Menerjemahkan gambar menjadi teks

Membuat musik secara otomatis

Memberikan respons berdasarkan perintah suara pengguna

Mengedit video secara otomatis

Menyusun artikel panjang

Google Translate

DALL·E

LibreOffice

Blackboard

VLC Media Player

Pengguna harus memasukkan data sensor ke dalam aplikasi.

Pengguna memberikan perintah atau pertanyaan dalam bentuk teks.

Pengguna mengunggah foto agar aplikasi dapat memberikan respons.

Pengguna harus menghubungkan otak ke komputer.

Pengguna harus berbicara karena aplikasi teks tidak bisa mendengar.

Microsoft Word

Google Assistant

DALL·E

WhatsApp

Adobe Photoshop

Mendiagnosis penyakit menggunakan data pasien dan citra medis

Memasak makanan secara otomatis

Menciptakan video musik

Mengedit tulisan sejarah

Menerjemahkan bahasa saat pertandingan olahraga

Selalu dapat memahami emosi manusia dengan sempurna

Membutuhkan data untuk belajar dan dapat salah jika data yang digunakan salah

Dapat berjalan tanpa listrik

Tidak pernah salah dalam mengambil keputusan

Bisa menggantikan kreativitas manusia sepenuhnya

Asisten pembelajaran berbasis chat atau chatbot pintar

Mengecat dinding ruang kelas secara otomatis

Mobil tanpa sopir yang mengangkut siswa

Pembuatan kertas untuk ujian

Guru membuat semua materi sendiri tanpa bantuan

Mengetik pertanyaan di keyboard

Mengaktifkan mikrofon dan mengucapkan perintah

Memasang USB ke smartphone

Mencetak dokumen teks

Menyalakan lampu di ruangan

Meningkatkan efisiensi pekerjaan sambil tetap memeriksa keakuratan

Menggantikan peran guru sepenuhnya

Menggunakan AI untuk menipu orang lain

Menyimpan semua data pribadi di server publik

Mengabaikan masukan pengguna dalam pekerjaan

Menggunakan AI untuk mendukung penelitian sambil memeriksa keakuratan informasi

Mengizinkan AI membuat keputusan penting tanpa supervisi manusia

Menjaga privasi data saat berinteraksi dengan AI

Memanfaatkan hasil AI tanpa melakukan penilaian kritis

Menyebutkan penggunaan AI saat mengutip karya yang dihasilkan oleh AI

AI menyediakan ide awal, manusia menyempurnakan karya tersebut

Manusia sepenuhnya mengandalkan AI tanpa mengoreksi hasilnya

Menggabungkan pengetahuan manusia dan kemampuan AI untuk mendesain

AI digunakan untuk menginspirasi manusia dengan contoh-contoh alternatif

Manusia hanya menjadi penonton saat AI bekerja

Membuka aplikasi AI dan mengetikkan pertanyaan atau perintah

Menekan tombol unggah foto langsung tanpa memasukkan teks

Membaca balasan AI dan melakukan evaluasi atau klarifikasi jika perlu

Mengucapkan pertanyaan padahal aplikasi berbasis teks

Menyimpan atau menyalin teks jawaban jika diperlukan

Navigasi pintar di aplikasi peta (misalnya Google Maps)

Sistem rekomendasi musik (seperti di Spotify)

Aplikasi penerjemah bahasa otomatis

Penggunaan kertas untuk menulis

Asisten suara di smartphone

Penting untuk menghindari bias dalam data yang digunakan AI

AI harus selalu mendapatkan izin sebelum mengakses data pengguna

Menggunakan AI untuk kejahatan dapat dianggap sah jika menguntungkan

AI tidak perlu diawasi jika sudah sangat canggih

Transparansi penggunaan AI dapat membangun kepercayaan pengguna

mengklasifikasikan data berdasarkan statistik

pembuatan konten baru (teks, gambar, musik, video)

merakit komponen perangkat keras komputer

mengendalikan robot industri

menyimpan dan mengorganisir data pengguna

ChatGPT (model GPT untuk teks dan dialog)

Google Search (mesin pencari internet)

Siri (asisten suara tanpa kemampuan generatif)

Sistem basis data relasional

Algoritma sorting (pengurutan data)

menggunakan arsitektur non-linear sehingga menambahkan data secara acak

bekerja berdasarkan probabilitas token selanjutnya tanpa memahami makna mendalam

dilatih dengan data yang terlalu sedikit untuk menghasilkan informasi baru

menggunakan model AI yang tidak dilatih sebelumnya

selalu mengacu pada database statis yang sudah kedaluwarsa

Menyediakan konteks (topik, gaya, tujuan) agar model AI memahami apa yang diminta

