AI generatif alias generative AI adalah teknologi digital baru yang kini sedang naik daun. AI (artificial intelligence) generatif bisa memberikan sejumlah manfaat bagi bisnis seperti menambah produktivitas dan meningkatkan pengalaman pelanggan. Menurut Statista, pasar AI generatif di dunia diprediksikan akan bertumbuh dari US$36,06 miliar pada tahun 2024 menjadi US$356,10 miliar pada tahun 2030. AWS (Amazon Web Services) beberapa waktu lalu di Jakarta pun memaparkan mengenai Amazon Bedrock dan PartyRock. Keduanya bisa membantu perihal pemanfaatan AI generatif. AWS mengeklaim Amazon Bedrock dan PartyRock bisa membantu suatu entitas memanfaatkan AI generatif secara mudah dan cepat.
“Keindahan dari model ini [foundation model] adalah bila Anda memasangkan foundation model dengan data Anda, dan data Anda bisa merupakan Anda sebagai seorang individu, jika, jika Anda memilih untuk melakukannya, tetapi lebih sering daripada tidak, data itu adalah data yang para perusahaan dan bank telah tang dan korporasi telah tangkap dan mereka mau menggunakan data bersangkutan dan memasangkannya dengan, dengan manfaat, apa yang foundation model berikan yang sebenarnya adalah bahasa, ucapan, gambar, dan video [multimodal],” ujar Paul Chen (Head of Solutions Architect, ASEAN, Amazon Web Services).
“Jika Anda bisa memasangkan semua manfaat dan kekuatan dari foundation model dengan relevansi perusahaan Anda dan data organisasi Anda, maka nilai perbedaan kompetitif di tengah-tengah [irisan antara foundation model dengan data organisasi] akan menjadi nyata, dan itulah kekuatan dari membawa AI generatif ini lebih dari sekadar percakapan [chatbot] untuk melayani pelanggan Anda,” lanjut Paul Chen sembari menegaskan bahwa Amazon Bedrock bisa membantu para perusahaan melakukan hal yang dimaksud — memasangkan foundation model dengan data perusahaan.
Mengutip Center for Research on Foundation Models, Stanford Institute for Human-Centered Artificial Intelligence, Stanford University; sebuah foundation model adalah suatu model yang dilatih dengan data yang luas (umumnya menggunakan self-supervision dalam skala besar) yang bisa diadaptasi (misalnya, di-fine-tune) ke berbagai tugas downstream. Center for Research on Foundation Models, Stanford Institute for Human-Centered Artificial Intelligence, Stanford University adalah yang mempopulerkan istilah foundation model.
Sebuah foundation model misalnya dilatih menggunakan data internet dan memiliki aneka kemampuan seperti memproses bahasa, menghasilkan gambar, memahami visual, dan menghasilkan kode pemrograman. Beberapa contoh foundation model adalah OpenAI GPT (generative pre-trained transformer), Google BERT (bidirectional encoder representations from transformers), Stability AI Stable Diffusion, dan Amazon Titan. Dengan kata lain, berbagai model AI generatif yang sekarang tersedia merupakan foundation model.
Sepeti dituliskan di sini, pada masa sebelum AI generatif; suatu perusahaan yang ingin menggunakan AI untuk suatu fungsi; seperti untuk mengetahui sentimen dari sebuah teks adalah positif, netral, atau negatif; perlu untuk membangun model AI-nya dengan mengumpulkan banyak data, memperkerjakan para ahli tambahan yang sesuai — ahli-ahli/spesialis-spesialis AI, dan membutuhkan waktu yang tidak sebentar. Selain itu, model AI yang diperoleh hanya bisa untuk fungsi bersangkutan. Bila perusahaan itu ingin menggunakan AI untuk suatu fungsi lain yang berbeda, perusahaan tersebut harus membangun model AI baru untuk fungsi yang dimaksud.
Kini, sebuah perusahaan yang ingin mengadopsi AI generatif untuk suatu fungsi, bisa mengambil foundation model tertentu sebagai basis dan melatihnya dengan sejumlah data yang sesuai. Model AI generatif yang dimaksud akan beradaptasi dan bisa menjalankan fungsi yang diinginkan tersebut (dengan lebih baik). Pelatihan yang dimaksud pun membutuhkan jumlah data yang lebih sedikit, bisa dilakukan oleh para pengembang perusahaan saja, dan membutuhkan waktu yang lebih singkat. Perusahaan tidak perlu memperkerjakan ahli-ahli tambahan seperti sebelumnya.
