Hub Konsep Komputasi Cloud

Pembuatan prompt chain-of-thought adalah teknik yang digunakan untuk memandu model bahasa besar (LLM) dalam menyelesaikan tugas dengan menggunakan urutan langkah yang logis. Meskipun mencoba meniru manusia, model AI memerlukan instruksi mendetail, yang disebut dengan prompt, untuk membuat output berkualitas tinggi, akurat, dan relevan. Rekayasa prompt adalah seni dan ilmu untuk membuat prompt yang baik. Penalaran chain-of-thought (CoT) adalah teknik rekayasa prompt yang mengurai tugas-tugas kompleks menjadi serangkaian langkah yang lebih sederhana dan lebih mudah dikelola untuk mencapai sebuah jawaban. Penalaran ini memberi pengguna kontrol dan wawasan yang lebih besar tentang cara LLM mencapai responsnya. 

Contoh chain-of-thought

"Selesaikan soal cerita matematika berikut langkah demi langkah.

Jika Anda memiliki 7 pisang dan memberikan 4 pisang kepada teman Anda, lalu Anda menerima 5 pisang lagi, dan setelah itu membuang 3 pisang busuk; berapa banyak pisang yang tersisa?"

Output chain-of-thought

Mari kita uraikan langkah demi langkah:

1. Anda memulai dengan 7 buah pisang.
2. Anda memberikan 4 pisang kepada teman, jadi Anda memiliki: 7 - 4 = 3 pisang yang tersisa
3. Anda membeli 5 pisang lagi, jadi Anda sekarang memiliki: 3 + 5 = 8 pisang

4. Anda membuang 3 pisang, jadi Anda memiliki: 8 - 3 = 5 pisang yang tersisa

Oleh karena itu, Anda memiliki 5 pisang yang tersisa.

Pemahaman bahasa alami (NLU) adalah kemampuan sistem komputasi atau perangkat lunak untuk memahami bahasa manusia. Kemampuan ini memungkinkan perangkat lunak untuk mengenali maksud dan sentimen obrolan serta memberikan pengalaman pengguna yang sangat menarik melalui interaksi percakapan seperti manusia. Misalnya, asisten seperti Alexa merespons suara manusia, dan chatbot yang didukung AI berpartisipasi dalam percakapan berbasis teks. Pemahaman bahasa alami memungkinkan sistem ini untuk mengambil input percakapan yang dihasilkan manusia, mengonversinya menjadi sintaksis bahasa komputer internal, dan bertindak berdasarkan input tersebut. Pengguna dapat secara alami berinteraksi dengan mesin menggunakan bahasa pilihannya.

Komputasi kognitif adalah proses membuat perangkat lunak menjadi mampu bernalar dan "berpikir" layaknya manusia. Kemampuan penalaran manusia yang alami dan canggih memungkinkan kita untuk beradaptasi dengan situasi baru serta memecahkan masalah yang kompleks. Misalnya, manusia yang tersesat di hutan mungkin akan bergerak menuju sumber air untuk bertahan hidup atau ke suara lalu lintas untuk mencari bantuan. Demikian pula, komputasi kognitif bertujuan untuk meniru proses berpikir manusia dalam sistem perangkat lunak melalui persepsi, perhatian, dan memori.

Sistem kecerdasan buatan (AI) tradisional dapat memecahkan masalah yang dilatih secara khusus untuknya, seperti menganalisis data, membuat prediksi, atau menghasilkan teks sesuai arahan pengguna. Namun, komputasi kognitif bertujuan untuk membawa kecerdasan buatan lebih jauh dengan mengajari sistem perangkat lunak agar dapat mencapai tujuan yang telah ditentukan melalui pengambilan keputusan independen sebagai respons terhadap perubahan lingkungan. 

Contoh komputasi kognitif

Misalkan ada tugas penjadwalan janji temu untuk seorang spesialis di organisasi Anda. Janji temu baru hanya boleh dilakukan pada sore hari ketika spesialis ada dan sudah berhubungan dengan klien. Janji temu juga harus dibuat dalam waktu 2 minggu setelah permintaan. Namun, ada hal yang lebih kompleks dalam kondisi ini, seperti 

• Klien yang marah atau kecewa akan mendapatkan janji temu lebih awal, termasuk di pagi hari.
• Janji temu dapat diminta di luar periode waktu dua minggu.
• Klien jangka panjang tertentu mungkin memerlukan pertimbangan khusus, seperti email yang dipersonalisasi setelah pemesanan dilakukan.