Mengubah perangkat keras komputer secara otomatis

Menyimpan semua respons AI di basis data lokal

Memilih model AI berdasarkan hak akses pengguna

Meningkatkan kecepatan model AI secara langsung

Kejelasan (instruksi yang lugas dan tidak ambigu)

Spesifisitas (detail topik, format, dan gaya)

Konteks (latar belakang atau audiens)

Keleluasaan kreativitas (ruang eksplorasi ide)

Informasi yang samar dan kontradiktif

memberikan instruksi tanpa contoh-contoh tambahan

menyertakan beberapa contoh spesifik dalam prompt

selalu menggunakan format daftar poin

mengharuskan model menjawab dalam waktu terbatas

hanya bekerja pada model AI yang tidak dilatih

Meningkatkan akurasi dan relevansi output dengan memberikan contoh sebagai acuan

Lebih cepat karena tidak memerlukan contoh

Memungkinkan model AI membuat konten tanpa instruksi

Menurunkan kebutuhan sumber daya komputasi

Tidak memerlukan pengetahuan tentang format output

Keakuratan jawaban terhadap fakta dan data

Kecepatan pemrosesan CPU saat menjalankan model

Jumlah memori yang tersisa di perangkat

Versi perangkat lunak yang digunakan model

Kesesuaian jumlah kata dengan format yang ditentukan

memastikan konten yang dihasilkan tidak melanggar hak cipta atau plagiarisme

membiarkan konten AI tersebar tanpa pengawasan

memaksa model AI untuk menghasilkan konten ofensif

menyembunyikan fakta bahwa AI digunakan sama sekali

menjual dataset pelatihan model secara bebas

Menyesuaikan gaya bahasa atau gaya penyampaian sesuai kebutuhan pengguna

Meningkatkan tenaga komputasi model AI

Memendekkan durasi respons AI secara otomatis

Menghapus konteks dari prompt

Mengurangi jumlah lapisan neural network

Instruksi (Task) yang jelas

Konteks (Background) yang relevan

Pengaktifan GPU khusus

Penetapan Format Output (misalnya daftar, tabel)

Penentuan Nada/Gaya bahasa

Mengatur konteks, topik, dan tujuan agar model memahami kebutuhan pengguna

Memberikan instruksi yang jelas dan spesifik agar output terarah

Menentukan format output (daftar, esai, dialog, dll.)

Meningkatkan kreativitas dengan elemen analogi atau metafora

Menyimpan output ke dalam memori jangka panjang model AI

Verifikasi keakuratan informasi terhadap sumber yang terpercaya

Kesesuaian dan fokus jawaban terhadap prompt yang diberikan

Kedalaman, kreativitas, dan gaya bahasa output

Identifikasi bias atau ketidaksesuaian (misal bias gender, etnis)

Status koneksi internet pengguna

Zero-Shot memberikan instruksi langsung tanpa contoh tambahan

Zero-Shot umumnya cepat dan sederhana untuk tugas yang sederhana

Few-Shot melibatkan pemberian beberapa contoh dalam prompt untuk memperjelas pola

Few-Shot tidak memerlukan waktu untuk menyiapkan contoh

Few-Shot selalu menghasilkan output lebih buruk daripada Zero-Shot

Plagiarisme dan pelanggaran hak cipta konten hasil AI

Bias dan ketidakberpihakan (misal bias gender atau etnis) dalam output AI

Transparansi penggunaan AI (misal menyebutkan AI terlibat)

Dampak lingkungan (konsumsi energi dan emisi karbon) dari pemrosesan AI

Keuntungan finansial perusahaan teknologi (bukan isu etika penggunaan secara langsung)

HTML

C

Python

PHP

SQL

Flask

TensorFlow

Django

Bootstrap

React

Menghapus data

Menampilkan grafik

Melatih model dengan data

Menyimpan file

Mengubah format gambar

Kode program dan komentar

Input dan output data

File gambar dan video

CSS dan HTML

Angka acak dari system

Loop

Function

Conditional/percabangan (if)

Array

Import

import sklearn

open sklearn

load sklearn

connect sklearn

use sklearn

Pembelajaran AI yang tidak memakai label

AI belajar berdasarkan contoh yang diberikan

AI menulis ulang program

AI hanya mengenali angka

AI digunakan untuk membuat game

Data asli

Data palsu

Data yang sudah dicetak

Data uji

Data internet

Pembuat kuis manual

Asisten suara seperti Google Assistant

Mesin fotokopi

Pemutar CD

Kalkulator manual

Menyimpan file pengguna

Menghapus virus dari system

Membuat model belajar dari data untuk membuat prediksi

Mendeteksi sinyal radio

Menampilkan hasil cetak

Aplikasi teks menerima masukan tulisan dan menghasilkan balasan teks; aplikasi gambar membuat atau memproses gambar dari deskripsi; aplikasi suara menerima perintah lisan melalui mikrofon seperti asisten suara.

