Belajar AI sering terasa membingungkan karena istilahnya bertumpuk-tumpuk dan semua orang seolah menganggapnya sudah jelas. Padahal, kalau kamu paham fondasinya — terutama cara kerja model bahasa besar dan bagaimana tools AI modern dibangun — semuanya jadi masuk akal.
Berikut ini rangkuman 10 konsep paling inti dari seluruh ekosistem AI saat ini, disusun agar alurnya runtut dari dasar sampai ke sistem yang lebih kompleks.
1. Neural Network (Jaringan Saraf Tiruan)
Neural network pada dasarnya adalah kumpulan lapisan yang saling terhubung, berisi unit-unit kecil bernama neuron. Data masuk lewat input layer, diproses berulang kali lewat beberapa hidden layer, lalu keluar sebagai prediksi di output layer.
Pada model gambar misalnya, lapisan awal mengenali pola sederhana seperti garis dan tekstur, lapisan tengah mulai mengenali bentuk, dan lapisan yang lebih dalam bisa mengenali objek utuh — proses bertahap dari piksel menjadi makna.
Setiap koneksi antar neuron punya bobot (weight), semacam skor yang menentukan seberapa besar pengaruh satu neuron ke neuron lain. Melatih neural network artinya menyesuaikan bobot-bobot ini berulang kali sampai hasilnya akurat. Model bahasa besar modern bisa memiliki miliaran bobot semacam ini.
2. Tokenization
Sebelum model bisa "membaca" teks, teks itu harus dipecah dulu menjadi potongan-potongan kecil yang disebut token. Token tidak selalu berupa satu kata utuh — kadang hanya sebagian kata.
Alasannya sederhana: bahasa terus berkembang, muncul kata baru, typo, campuran bahasa, dan seterusnya. Kalau model harus menghafal setiap kata, kosakatanya akan membengkak tak terbatas. Dengan memecah teks menjadi potongan yang bisa dipakai ulang, model tetap bisa memahami kata yang belum pernah dilihatnya sebelumnya, karena dipecah menjadi bagian yang sudah familiar.
3. Embedding
Setelah dipecah jadi token, tiap token diubah menjadi vektor — sederet angka yang mewakili maknanya. Cara paling mudah membayangkannya adalah seperti peta: kata-kata yang mirip maknanya akan berdekatan posisinya, sementara kata yang jauh berbeda maknanya akan berjauhan.
Ruang ini punya ratusan bahkan ribuan dimensi, tapi tetap menangkap hubungan makna secara konsisten. Intinya, model tidak memahami bahasa lewat definisi, melainkan lewat jarak dan arah dalam ruang numerik ini.
4. Attention
Makna sebuah kata sering bergantung konteks — kata "apel" bisa berarti buah atau nama perusahaan tergantung kalimatnya. Embedding saja tidak cukup untuk menangkap ini, karena representasinya tetap.
Di sinilah attention berperan: setiap kata "melihat" kata-kata lain dalam kalimat dan memutuskan mana yang paling relevan, bukannya memperlakukan semua kata setara. Mekanisme inilah yang membuat model bisa memahami kalimat secara utuh sekaligus, bukan kata per kata secara berurutan — dan ini menjadi terobosan besar yang mendorong lompatan kemampuan AI modern.
5. Transformer
Semua elemen di atas — token, embedding, attention — digabung dalam satu arsitektur bernama transformer, fondasi hampir semua sistem AI modern saat ini.
Berbeda dari model lama yang memproses teks kata demi kata secara berurutan (lambat dan terbatas konteksnya), transformer memproses semua token secara paralel. Ini membuatnya jauh lebih cepat dan bisa diskalakan ke ukuran raksasa dengan bantuan GPU. Model seperti GPT, Claude, Gemini, dan Llama semuanya berbasis arsitektur ini.
6. LLM (Large Language Model)
LLM pada dasarnya adalah transformer yang dilatih dengan data teks dalam jumlah sangat besar — dari buku, situs web, kode, dan lainnya, mencapai ratusan miliar hingga triliunan token. Tujuannya sederhana: memprediksi token berikutnya.
Ketika proses ini diulang triliunan kali, model mulai menangkap pola bahasa, struktur kalimat, alur logika, bahkan sesuatu yang terlihat seperti "pemahaman" — meski sebenarnya itu adalah pembelajaran pola dalam skala masif. Kata "large" merujuk pada jumlah parameter, yang pada model modern bisa mencapai ratusan miliar.
7. Context Window
Setiap model punya batas seberapa banyak informasi yang bisa "diingat" dalam satu interaksi, disebut context window — mencakup input dan output sekaligus. Model lama hanya bisa menangani beberapa ribu token, sehingga percakapan panjang cepat kehilangan detail awal.
Model modern kini bisa menangani konteks jauh lebih besar, tapi ini datang dengan konsekuensi: butuh lebih banyak memori dan komputasi, serta cenderung lebih memperhatikan bagian awal dan akhir teks dibanding bagian tengah — fenomena yang sering disebut "lost in the middle".
8. Hallucination (Halusinasi)
Kadang model memberi jawaban yang terdengar sangat yakin, padahal salah — inilah yang disebut halusinasi. Ini terjadi karena model sebenarnya tidak berusaha menyampaikan kebenaran, melainkan menghasilkan lanjutan teks yang paling mungkin muncul berdasarkan pola yang dipelajarinya, tanpa benar-benar memverifikasi faktanya.
Karena itu, output model tidak bisa dipercaya begitu saja, terutama untuk fakta, kode, atau keputusan penting. Salah satu cara mengatasinya adalah dengan menghubungkan model ke sumber data nyata agar jawabannya lebih berpijak pada fakta.
9. RAG (Retrieval-Augmented Generation)
RAG adalah salah satu cara paling praktis untuk mengurangi halusinasi. Alih-alih hanya mengandalkan apa yang sudah "diketahui" model, sistem terlebih dulu mencari dokumen relevan dari sumber pengetahuan, lalu menyertakannya sebagai konteks sebelum model menjawab.
Keunggulannya: kalau informasi berubah, kamu cukup memperbarui dokumennya tanpa perlu melatih ulang modelnya. Model berperan memahami pertanyaan dan menjelaskan jawaban, sementara basis pengetahuan menyediakan faktanya.
10. AI Agent
Sejauh ini pembahasan berfokus pada model yang menghasilkan teks. Tapi bagaimana kalau model bisa benar-benar "melakukan" sesuatu? Di sinilah AI agent berperan — model bahasa yang bisa berinteraksi dengan tools, menjalankan kode, mencari informasi, memanggil API, lalu menggabungkan langkah-langkah tersebut untuk menyelesaikan tugas.
Sebagian besar agent bekerja dalam loop sederhana: melihat situasi saat ini, memutuskan langkah berikutnya, mengambil aksi, lalu mengulang berdasarkan hasilnya. Tantangan terbesarnya bukan soal kemampuan, tapi keandalan — karena setiap langkah punya risiko kesalahan yang bisa menumpuk di tugas multi-langkah.
Sepuluh konsep ini — dari cara data diproses di neural network sampai bagaimana agent bisa bertindak nyata — adalah fondasi yang menjelaskan hampir semua tools AI yang kita pakai sehari-hari.