Kecerdasan buatan generatif

Kecerdasan buatan generatif (bahasa Inggris: Generative Artificial Intelligence^[1]) adalah cabang dari kecerdasan buatan (AI) yang berfokus pada kemampuan sistem untuk menghasilkan atau membuat data baru yang memiliki karakteristik atau distribusi serupa dengan data yang telah diberikan kepadanya. Ini berbeda dengan pendekatan tradisional AI yang mungkin lebih fokus pada tugas-tugas tertentu seperti klasifikasi atau prediksi.

Salah satu teknik yang umum digunakan dalam Generative AI adalah menggunakan model generatif seperti Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs), atau model berbasis aliran seperti Transformer.^[2] Model-model ini dilatih untuk memahami dan merepresentasikan distribusi dari data pelatihan mereka dan kemudian menghasilkan data baru yang serupa dengan distribusi tersebut.

Contoh penggunaan Generative AI termasuk pembuatan gambar, teks, suara, atau bahkan video yang terlihat atau terdengar autentik. Misalnya, GANs dapat digunakan untuk membuat gambar wajah yang tampak seolah-olah mereka adalah orang yang sebenarnya, atau untuk menghasilkan gambar seni yang unik. Di sisi lain, VAEs dapat digunakan untuk menghasilkan teks atau gambar yang baru berdasarkan distribusi data latihan mereka, yang kemudian dapat digunakan dalam berbagai aplikasi kreatif atau praktis.^[3][4][5]