Semua jenis aplikasi AI hanya menerima input gambar dan menghasilkan video.

Aplikasi teks, gambar, dan suara semuanya dioperasikan dengan tombol unggah file tanpa perlu instruksi.

Aplikasi suara selalu membutuhkan keyboard, sedangkan aplikasi teks membutuhkan mikrofon.

Bias dalam data yang menyebabkan keputusan tidak adil

Pelanggaran privasi (penyimpanan data pribadi tanpa izin)

Plagiarisme (menyalin karya orang lain tanpa izin)

Keakuratan informasi yang dapat keliru

Peningkatan kecepatan komputasi perangkat

Zero-Shot tidak menggunakan contoh, sedangkan Few-Shot menyertakan beberapa contoh dalam prompt untuk memandu pola jawaban.

Zero-Shot selalu lebih akurat daripada Few-Shot.

Few-Shot tidak memerlukan penjelasan instruksi sama sekali.

Keduanya harus selalu menyertakan dataset pelatihan baru sebelum digunakan.

Memeriksa fakta terhadap sumber tepercaya

Menilai relevansi jawaban dengan kebutuhan tugas

Mendeteksi bias atau ketidaksesuaian dan memperbaikinya

Merevisi prompt atau memberikan contoh tambahan bila perlu

Menyebarkan output apa adanya tanpa pengecekan

Mengumpulkan dan menyiapkan data, membagi data latih/uji, memilih algoritma, melatih dengan model.fit(), mengevaluasi hasil; library umum: scikit-learn, pandas, numpy.

Menginstal editor teks, menulis esai, mencetak hasil; library umum: Bootstrap dan React.

Mengunduh gambar acak, menyimpan ke folder, lalu menjalankan kalkulator; library umum: Flask dan HTML.

Menghapus semua data, menonaktifkan internet, lalu menjalankan game; library umum: pygame dan CSS.

Menghitung akurasi dan presisi model

Mengumpulkan data baru

Menulis dokumentasi proyek

Menghapus data yang tidak relevan

Model belajar terlalu baik pada data latih dan tidak generalisasi dengan baik pada data uji

Model tidak dapat memproses data dalam waktu nyata

Model terlalu sederhana sehingga tidak dapat menangkap pola data

Model tidak memiliki cukup data untuk belajar

Memprediksi nilai kontinu dari data

Mengklasifikasikan data ke dalam kelompok berdasarkan kesamaan

Menghapus outlier dari dataset

Mengoptimalkan kecepatan pemrosesan data

Clustering

Decision Tree

Deep Learning

Reinforcement Learning

Regresi Linier

Model terlalu sederhana untuk menangkap pola data

Model belajar terlalu baik pada data latih sehingga tidak dapat generalisasi ke data baru

