Chatbot yang menulis cerita pendek

Aplikasi yang mendeteksi wajah di foto

AI yang menciptakan musik baru

AI yang menulis kode program

Aplikasi yang membuat desain logo unik

Koding hanya tentang bahasa, sedangkan AI tentang data.

Koding adalah serangkaian instruksi yang spesifik, sementara AI adalah kemampuan mesin untuk belajar dan meniru kecerdasan manusia.

Koding hanya bisa dilakukan oleh manusia, sedangkan AI bisa bekerja sendiri.

Koding digunakan untuk program sederhana, sedangkan AI untuk program yang kompleks.

Koding selalu membutuhkan internet, sedangkan AI tidak.

AI Generatif

Koding Statis

Pembelajaran Mesin

Rekayasa Prompt

Logika Algoritma

Otak manusia dalam proses berpikir.

Alat transportasi untuk mencapai tujuan.

Bahasa rahasia untuk berbicara dengan komputer.

Tujuan akhir dari sebuah proyek.

Data yang dianalisis oleh komputer.

Klasifikasi data lama.

Membuat prediksi dari data yang ada.

Menciptakan konten baru yang belum pernah ada sebelumnya.

Mengklasifikasikan spam email.

Mengenali pola dalam citra.

Memprediksi/Menghasilkan → Belajar dari Data → Mengenali Pola

Mengenali Pola → Memprediksi/Menghasilkan → Belajar dari Data

Belajar dari Data → Memprediksi/Menghasilkan → Mengenali Pola

Belajar dari Data → Mengenali Pola → Memprediksi/Menghasilkan

Memprediksi/Menghasilkan → Mengenali Pola → Belajar dari Data

AI Tradisional bisa mengidentifikasi objek, sedangkan AI Generatif bisa membuat objek baru.

AI Tradisional lebih kompleks, sedangkan AI Generatif lebih sederhana.

AI Tradisional hanya bekerja dengan teks, sedangkan AI Generatif dengan gambar.

AI Tradisional dapat memecahkan masalah dengan data yang terbatas, sedangkan AI Generatif membutuhkan data yang tak terbatas.

Tidak ada perbedaan signifikan di antara keduanya.

Karena ia menghasilkan uang.

Karena ia dapat menghasilkan ide baru yang kreatif.

Karena ia dapat memprediksi jawaban dengan akurasi tinggi.

Karena ia menghasilkan banyak data.

Karena ia hanya menghasilkan konten yang sudah ada di internet.

Karena ia mengkategorikan email ke dalam dua kategori, bukan menciptakan konten baru.

Karena ia membutuhkan data yang sedikit.

Karena ia menggunakan prompt yang kompleks.

Karena ia tidak bisa belajar.

Karena ia hanya bisa digunakan di email.

Hasil akhir yang diberikan oleh AI.

Algoritma yang digunakan oleh AI.

Perintah atau instruksi yang diberikan kepada AI untuk menghasilkan keluaran.

Data yang digunakan untuk melatih model AI.

Nama lain untuk kecerdasan buatan.

Prompt yang panjang membuat AI bekerja lebih lambat.

Prompt yang detail memberikan konteks dan batasan yang jelas, menghasilkan output yang lebih relevan dan spesifik.

AI tidak akan merespons jika prompt terlalu singkat.

Kualitas prompt tidak penting, yang terpenting adalah model AI.

AI hanya mengerti prompt yang menggunakan bahasa Inggris.

Prompt Siswa A akan menghasilkan puisi yang lebih baik karena lebih singkat.

Prompt Siswa B akan menghasilkan puisi yang lebih fokus dan spesifik karena memberikan batasan dan konteks yang jelas.

Kedua prompt akan menghasilkan hasil yang sama karena AI mengerti konteksnya.

Prompt Siswa B terlalu spesifik sehingga AI akan bingung.

Prompt Siswa A lebih efektif karena AI suka prompt yang sederhana.

Profesi baru yang membuat AI.

Seni membuat prompt yang efektif untuk mendapatkan hasil optimal dari model AI.

Proses melatih model AI dari awal.

Proses menguji keamanan sebuah AI.

Profesi yang mendesain antarmuka pengguna AI.

Memberikan instruksi singkat seperti "Buat cerita".

Memberikan contoh output yang diharapkan.

Menyertakan latar belakang atau deskripsi yang detail.

Menentukan format output seperti "dalam bentuk tabel".

Menggunakan kata kunci yang tidak spesifik.

Misinformasi.

Bias data.

Hak Cipta dan Plagiarisme.

Keamanan siber.

Ketergantungan terhadap teknologi.

Hak cipta.

Misinformasi.

Bias data.

Transparansi.

Dampak lingkungan.

Karena ia tidak bisa membedakan antara fakta dan fiksi.

Karena ia dapat membuat konten palsu yang sangat realistis, seperti berita atau foto palsu.

Karena datanya selalu ketinggalan zaman.

Karena ia tidak bisa memproses data yang besar.

Karena penggunanya selalu salah dalam memberikan prompt.

Ketergantungan manusia pada AI.

Dampak lingkungan akibat konsumsi energi yang besar.

Kelebihan informasi (information overload).

Masalah kesehatan mata akibat menatap layar.

Biaya penggunaan yang mahal.

Menghapus semua data yang digunakan untuk melatih AI.

Melatih AI hanya dengan data dari satu sumber.

Menggunakan dataset yang lebih beragam dan representatif.

Melarang penggunaan AI.

Mengurangi ukuran model AI.

Few-Shot Prompting

Zero-Shot Prompting

Multiple-Shot Prompting

Single-Shot Prompting

One-Shot Prompting

Zero-Shot Prompting

Few-Shot Prompting

Chain-of-Thought Prompting

Prompt Reversal

Recursive Prompting

Panjang prompt yang digunakan.

Keterlibatan manusia dalam prosesnya.

Jumlah contoh yang diberikan di dalam prompt untuk membantu AI memahami tugas.

Jenis model AI yang digunakan.

Bahasa yang digunakan dalam prompt.

"Buatlah ringkasan dari teks berikut: [masukkan teks artikel]".

"Buatlah ringkasan dari teks berikut: [masukkan teks artikel]. Teks ini akan saya gunakan untuk presentasi, jadi ringkasannya harus singkat dan jelas."

"Berikut contoh ringkasan yang saya inginkan: [contoh ringkasan]. Sekarang, buatlah ringkasan dari teks ini: [masukkan teks artikel]".

"Buatlah ringkasan dari artikel ini dengan gaya bahasa yang santai."

"Bisakah Anda membuat ringkasan dari teks ini?"

Prompt Kurang Efektif

Zero-Shot Prompting

Few-Shot Prompting

Mengabaikan Prinsip Abstraksi

Menggunakan Prompt Pasif