Selamat Datang di Modul Interaktif AI

Aplikasi ini mengubah "Modul 4: Pemrograman Kecerdasan Artifisial" menjadi sebuah pengalaman yang dinamis. Daripada hanya membaca, di sini Anda dapat menjelajahi konsep inti dan berinteraksi langsung dengan simulasi dari dua pilar utama AI: Visi Komputer (Computer Vision) dan Model Bahasa (LLM).

Gunakan navigasi di atas untuk melompat ke bagian konsep, mencoba simulasi prediksi gambar, atau "mengobrol" dengan chatbot yang bisa berganti persona.

Pertanyaan Pemantik

Mulai eksplorasi Anda dengan memikirkan pertanyaan-pertanyaan ini. Tidak ada jawaban benar atau salah, tujuannya adalah untuk memicu rasa ingin tahu.

Tentang Visi Komputer:

Jika sebuah AI bisa 'melihat' (mendeteksi objek), apakah itu berarti ia 'memahami' apa yang dilihatnya? Di mana batas antara mengenali pola dan mengerti makna?

Tentang LLM:

Bagaimana bisa sekumpulan matematika dan kode 'berpura-pura' memiliki kepribadian (seperti 'Bajak Laut')? Apa yang sebenarnya terjadi saat kita memberi instruksi sistem pada AI?

Tentang Dampak:

Manakah yang menurut Anda akan lebih cepat mengubah dunia: AI yang bisa melihat (menganalisis dunia fisik) atau AI yang bisa berbicara (mengelola informasi)?

Tentang Kesalahan:

Saat AI di simulasi Visi Komputer membuat prediksi yang salah (misal, 2% probabilitas 'Lynx' untuk gambar 'Kucing'), mengapa kesalahan itu bisa terjadi?

Konsep Utama: AI, ML, & DL

Bagian ini membantu Anda memahami fondasi dari Kecerdasan Artifisial. AI, Machine Learning (ML), dan Deep Learning (DL) adalah istilah yang saling terkait tetapi memiliki arti yang berbeda. Pikirkan ini sebagai lapisan-lapisan. Klik tombol di bawah diagram untuk melihat penjelasan masing-masing konsep.

Kecerdasan Artifisial (AI)
Machine Learning (ML)
Deep Learning (DL)

Studi Kasus: Visi Komputer

Studi kasus ini didasarkan pada contoh "Klasifikasi Gambar" dari Modul 4. Kita akan melihat bagaimana komputer menggunakan model Deep Learning (seperti MobileNetV2) untuk "melihat" dan mengidentifikasi objek dalam gambar. Alurnya secara sederhana adalah sebagai berikut:

🖼️

1. Input Gambar

(Misal: foto kucing)

↓
⚙️

2. Preprocessing

(Ukuran diubah, normalisasi)

↓
🧠

3. Model (MobileNetV2)

(Menganalisis piksel)

↓
🏷️

4. Prediksi

(Label + Probabilitas)

Simulasi Prediksi Gambar

❓

Hasil akan muncul di sini

Hasil Prediksi Top 3:

Klik tombol untuk melihat hasil...

Studi Kasus: ✨ LLM Chatbot

Studi kasus kedua (berdasarkan "Pirate Chatbot") menunjukkan cara berinteraksi dengan Large Language Model (LLM). Kunci utamanya adalah "System Message" atau "Instruksi Sistem", yaitu perintah yang kita berikan kepada AI untuk menentukan "kepribadian" atau gaya responsnya.

Coba simulasi di bawah ini. Pilih persona, lalu ajukan pertanyaan. Perhatikan bagaimana respons bot berubah berdasarkan instruksi yang Anda pilih.

Selamat datang! Silakan pilih persona dan ajukan pertanyaan. Saya sekarang didukung oleh AI!

Evaluasi Mandiri

Uji pemahaman Anda tentang materi yang telah dipelajari. Tekan tombol di bawah untuk membuat 5 soal evaluasi acak yang dihasilkan oleh AI.