AI Prediktif dan AI Generatif

Bagaimana konsep “AI Prediktif dan AI Generatif” memengaruhi keputusan yang kita buat?

Di bagian ini, Anda akan membandingkan AI prediktif dan AI generatif dari masukan, keluaran, penggunaan, dan pola kegagalannya. Lihat AI Prediktif dan AI Generatif dari informasi yang tersedia. Tanyakan siapa yang bertanggung jawab atas hasilnya dan apa yang mungkin terjadi jika asumsi awal ternyata keliru. Tujuannya sederhana: memakai AI Prediktif dan AI Generatif untuk membuat keputusan lebih jelas, bukan sekadar menambah istilah baru.

Setelah lesson ini

• Membandingkan AI prediktif dan AI generatif dari masukan, keluaran, penggunaan, dan pola kegagalannya.
• Menggunakan konsep “AI Prediktif dan AI Generatif” untuk membaca satu situasi nyata.
• Menjelaskan batas konsep dan informasi yang masih perlu diperiksa.

Mulai dari situasi

Pahami situasinya lebih dulu. Istilahnya bisa menyusul.

Satu aplikasi menyarankan rute, sementara aplikasi lain membuat gambar. Keduanya memakai AI, tetapi tujuan, data, dan cara keduanya bisa gagal sangat berbeda. Di bagian ini, Anda akan melihat situasi tersebut melalui konsep “AI Prediktif dan AI Generatif”. Tujuannya bukan mencari satu istilah yang menjawab semua masalah, melainkan memahami pilihan yang tersedia dengan lebih jernih.

Di bagian ini, Anda akan membandingkan AI prediktif dan AI generatif dari masukan, keluaran, penggunaan, dan pola kegagalannya. Kenali mana yang benar-benar menggunakan AI, mana yang hanya otomatisasi biasa, dan apa yang sebenarnya dapat dilakukan sistem tersebut. Hubungkan konsep ini dengan keputusan yang benar-benar perlu Anda buat.

Jangan buru-buru memilih

Dua cara melihat AI Prediktif dan AI Generatif

Pilihan yang lebih kuat adalah pilihan yang bukti, penanggung jawab, dan batasnya dapat dijelaskan, bukan sekadar pilihan yang terlihat lebih canggih.

Model visual

Petakan setiap bagiannya sebelum menentukan langkah.

Baca diagram sebagai peta AI Prediktif dan AI Generatif: mulai dari konteksnya, ikuti hubungan antarbagiannya, lalu periksa titik yang disorot sebelum mengambil keputusan.

Mari lihat cara kerjanya

Cara membacanya dalam situasi nyata

Lihat AI Prediktif dan AI Generatif dari informasi yang tersedia. Tanyakan siapa yang bertanggung jawab atas hasilnya dan apa yang mungkin terjadi jika asumsi awal ternyata keliru. Mulailah dari hal yang dapat Anda amati, lalu pisahkan fakta, asumsi, dan pertanyaan yang masih belum terjawab.

Satu aplikasi menyarankan rute, sementara aplikasi lain membuat gambar. Keduanya memakai AI, tetapi tujuan, data, dan cara keduanya bisa gagal sangat berbeda. Coba bandingkan keputusan sebelum dan sesudah konsep “AI Prediktif dan AI Generatif” ikut dipertimbangkan. Contoh ini membantu Anda berpikir, tetapi bukan bukti bahwa satu solusi akan cocok untuk semua situasi.

Berhenti sejenak

Bukti apa yang bisa mengubah keputusan ini?

Jawab sebelum membuka pembahasan. Sebutkan satu fakta dan satu asumsi.

Jalan pintas yang menggoda

Istilah yang terdengar familiar belum tentu membantu Anda mengambil keputusan yang tepat.

Mengapa ini terasa masuk akal

Jangan menyebut semua otomatisasi sebagai AI. Cari tahu apa yang dipelajari, diprediksi, atau dibuat oleh sistem. Cara paling sederhana untuk menghindarinya adalah meminta contoh, bukti, dan kondisi ketika pendekatan tersebut gagal. Tuliskan asumsi yang Anda pakai agar orang lain dapat memeriksanya.

Cara memeriksanya

Lihat AI Prediktif dan AI Generatif dari informasi yang tersedia. Tanyakan siapa yang bertanggung jawab atas hasilnya dan apa yang mungkin terjadi jika asumsi awal ternyata keliru. Mulailah dari hal yang dapat Anda amati, lalu pisahkan fakta, asumsi, dan pertanyaan yang masih belum terjawab.

Coba sendiri

Cobalah pada satu bagian kecil dari pekerjaan Anda.

1. Pilih satu situasi nyata yang berkaitan dengan AI Prediktif dan AI Generatif.
2. Pisahkan hal yang dapat Anda amati dari hal yang masih berupa asumsi.
3. Tulis satu keputusan, penanggung jawab, dan bukti untuk memeriksanya.
4. Sebutkan sinyal yang membuat Anda berhenti atau mengubah arah.

Gunakan satu pekerjaan yang Anda kenal. Tandai informasi yang sudah ada, yang masih berupa asumsi, dan yang perlu diuji terkait konsep “AI Prediktif dan AI Generatif”. Jika ingin melanjutkan, Anda juga dapat mencoba latihan modul berikut: Kelompokkan dua belas sistem yang Anda temui sehari-hari berdasarkan cara kerjanya. Buat versi pertama cukup kecil agar orang lain dapat memeriksanya dalam beberapa menit.

Latihan singkat

Gunakan satu pekerjaan yang Anda kenal. Tandai informasi yang sudah ada, yang masih berupa asumsi, dan yang perlu diuji terkait konsep “AI Prediktif dan AI Generatif”. Jika ingin melanjutkan, Anda juga dapat mencoba latihan modul berikut: Kelompokkan dua belas sistem yang Anda temui sehari-hari berdasarkan cara kerjanya.

Ringkasan

• Membandingkan AI prediktif dan AI generatif dari masukan, keluaran, penggunaan, dan pola kegagalannya.
• Gunakan contoh dan bukti untuk menguji pemahaman.
• Catat batas, risiko, dan kondisi ketika keputusan harus ditinjau ulang.

Lanjutkan dari sini

• Kemampuan dan Klaim: Lanjutkan gagasan dari AI di Sekitar Kita melalui contoh yang masih berkaitan.
• Masalah, Frekuensi, dan Nilai: Hubungkan pelajaran ini dengan Applied AI, lalu uji idenya dalam konteks lain.
• Kemampuan dan Keandalan: Lihat bagaimana keputusan yang sama berubah ketika dibahas melalui Prompting.

Sumber dan bacaan lanjut

• Explanatory memorandum on the updated OECD definition of an AI system: OECD.AI · official-guidance. Rujukan utama untuk definisi, bukti, atau batas yang dibahas dalam “AI Prediktif dan AI Generatif”.
• How should we define AI?: Elements of AI · University of Helsinki · open-course. Bukti dan konteks tambahan untuk memeriksa penjelasan dalam “AI Prediktif dan AI Generatif”.
• Artificial Intelligence Risk Management Framework: NIST · official-framework. Bukti dan konteks tambahan untuk memeriksa penjelasan dalam “AI Prediktif dan AI Generatif”.