Apa itu Foundation Model?
Foundation Model berfungsi sebagai fondasi teknis yang dapat dipakai kembali. Setelah dilatih secara besar-besaran, model ini dapat digunakan langsung melalui prompt atau disesuaikan dengan instruksi, data tambahan, fine-tuning, dan integrasi tool. LLM adalah contoh penting Foundation Model, tetapi Foundation Model tidak terbatas pada bahasa; ia juga dapat bekerja dengan gambar, audio, kode, atau beberapa format sekaligus.
Satu Foundation Model dapat digunakan untuk membuat asisten penulisan, pencari jawaban berbasis dokumen, alat bantu coding, atau chatbot layanan pelanggan. Aplikasi-aplikasi itu tidak identik karena instruksi, data, fitur, dan pengaman yang ditambahkan dapat berbeda.
Cara kerja sederhana
Model dilatih terlebih dahulu pada data luas untuk mempelajari pola umum. Sesudah itu, pengembang dapat menempatkannya di dalam aplikasi, memberi instruksi khusus, menambahkan retrieval dari dokumen, atau melakukan penyesuaian untuk tugas tertentu. Banyak produk AI berbeda dapat memakai satu model dasar yang sama di belakang layar.
Kenapa Anda perlu memahaminya?
Istilah ini membantu pembaca membedakan model dasar dari produk yang dipakai sehari-hari. Sebuah chatbot, fitur ringkasan, atau AI Agent dapat memiliki antarmuka dan fungsi berbeda, tetapi mungkin dibangun di atas Foundation Model yang sama. Ini penting saat menilai kemampuan, biaya, privasi, dan batasan suatu produk.
Kesalahpahaman yang umum
Foundation Model bukan nama untuk semua AI dan bukan selalu LLM. LLM adalah Foundation Model yang terutama berhubungan dengan bahasa, sedangkan Foundation Model dapat mencakup model gambar, audio, kode, atau multimodal. Foundation Model juga berbeda dari AI Tool: model adalah mesin dasarnya, tool adalah produk yang digunakan pengguna.
Catatan penting sebelum menggunakannya
Model dasar yang luas dapat membawa bias, kesalahan, dan risiko privasi atau hak cipta dari cara data serta aplikasinya dikelola. Karena satu model dapat menopang banyak produk, kelemahan pada model atau kebijakannya dapat berdampak ke banyak penggunaan. Evaluasi tetap perlu dilakukan untuk tugas dan pengguna yang spesifik.