengkapnya →

Model AI yang dapat memproses dan menghasilkan berbagai jenis input dan output sekaligus, seperti teks, gambar, audio, dan video dalam satu sistem. Contoh: GPT-4o, Gemini Ultra. Selengkapnya →

Bidang AI yang berfokus pada interaksi antara komputer dan bahasa manusia — mencakup pemahaman, analisis, terjemahan, dan generasi teks dalam bahasa alami. Selengkapnya →

Model komputasi yang terinspirasi dari struktur otak manusia, terdiri dari lapisan "neuron" buatan yang saling terhubung untuk memproses informasi dan belajar dari data. Selengkapnya →

Platform yang memungkinkan pengguna membangun aplikasi atau alur kerja berbasis AI tanpa perlu menulis kode pemrograman, menggunakan antarmuka visual seperti drag-and-drop. Selengkapnya →

Model AI yang bobot (parameter) hasil pelatihannya dipublikasikan secara terbuka sehingga dapat diunduh, dijalankan, dan dimodifikasi sendiri oleh pengembang, berbeda dengan model tertutup yang hanya... Selengkapnya →

Variabel internal dalam model AI yang nilainya dipelajari dari data pelatihan dan menentukan bagaimana model memproses input untuk menghasilkan output. Selengkapnya →

Metrik evaluasi dalam NLP yang mengukur seberapa baik model bahasa memprediksi sebuah urutan kata—semakin rendah perplexity, semakin baik model. Selengkapnya →

Visi yang dipopulerkan Mark Zuckerberg dan Meta tentang superintelligence sebagai alat pemberdayaan individu, bukan kekuatan terpusat yang menggantikan sebagian besar masyarakat. Selengkapnya →

Tahap awal pelatihan model AI menggunakan data mentah dalam jumlah sangat besar untuk mempelajari pola bahasa atau data secara umum, sebelum model disesuaikan lebih lanjut untuk tugas spesifik. Selengkapnya →

Teknik menyusun dan mengoptimalkan instruksi (prompt) yang diberikan ke model AI untuk mendapatkan output yang lebih akurat, relevan, dan berkualitas tinggi sesuai kebutuhan. Selengkapnya →

Serangan keamanan di mana instruksi berbahaya disisipkan ke dalam data atau konten yang diproses AI, dengan tujuan membajak perilaku model tanpa sepengetahuan pengguna atau developer. Selengkapnya →

Teknik mengurangi presisi angka yang digunakan untuk menyimpan parameter model AI, sehingga model menjadi lebih kecil dan cepat dijalankan dengan sedikit penurunan akurasi. Selengkapnya →

Pola perancangan AI Agent yang menggabungkan penalaran (Reasoning) dan tindakan (Acting) secara bergantian dalam siklus berulang: berpikir, bertindak, mengamati hasil, lalu berpikir lagi. Selengkapnya →

Model AI yang dirancang untuk "berpikir" lebih lama secara internal sebelum memberi jawaban akhir, biasanya dengan menghasilkan langkah-langkah penalaran tersembunyi terlebih dahulu. Selengkapnya →

Praktik menguji keamanan model AI secara sistematis dengan mencoba berbagai cara untuk membuatnya berperilaku tidak diinginkan, guna menemukan dan memperbaiki celah sebelum dieksploitasi pihak luar. Selengkapnya →

Jenis Machine Learning di mana agen belajar membuat keputusan dengan berinteraksi dengan lingkungan dan menerima umpan balik berupa hadiah atau hukuman. Selengkapnya →

Teknik menggabungkan model bahasa dengan sistem pencarian dokumen agar AI dapat menjawab berdasarkan informasi terkini atau dokumen spesifik, bukan hanya data pelatihan. Selengkapnya →

Teknik pelatihan yang menggunakan umpan balik manusia untuk mengarahkan perilaku model AI agar lebih selaras dengan preferensi dan nilai manusia, umumnya diterapkan setelah pre-training. Selengkapnya →

Pendekatan pengembangan superintelligence yang menempatkan keselamatan sebagai prioritas utama; juga nama perusahaan Safe Superintelligence Inc. yang didirikan Ilya Sutskever, Daniel Gross, dan Daniel... Selengkapnya →

Praktik menjalankan AI agent di lingkungan terisolasi dan terbatas agar tindakannya—seperti eksekusi kode atau akses sistem—tidak dapat memengaruhi atau merusak sistem produksi maupun data sensitif di... Selengkapnya →

Metode pencarian yang memahami maksud dan makna kontekstual dari suatu kueri, bukan hanya mencocokkan kata kunci secara harfiah, sehingga hasil pencarian lebih relevan. Selengkapnya →

Modul kemampuan tambahan yang dapat dipasang pada AI agent untuk memperluas fungsinya di luar kemampuan dasar model bahasa, seperti mengakses layanan tertentu, menjalankan perhitungan khusus, atau men... Selengkapnya →