Biasanya, AI dapat dilatih untuk mengotomatisasi tugas dengan memenuhi kondisi utama, tetapi AI tidak dapat menangani hal-hal kompleks seperti yang dilakukan oleh profesional manusia. Namun, komputasi kognitif adalah teknologi AI yang dapat menyesuaikan kondisi sesuai kebutuhan untuk memenuhi tujuan kepuasan pelanggan saat memesan. Sebagai contoh, komputasi kognitif dapat membaca sentimen pesan pelanggan dan memprioritaskan pemesanan mereka atau menjadwalkan janji temu pagi hari untuk memenuhi kebutuhan klien jangka panjang.

AI multimodal adalah sistem kecerdasan buatan yang memproses, menafsirkan, dan mengintegrasikan banyak tipe data, seperti teks, gambar, audio, serta video. Banyak alur kerja bisnis menghasilkan dan menggunakan set data kompleks dengan berbagai tipe data terkait—misalnya, video dengan takarir, gambar dengan resume, atau catatan rapat audio dengan rencana desain yang relevan. AI multimodal dapat menafsirkan set informasi yang beragam dan kaya untuk analisis serta otomatisasi yang kompleks. Organisasi menggunakan analisis video, pemrosesan dokumen, pembuatan konten, dan alur kerja serupa untuk mendapatkan wawasan yang akurat dari sumber data multimodal yang tidak terstruktur serta meningkatkan efisiensi proses.

Basis data SQL adalah kumpulan data yang divisualisasikan sebagai tabel dengan baris dan kolom. Data disimpan sama seperti spreadsheet, dengan kolom yang menunjukkan atribut data dan baris yang menggambarkan entitas atau objek data tersebut. Sebagian besar basis data SQL menggunakan bahasa kueri terstruktur (SQL) untuk interaksi data pengguna—sesuai dengan namanya. Basis data ini adalah basis data relasional karena Anda dapat menyimpan hubungan data di antara tabel.

Misalnya, tabel produk berisi kolom seperti nama produk, tipe, biaya, dll, dan baris berisi nilai untuk masing-masing produk. Tabel pelanggan berisi kolom dengan nama pelanggan dan detail kontak. Anda dapat membuat tabel ketiga yang menghubungkan data pelanggan dengan produk yang mereka beli.

Arsitektur data adalah kerangka kerja menyeluruh yang menjelaskan dan mengatur pengumpulan, manajemen, dan penggunaan data organisasi. Organisasi saat ini memiliki volume data sangat besar yang berasal dari berbagai sumber data dan tim berbeda yang ingin mengakses data tersebut untuk analitik, machine learning, kecerdasan buatan, dan aplikasi lainnya. Arsitektur data modern menghadirkan sistem kohesif yang membuat data dapat diakses dan dapat digunakan sambil memastikan keamanan dan kualitas data. Hal ini menentukan kebijakan, model data, proses, dan teknologi yang memungkinkan organisasi memindahkan data di departemen dengan mudah dan memastikannya tersedia kapan pun dibutuhkan—termasuk akses waktu nyata—sekaligus mendukung sepenuhnya kepatuhan terhadap peraturan.

Vendor perangkat lunak independen (ISV) adalah organisasi yang menciptakan dan menjual produk perangkat lunak yang tidak tergantung pada perangkat keras dan sistem operasi dasar. Solusi perangkat lunak biasanya memecahkan masalah pelanggan tertentu, seperti membuat dan mengelola data penjualan atau keuangan. Solusi tersebut bisa juga berupa perangkat lunak infrastruktur yang mendukung penyimpanan data, keamanan, atau autentikasi. Vendor memastikan kompatibilitas perangkat lunak dengan berbagai platform perangkat keras untuk menjangkau basis pelanggan yang luas.

