Large Language Model atau LLM adalah salah satu teknologi canggih di balik kepintaran chatbot AI. Tentu saja kita sudah sangat familiar dengan nama besar Chatbot AI seperti ChatGPT, Gemini, hingga Claude.
Dan kesemua AI tersebut tidak lepas dari sistem yang dinamakan LLM ini. Nah mari pelajari secara lebih mendalam mengenai sistem bahasa besar yang digunakan AI modern.
Apa itu LLM (Large Language Model)?
Dalam pemahaman yang harfiah Large Language Model bisa diartikan sebagai Model Bahasa Besar. Agar Anda mudah memahami apa itu LLM. Kita dapat mengibaratkan LLM sebagai perpustakaan besar.
Perpustakaan ini menyimpan berbagai informasi dari miliaran buku, dokumen, hingga artikel di internet di dalam memori LLM. Ibaratnya menyimpan isi dari perpustakaan dunia dalam memorinya.
Akan tetapi LLM mempunyai perbedaan yang taktis dari perpustakaan biasa. Kalau perpustakaan hanya menyimpan buku di dalam rak yang tersedia. Large Language Model dapat memahami pola kalimat.
Bahkan ia dapat menciptakan pola kalimat baru yang belum pernah ditulis sebelumnya. Bahkan ia dapat memproses data yang masuk dan menyesuaikan pola teks untuk merespon jawaban.
Dan itulah LLM, ia seperti pustakawan jenius yang dilatih dengan menggunakan beragam kata yang jumlahnya jutaan hingga miliaran. Sehingga ia dapat memprediksi pola untuk membuat kata atau kalimat.
Cara Kerja LLM Itu Seperti Apa?
1.Alur kerja untuk perangkaian perintah
Di dalam alur ini, kita dapat menyebut prompt chaining dalam menguraikan tugas-tugas yang kompleks dan diubah menjadi rangkaian langkah-langkah. Dan di mana di dalam setiap langkah ini melakukan pemanggilan Low-Level Model yang terpisah, dan memproses berdasarkan output yang ada dari langkah sebelumnya.
Di dalam skenario pembagian tugas yang logis di mana diubah menjadi penalaran atau pemikiran secara berurutan, prompt chaining cocok pekerjaan ini. Keunggulan dari alur kerja ini adalah alur kerja yang membutuhkan penalaran secara terstruktur, analisis yang berlapis, transformasi progresif.
Contohnya seperti peninjauan dokumen, ekstraksi pengetahuan, pembuatan kode, hingga penyempurnaan konten.
2.Gambaran Umum Peningkatan Kognisi
Sebenarnya, agen dalam modul kognitif perangkat lunak itu bisa disebut juga sebagai sebuah LLM (Language Learning Model). Di mana LLM ini telah terbungkus dengan peningkatan atau augmentasi. Sehingga agen tersebut bisa menggunakan blok struktural untuk berpikir atau bernalar dengan efektif di dalam lingkungan berikut:
- Input dalam pemberian petunjuk: Melakukan penyusunan masukan menggunakan beragam variabel seperti instruksi, konteks, dan ingatan.
- Pengambilan Kembali: Memberikan pengetahuan yang terkini dan tentu lebih spesifik domain kepada input perintah terhadap LLM. Dan pemberian ini melalui memori semantik atau pencarian vektor. Contohnya adalah melalui generasi yang sudah diperkuat augmented dengan pengembalian kembali (RAG).
- Menggunakan Tool: Dengan menggunakan tool, maka LLM dapat melakukan pemanggilan terhadap API atau fungsi untuk mengambil atau menindaklanjuti suatu informasi.
- Memory: Ini dibutuhkan untuk melakukan penggabungan status persisten atau dalam basis sesi ke dalam siklus pemikiran atau penalaran. Penggabungan ini dilakukan baik dengan menggunakan basis data yang terstruktur, atau dapat juga menggunakan ringkasan kontekstual.
Dan di dalam peningkatan ini, tentu saja terdiri dari alur-alur workflow yang dapat mendefinisikan bagaimana LLM digunakan. Tentu dapat dinilai dari waktu ke waktu dan di berbagai tugas. Sehingga hal ini dapat mengubahnya dari mesin tanpa memiliki status menjadi agen penalaran yang dinamis.