Model bahasa dengan jumlah parameter jauh lebih kecil dibanding LLM raksasa, dirancang agar bisa berjalan efisien di perangkat dengan sumber daya terbatas. Selengkapnya →

Kemampuan model AI menghasilkan respons dalam format data yang terstruktur dan konsisten, seperti JSON, sehingga hasilnya dapat langsung diproses oleh sistem lain secara otomatis. Selengkapnya →

Satgas federal Amerika Serikat yang diumumkan Presiden Trump pada 4 Oktober 2026 untuk mengoordinasikan kebijakan dan upaya pemerintah di bidang AI, dipimpin Direktur Intelijen Nasional Jay Clayton. Selengkapnya →

Sistem AI hipotetis yang kecerdasannya melampaui kemampuan manusia terbaik di hampir semua bidang, termasuk sains, kreativitas, dan penalaran sosial. Disebut juga Artificial Superintelligence (ASI). Selengkapnya →

Jenis Machine Learning di mana model dilatih menggunakan data berlabel, sehingga dapat memprediksi label untuk data baru yang belum pernah dilihat. Selengkapnya →

Data buatan yang dihasilkan oleh algoritma atau model AI lain, digunakan untuk melatih atau menguji model AI ketika data asli sulit didapat, mahal, atau memiliki masalah privasi. Selengkapnya →

Instruksi tersembunyi yang diberikan kepada model AI di awal percakapan untuk menetapkan peran, gaya, batasan, dan aturan perilaku yang harus diikuti sepanjang interaksi. Selengkapnya →

Proses memecah tugas besar dan kompleks menjadi rangkaian subtugas yang lebih kecil dan lebih mudah dikelola, kemampuan inti yang membedakan AI agent yang efektif dari sekadar chatbot penjawab pertany... Selengkapnya →

Parameter dalam model AI generatif yang mengontrol kreativitas atau keacakan output dengan memodifikasi distribusi probabilitas token berikutnya. Selengkapnya →

Strategi meningkatkan kualitas jawaban AI dengan memberinya lebih banyak waktu dan komputasi untuk "berpikir" saat menjawab pertanyaan (saat inferensi), bukan dengan memperbesar ukuran model atau data... Selengkapnya →

Kategori model AI generatif yang menghasilkan gambar berdasarkan deskripsi teks (prompt), memungkinkan siapa saja membuat visual baru hanya dengan menuliskan apa yang ingin mereka lihat. Selengkapnya →

Unit terkecil teks yang diproses oleh LLM. Satu token biasanya setara dengan ~4 karakter atau ¾ kata dalam bahasa Inggris. Biaya penggunaan API AI sering dihitung per token. Selengkapnya →

Proses memecah teks menjadi unit-unit kecil yang disebut token, langkah pertama yang dilakukan model bahasa sebelum dapat memproses dan memahami suatu teks. Selengkapnya →

Teknik decoding (nucleus sampling) yang memilih token berikutnya dari subset token terkecil yang probabilitas kumulatifnya melebihi ambang batas p. Selengkapnya →

Teknik di mana pengetahuan yang dipelajari dari satu tugas digunakan untuk meningkatkan performa pada tugas lain yang terkait. Selengkapnya →

Arsitektur jaringan saraf yang diperkenalkan pada 2017 dan menjadi fondasi hampir semua model AI generatif modern seperti GPT, BERT, Claude, dan Gemini. Selengkapnya →

Jenis Machine Learning di mana model dilatih menggunakan data tanpa label, untuk menemukan pola atau struktur tersembunyi secara mandiri. Selengkapnya →

Basis data yang dirancang khusus untuk menyimpan dan mencari data dalam bentuk vektor embedding, menjadi komponen inti dalam sistem pencarian semantik dan RAG. Selengkapnya →

Gaya menulis program dengan mengandalkan AI generatif untuk menghasilkan sebagian besar atau seluruh kode berdasarkan deskripsi dalam bahasa natural, tanpa programmer perlu memahami setiap baris kode... Selengkapnya →

Model AI yang dilatih untuk memahami dan menghubungkan informasi visual (gambar) dengan bahasa teks sekaligus, memungkinkan tugas seperti menjawab pertanyaan tentang isi gambar. Selengkapnya →

Teknik menyisipkan penanda tersembunyi pada konten yang dihasilkan AI—teks, gambar, audio, atau video—untuk membantu mengidentifikasi bahwa konten tersebut dibuat oleh mesin, bukan manusia. Selengkapnya →

Model AI yang dilatih untuk memahami dan memprediksi bagaimana dunia fisik bekerja — ruang, objek, gerakan, dan hubungan sebab-akibat — bukan sekadar memproses teks atau gambar secara statis. Selengkapnya →

Kemampuan model AI untuk mengenali atau mengklasifikasikan konsep yang belum pernah dilihatnya sama sekali selama pelatihan. Selengkapnya →