Model menghasilkan output yang acak

Model tidak dapat belajar dari data yang diberikan

Model tidak memiliki cukup data untuk dilatih

Asisten virtual untuk menjawab pertanyaan umum

Penggunaan robot untuk melakukan operasi bedah

Penggunaan aplikasi untuk mengedit foto

Penggunaan software untuk membuat presentasi

Pengolahan data untuk analisis pasar

Model yang hanya berfungsi untuk analisis statistik

Model yang hanya dapat mengklasifikasikan data

Model yang tidak memerlukan data untuk belajar

Model yang dapat menghasilkan data baru berdasarkan pola yang dipelajari

Model yang selalu memberikan hasil yang sama untuk input yang sama

Memastikan kecepatan pemrosesan yang tinggi

Menjaga kualitas dan keakuratan data yang dihasilkan

Menambah jumlah pengguna yang menggunakan aplikasi

Mengurangi ukuran model agar lebih ringan

Menggunakan algoritma yang lebih sederhana

Data yang digunakan untuk menguji model setelah dilatih

Data yang digunakan untuk melatih model agar dapat membuat prediksi

Data yang tidak relevan dengan proses pembelajaran

Data yang dihasilkan oleh model setelah dilatih

Data yang disimpan untuk analisis di masa depan

Pengolahan kata dengan Microsoft Word

Analisis sentimen menggunakan model pembelajaran mesin

Pengeditan foto dengan Adobe Photoshop

Pemrograman dengan Python

Data yang digunakan untuk melatih model AI agar dapat membuat prediksi

Data yang tidak relevan untuk pembelajaran mesin

Data yang dihasilkan oleh model AI setelah dilatih

Data yang digunakan untuk menguji model AI

Penggunaan perangkat keras yang mahal

Kecepatan pemrosesan yang tinggi

Kurangnya data berkualitas untuk pelatihan

Penggunaan algoritma yang sederhana

Semua jawaban benar

Menerapkan regularisasi

Menambah jumlah data latih

Mengurangi jumlah fitur

Model yang belajar dari data baru tanpa pelatihan sebelumnya

Model yang menggunakan pengetahuan dari satu domain untuk meningkatkan pembelajaran di domain lain

Model yang tidak memerlukan data latih

Model yang hanya berfungsi pada satu jenis data

Mengklasifikasikan data dengan menggunakan banyak pohon keputusan

Memprediksi nilai kontinu dengan satu pohon keputusan

Menghapus data yang tidak relevan

Mengoptimalkan kecepatan pemrosesan data

Pembelajaran AI yang menggunakan label

AI belajar tanpa contoh yang diberikan

AI hanya dapat mengenali suara

AI digunakan untuk analisis data besar

AI mengolah data tanpa pengawasan manusia

Mesin fotokopi

Pengolah kata

Perangkat lunak akuntansi

Game komputer

Chatbot untuk konsultasi medis

Data yang digunakan untuk menguji model

Data yang dihasilkan oleh model setelah dilatih

Data yang digunakan untuk melatih model agar dapat membuat prediksi

Data yang disimpan dalam format khusus

Data yang tidak relevan untuk analisis

Penggunaan kalkulator untuk menghitung dosis obat

Asisten virtual untuk konsultasi medis

Penggunaan kertas untuk mencatat riwayat pasien

Mesin fotokopi untuk menduplikasi resep

Data yang tidak relevan dan diabaikan dalam proses pelatihan

Data yang dihasilkan oleh model setelah dilatih

Data yang digunakan untuk menguji keakuratan model

Data yang digunakan untuk melatih model agar dapat belajar dari pola yang ada

Kurangnya data untuk pelatihan

Kesulitan dalam mengedit video secara otomatis

Semua jawaban di atas

Penggunaan perangkat keras yang tidak memadai

Naive Bayes

K-Means

Convolutional Neural Network

Random Forest

Support Vector Machine

Proses pemrograman untuk membuat aplikasi web

Proses mengubah data numerik menjadi teks

Proses pengkodean data untuk keamanan

Proses pengolahan gambar untuk analisis visual

Proses yang memungkinkan komputer memahami dan memproses bahasa manusia

Biaya perangkat keras yang tinggi

Kurangnya minat dari pengguna

Kesulitan dalam menulis kode

Semua jawaban di atas

Kurangnya data untuk pelatihan

Menggunakan kalkulator untuk menghitung statistik

Menulis laporan manual berdasarkan data yang ada

Menerapkan algoritma pembelajaran mesin untuk memprediksi tren pasar

Menggunakan spreadsheet untuk menghitung angka

Model yang memiliki akurasi tinggi pada data uji

Model yang terlalu sederhana sehingga tidak dapat menangkap pola data

Model yang belajar terlalu baik dari data latih sehingga tidak dapat generalisasi ke data baru

Model yang tidak dilatih dengan cukup data

Mengklasifikasikan data dengan menggunakan banyak pohon keputusan

Memprediksi nilai kontinu dengan regresi

Menghapus data yang tidak relevan dari dataset

Mengoptimalkan kecepatan pemrosesan data

Memprediksi nilai kontinu berdasarkan data input

Menghapus data yang tidak relevan

Mengklasifikasikan data ke dalam kategori

Mengoptimalkan kecepatan pemrosesan data

Asisten suara untuk menjawab pertanyaan

Mobil otonom yang dapat mengemudi sendiri

Pengolah kata untuk menulis dokumen

Software pengedit foto

Model dilatih menggunakan data tanpa label

Model dilatih menggunakan data yang sudah diberi label

Model belajar dari pengalaman tanpa data

Model tidak memerlukan data untuk belajar