| Istilah | Arti |
|---|---|
| foundation model | Model dasar berskala besar yang dibuat secara terpusat dan dapat diadaptasi ke berbagai kebutuhan khusus melalui proses fine tuning. |
| data pile | Kumpulan data dasar hasil tahap pertama yang sudah dikategorikan dan disaring, lalu diberi versi dan tag agar tercatat untuk tata kelola. |
| tokens | Potongan teks yang dipakai model AI sebagai pengganti kata saat memproses data latih, dan jumlahnya dalam video ini bisa mencapai triliunan. |
| fine tuning | Proses melatih ulang model dasar dengan data tambahan agar lebih cocok untuk tugas khusus, misalnya penerjemahan bahasa pemrograman. |
| governance | Tata kelola berupa pencatatan dan pengawasan atas data serta model agar seluruh proses AI tercatat dan bisa dipertanggungjawabkan. |
| persona | Peran orang yang mengerjakan tahap tertentu, misalnya data scientist yang melatih model atau pengembang aplikasi yang menyetel model. |
| watsonx | Platform AI dari IBM yang terdiri dari tiga bagian, yaitu data, governance, dan ai, dan dibangun di atas Red Hat OpenShift. |
| deploy | Menjalankan model yang sudah siap sebagai layanan di cloud atau menanamkannya ke aplikasi, lalu terus memperbaikinya seiring waktu. |
| base model | Model dasar yang sudah dilatih secara luas sebelum diadaptasi lebih lanjut, dan menjadi titik awal untuk membuat model khusus. |
| categorization | Pengelompokan data berdasarkan jenisnya, misalnya bahasa Inggris atau Jerman, atau bahasa pemrograman seperti Java dan Ansible. |
| filters | Saringan yang membuang data yang tidak layak, seperti ujaran kebencian, konten kasar, materi berhak cipta, dan data sensitif sebelum model dilatih. |
| workflow | Alur kerja berurutan lima tahap, mulai dari menyiapkan data sampai men-deploy model, yang dijelaskan video ini sebagai cara membuat model AI. |
Video dari kanal IBM Technology ini menjelaskan mengapa foundation model mengubah cara membangun model AI khusus. Dahulu, setiap model baru, misalnya untuk perawatan prediktif di manufaktur atau deteksi penipuan di perbankan, harus dimulai dari nol: seleksi dan kurasi data, pelabelan, pengembangan, pelatihan, dan validasi. Foundation model adalah base model yang dibuat secara terpusat, lalu diadaptasi melalui fine tuning menjadi model khusus, misalnya untuk menerjemahkan bahasa pemrograman. Pesan utamanya, pekerjaan berat sudah dilakukan di awal sehingga tim bisa membuat model khusus jauh lebih cepat. Penonton yang ingin membangun AI untuk kebutuhan tertentu perlu memahami alur ini sebelum memilih model dan data.
Video membagi proses menjadi lima tahap. Tahap pertama adalah prepare data: mengumpulkan data dalam jumlah sangat besar, lalu mengkategorikan bahasa dan jenisnya, menyaring ujaran kebencian, konten kasar, materi berhak cipta, data sensitif, dan duplikat, hingga menghasilkan base data pile yang bisa diberi versi dan tag untuk tata kelola. Tahap kedua adalah train: memilih foundation model yang sesuai, misalnya untuk chatbot atau classifier, mengubah data menjadi token yang bisa mencapai triliunan, lalu melatih model yang dapat memakan waktu berbulan-bulan dengan ribuan GPU. Tahap ketiga adalah validate, yaitu menguji model dengan benchmark dan membuat model card. Tahap keempat adalah tune, dikerjakan persona pengembang aplikasi dalam hitungan jam atau hari dengan prompt dan data lokal. Tahap kelima adalah deploy, menjalankan model sebagai layanan di cloud atau menanamkannya ke aplikasi yang dekat dengan edge. Video juga memperkenalkan platform IBM watsonx yang terdiri dari watsonx.data, watsonx.governance, dan watsonx.ai, dibangun di atas Red Hat OpenShift.
Kata kunci
- foundation model
- data pile
- governance
- watsonx
- Menjelaskan foundation model sebagai upaya terpusat membuat base model yang bisa diadaptasi lewat fine tuning ke banyak tugas khusus, menggantikan cara lama yang memulai dari seleksi data, pelabelan, dan pelatihan untuk tiap model.
- Menguraikan alur kerja lima tahap: menyiapkan data pile (kategorisasi dan filter), memilih foundation model yang cocok lalu membuat token, melatih, menyetel (tuning) dalam jam atau hari, dan men-deploy.
- Menyebut governance, persona pengembang aplikasi, dan watsonx sebagai contoh platform.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.