ISV menjual perangkat lunak mereka dalam berbagai format seperti lisensi permanen, perjanjian berjangka, atau Perangkat Lunak sebagai Layanan (SaaS). Perangkat lunak ini dilisensikan kepada pelanggan, tetapi hak kepemilikannya tetap dimiliki oleh ISV.

Chatbot adalah program atau aplikasi yang dapat digunakan pengguna untuk berkomunikasi melalui suara atau teks. Chatbot pertama kali dikembangkan pada tahun 1960-an, dan teknologi yang mendukungnya telah berubah seiring waktu. Chatbot biasanya menggunakan aturan yang ditentukan sebelumnya untuk berkomunikasi dengan pengguna dan memberikan jawaban tertulis. Chatbot kontemporer menggunakan pemrosesan bahasa alami (NLP) untuk memahami pengguna, dan mereka dapat merespons pertanyaan kompleks dengan kedalaman dan akurasi yang tinggi. Organisasi Anda dapat menggunakan chatbot untuk menskalakan, mempersonalisasi, dan meningkatkan komunikasi dalam segala hal mulai dari alur kerja layanan pelanggan hingga manajemen DevOps.

Kecerdasan buatan (AI) perusahaan adalah penerapan teknologi AI canggih dalam organisasi besar. Dalam menghadirkan sistem AI dari prototipe ke produksi, ada beberapa tantangan yang muncul seputar skala, kinerja, tata kelola data, etika, dan kepatuhan terhadap peraturan. AI perusahaan meliputi kebijakan, strategi, infrastruktur, dan teknologi untuk penggunaan AI secara luas dalam organisasi besar. Meski membutuhkan investasi dan upaya yang signifikan, AI perusahaan penting bagi organisasi besar karena sistem AI makin banyak digunakan.

Agen kecerdasan buatan (AI) adalah program perangkat lunak yang dapat berinteraksi dengan lingkungannya, mengumpulkan data, dan menggunakan data tersebut untuk melakukan tugas yang ditentukan sendiri guna memenuhi tujuan yang telah ditentukan. Manusia menetapkan tujuan, tetapi agen AI memilih tindakan terbaik yang perlu dilakukan secara independen untuk mencapai tujuan tersebut. Misalnya, anggaplah agen AI pusat kontak yang ingin menyelesaikan kueri pelanggan. Agen akan secara otomatis mengajukan pertanyaan yang berbeda kepada pelanggan, mencari informasi dalam dokumen internal, dan merespons dengan solusi. Berdasarkan respons pelanggan, agen menentukan apakah dapat menyelesaikan kueri itu sendiri atau meneruskannya kepada manusia.

Klasifikasi teks adalah proses menetapkan kategori yang telah ditentukan untuk dokumen teks terbuka menggunakan sistem kecerdasan buatan dan machine learning (AI/ML). Banyak organisasi memiliki arsip dokumen yang besar dan alur kerja bisnis yang terus-menerus menghasilkan dokumen dalam skala besar—seperti dokumen hukum, kontrak, dokumen penelitian, data yang dibuat pengguna, dan email. Klasifikasi teks adalah langkah pertama untuk mengatur, menyusun, dan mengategorikan data ini untuk analitik lebih lanjut. Klasifikasi teks memungkinkan pelabelan dan penandaan dokumen otomatis. Klasifikasi teks menghemat ribuan jam bagi organisasi Anda yang seharusnya Anda perlukan untuk membaca, memahami, dan mengklasifikasikan dokumen secara manual.

Kontainer cloud adalah paket kode perangkat lunak yang berisi kode aplikasi, pustaka, dan dependensi lain yang perlu dijalankan di cloud. Setiap kode aplikasi perangkat lunak memerlukan file tambahan yang disebut pustaka dan dependensi sebelum dapat dijalankan. Secara tradisional, perangkat lunak harus dikemas dalam berbagai format untuk berjalan di lingkungan yang berbeda, seperti Windows, Linux, Mac, dan seluler. Namun, kontainer mengemas perangkat lunak dan semua dependensinya ke dalam satu file yang dapat berjalan di mana saja. Menjalankan kontainer di cloud memberikan fleksibilitas tambahan dan manfaat performa dalam skala besar.