Amazon Bedrock
Mengutip AWS, Amazon Bedrock adalah suatu layanan yang sepenuhnya terkelola yang menawarkan aneka foundation model berkinerja tinggi dari berbagai perusahaan AI terkemuka seperti AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI, dan Amazon melalui sebuah API tunggal, bersama dengan satu set kemampuan yang luas yang diperlukan untuk membangun aplikasi-aplikasi AI generatif dengan keamanan, privasi, dan AI yang bertanggung jawab. AWS mengeklaim Amazon Bedrock menawarkan cara termudah bagi para perusahaan untuk membangun aplikasi-aplikasi AI generatif yang relevan memanfaatkan aneka foundation model.
AWS pun menambahkan bahwa Amazon Bedrock mendukung continued pre-training, fine-tuning, dan RAG (retrieval-augmented generation) untuk membuat suatu foundation model lebih relevan dengan suatu perusahaan. Continued pre-training dan fine-tuning tentunya adalah untuk melakukan kustomisasi terhadap foundation model, sedangkan RAG adalah untuk menambahkan data dari sumber eksternal ke foundation model. Namun, tidak setiap metode bisa diaplikasikan terhadap setiap foundation model yang tersedia. Amazon Bedrock misalnya mendukung fine-tuning terhadap Cohere Command, tetapi tidak terhadap Cohere Command R.
Adapun beberapa foundation model yang dikemukakan AWS pada Amazon Bedrock adalah AI21 Labs Jurassic-2 Ultra, Anthropic Claude 3.5 Sonnet, Cohere Command, Meta Llama 3.2 11B, Mistral AI Mistral Large 2, Stability AI Stable Diffusion 3 Large, dan Amazon Titan Text Premier. Sejalan dengan itu, AWS menegaskan pula bahwa Amazon Bedrock yang mendukung berbagai foundation model adalah sejalan dengan strategi AI generatifnya. Salah satu dari strategi itu adalah AWS tidak percaya bahwa satu model AI generatif tertentu bisa memberikan yang terbaik untuk setiap kebutuhan.
PartyRock
PartyRock merupakan suatu layanan yang membolehkan siapa saja — secara relatif — untuk membangun aplikasi-aplikasi AI generatif. AWS menyebutkan PartyRock ditenagai oleh Amazon Bedrock dan seseorang tidak membutuhkan pengetahuan akan coding untuk membangun aplikasi-aplikasi AI generatif memanfaatkannya. AWS menambahkan bahwa PartyRock adalah Amazon Bedrock Playground: taman bermain tempat membuat aplikasi-aplikasi AI generatif yang menyenangkan dan intuitif. PartyRock memungkinkan seseorang membuat sebuah aplikasi AI generatif hanya dengan beberapa langkah.
Mengambil alamat di https://partyrock.aws, PartyRock sampai saat dibuatnya tulisan ini bisa digunakan secara gratis. AWS pun mengeklaim sudah lebih dari 500 ribu aplikasi AI generatif yang dibangun di PartyRock. Sejumlah usaha kecil juga telah menggunakan PartyRock untuk meningkatkan produktivitasnya. Namun, AWS menegaskan PartyRock adalah untuk edukasi dan bukan untuk digunakan pada lingkungan produksi. Selain untuk diri sendiri, para pengguna pun bisa berbagi aplikasi-aplikasi AI generatif yang dibuatnya di PartyRock dengan pihak-pihak lain. Tentunya untuk menggunakan aplikasi-aplikasi AI generatif yang dimaksud, pihak-pihak lain itu melakukannya di PartyRock pula.
“Memang tadi disampaikan ada Bedrock, ada SageMaker, dan lain-lain, semua enterprise bisa build, yang punya budget, yang punya tim, tapi untuk most people yang aku pengen meng-improve my own productivity tanpa nunggu budget dari kantor, katakan aku juga masih student misal, bisa pakai PartyRock,” jelas Purnaresa Yuliartanto (Senior Solutions Architect, Amazon Web Services Indonesia).
Setelah masuk PartyRock, pengguna akan ditanya mengenai apa yang hendak dibangunnya. Pengguna cukup mendeskripsikan hal yang dimaksud — bisa dalam Bahasa Indonesia — dan meminta PartyRock untuk membangun aplikasi AI generatifnya. Selanjutnya pengguna bisa memakai aplikasi AI generatif yang telah PartyRock buat — juga bisa dalam Bahasa Indonesia — maupun melakukan kustomisasi. Perihal kustomisasi, pengguna contohnya bisa mengganti foundation model yang dimanfaatkan, mengatur prompt, dan menyesuaikan judul. Pengguna bisa pula meminta PartyRock membuat aplikasi kosong sehingga bisa membuat aplikasi AI generatif secara mandiri dengan menambahkan sejumlah widget.
| Penulis | : | Cakrawala Gintings |
| Editor | : | Rafki Fachrizal |
KOMENTAR