Biar Nggak Gagal Paham: Ini Beda LLM, Transformer, Diffusion, dan Model AI Lainnya!

Tiap buka portal berita tech atau scroll linimasa, pasti ada saja istilah AI baru berseliweran. Ada yang meributkan soal LLM, ada yang memamerkan hasil gambar Diffusion, sampai istilah teknis yang bikin pusing seperti MoE. Kalau kamu selama ini cuma tahu "ChatGPT" tapi bingung dengan mesin apa yang menggerakkannya, santai saja.

Artikel ini akan membedah tuntas jenis-jenis model AI di luar sana menggunakan bahasa manusia (no techno-babble!).

1. Dense Model vs MoE: Si Rajin vs Tim Spesialis

Dua istilah ini biasanya menempel pada Large Language Model (LLM) atau AI pemroses teks.

• Dense Model: Ini adalah LLM "tradisional" di mana semua parameter (sel saraf buatan) aktif setiap kali kamu bertanya. Ibaratnya, kamu menyuruh seorang sarjana jenius untuk menjawab soal 1+1, tapi dia menggunakan seluruh kapasitas otaknya untuk menjawab itu. Sangat pintar, tapi boros energi dan lambat (butuh komputasi super besar). Contoh dari tipe ini adalah GPT-3 (otak awal ChatGPT) dan seri model Llama dari Meta.
• MoE (Mixture of Experts): Berbeda dengan Dense, MoE adalah model pintar yang membagi "otaknya" menjadi beberapa ahli (expert). Saat kamu bertanya resep masakan, hanya "expert" koki yang bangun untuk menjawab, sementara "expert" koding tetap tidur. Hasilnya? AI bisa jauh lebih cepat dan irit tenaga tanpa mengorbankan kepintaran. GPT-4 diketahui menggunakan arsitektur ini!

2. Transformer: Revolusi yang Mengubah Segalanya

Kalau kamu bertanya-tanya "T" pada "ChatGPT" itu apa? Jawabannya adalah Transformer. Ini bukan robot yang bisa berubah jadi mobil, melainkan fondasi arsitektur dari hampir semua LLM modern.

Rahasia Transformer ada pada mekanisme bernama "Self-Attention". Ia memungkinkan AI untuk melihat seluruh kata dalam kalimat secara bersamaan dan memahami konteks hubungan antar kata, bukan cuma membacanya satu per satu dari kiri ke kanan. Berkat Transformer-lah AI sekarang bisa diajak ngobrol panjang lebar tanpa keluar konteks.

3. RNN / LSTM: Si "Mbah" yang Gampang Lupa

Sebelum Transformer ditemukan oleh peneliti Google di tahun 2017, dunia AI teks dikuasai oleh Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM).

Kelemahan terbesar mereka? Mereka memproses teks secara berurutan. Kalau kamu menyuruh mereka membaca novel, saat sampai di bab 10, mereka sudah lupa apa yang terjadi di bab 1. Oleh karena itu, model ini sekarang dianggap sebagai "teknologi lama" untuk teks, meskipun kadang masih dipakai untuk analisis data yang sangat sederhana.

4. CNN (Convolutional Neural Network): "Mata" Sang AI

Jika Transformer adalah rajanya teks, maka CNN adalah rajanya visual. Model ini dirancang khusus untuk memproses data berbentuk grid, alias piksel pada gambar.

Cara kerjanya seperti detektif yang melihat gambar menggunakan kaca pembesar: ia mencari garis tepi dulu, lalu bentuk, lalu tekstur, sampai akhirnya dia bisa menyimpulkan "Oh, ini gambar kucing!". CNN adalah otak di balik sistem Face Unlock di HP kamu atau fitur pendeteksi plat nomor di kamera tilang elektronik.

5. Diffusion Model: Seniman yang Belajar dari "Kekacauan"

Pernah melihat gambar hyper-realistic hasil editan Midjourney atau Stable Diffusion? Di balik keindahan itu ada Diffusion Model.

Cara belajar model ini sangat unik dan sedikit absurd. Ia diajari dengan cara merusak gambar perlahan-lahan (menambahkan noise seperti semut di TV tabung) sampai gambarnya hancur total. Setelah itu, ia disuruh belajar bagaimana cara membalikkan proses hancur tadi menjadi gambar utuh. Hasilnya, AI ini bisa men-generate gambar, video, atau audio baru dari kanvas kosong hanya dari deskripsi teks yang kamu berikan!

6. Multimodal: Evolusi Menuju "Panca Indera"

Dulu, AI itu spesialis buta: AI teks nggak bisa lihat gambar, AI gambar nggak bisa baca teks panjang. Sekarang, kita masuk ke era Multimodal Model (seperti GPT-4o atau Gemini 1.5 Pro).

Fakta Menarik: AI Multimodal tidak dilatih secara terpisah lalu digabung. Mereka sejak awal dilatih agar otaknya secara natural bisa paham teks, gambar, video, dan suara sekaligus! Kamu bisa kasih foto isi kulkas, lalu AI ini akan ngomong (pakai suara) memberi ide masakan.

7. Embedding: Mesin Penerjemah Makna Tersembunyi

Pernah heran kenapa algoritma YouTube atau Spotify tahu persis selera kamu? Itu berkat Embedding Model. Tugas AI ini bekerja di balik layar: ia mengubah teks, gambar, atau musik menjadi deretan angka (vektor) koordinat.

Dua hal yang maknanya mirip, angka vektornya akan berdekatan. Berkat Embedding, saat kamu mencari "HP yang baterainya awet", Google bisa menampilkan artikel yang isinya "Smartphone dengan daya tahan seharian", meskipun kata-katanya beda total. Ia mencari makna, bukan sekadar mencocokkan kata.

8. Reward Model: Guru BP-nya AI

Kenapa ChatGPT sangat sopan dan selalu menolak kalau disuruh membuat malware atau meretas sesuatu? Bukankah AI aslinya liar karena dilatih dari data internet yang penuh troll?

Di sinilah Reward Model berperan (dalam proses yang disebut RLHF - Reinforcement Learning from Human Feedback). Reward Model bertugas sebagai "Guru BP" yang menilai dan memberi skor pada jawaban AI. Kalau AI menjawab kasar, poinnya dikurangi. Kalau sopan dan membantu, poinnya ditambah. Alhasil, AI utama jadi "jinak" dan aman digunakan oleh publik.

Kesimpulan

Dunia Artificial Intelligence itu ekosistem yang sangat luas. Tiap jenis model dibuat untuk menyelesaikan masalah yang spesifik. Ada yang jago ngobrol (Transformer), ada yang jago melukis (Diffusion), ada yang efisien (MoE), dan ada pula yang memastikan semuanya tetap aman (Reward Model).

Catatan penting: Perkembangan teknologi AI sangatlah masif dan cepat. Semua jenis model yang kita bahas di sini adalah standar emas untuk saat ini. Siapa yang tahu apa yang akan terjadi satu atau dua tahun ke depan? Mungkin kita akan melihat arsitektur baru yang akan kembali mengubah dunia. Jadi, untuk saat ini, mana yang menurutmu paling menarik?