AI / ML / DL / Generative AI / LLM: bedanya

Istilah AI, ML, DL, Generative AI, dan LLM sering dipakai bergantian. Padahal hubungan di antara istilah-istilah ini tidak semuanya merupakan hierarki lurus.

1. AI — Payung Besar

Artificial Intelligence (AI) adalah bidang yang berusaha membuat sistem komputer mampu melakukan tugas yang biasanya membutuhkan kemampuan kognitif manusia, seperti memahami bahasa, mengenali pola, merencanakan tindakan, atau mengambil keputusan.

AI dapat dibangun dengan banyak pendekatan, termasuk:

• Rule-based system — manusia menuliskan aturan secara eksplisit.
• Machine Learning — model belajar pola dari data.
• Search & planning — sistem mencari atau merencanakan urutan tindakan.
• Deep Learning — menggunakan neural network untuk mempelajari representasi dari data.

Jadi, AI tidak selalu berarti machine learning.

2. Machine Learning — Belajar dari Data

Machine Learning (ML) adalah pendekatan dalam AI di mana model belajar hubungan atau pola dari data untuk membuat prediksi, klasifikasi, rekomendasi, atau keputusan, tanpa manusia harus menuliskan seluruh aturan secara eksplisit.

Contoh:

Data transaksi + label spam
        ↓
   ML algorithm
        ↓
 Model belajar pola
        ↓
Email baru → Spam / Bukan Spam

Tiga paradigma yang umum ditemui:

• Supervised Learning — belajar dari data yang memiliki target/label.
• Unsupervised Learning — mencari struktur atau pola tanpa target eksplisit.
• Reinforcement Learning — belajar memilih tindakan berdasarkan reward dari lingkungan.

3. Deep Learning — Neural Network Bertingkat

Deep Learning (DL) adalah bagian dari ML yang menggunakan neural network dengan banyak layer untuk mempelajari representasi data secara bertahap.

Contoh sederhana pada gambar:

Pixel
  ↓
Edge / garis
  ↓
Bentuk sederhana
  ↓
Bagian objek
  ↓
Objek
  ↓
"Kucing"

Kata deep merujuk pada banyaknya transformasi/layer yang dilalui representasi data, bukan sekadar ukuran model.

4. Generative AI — Model yang Menghasilkan Konten

Generative AI adalah sistem AI yang dapat menghasilkan artefak baru berdasarkan pola yang dipelajari dari data, misalnya teks, gambar, audio, video, atau kode.

Generative AI bukan sinonim dari LLM. LLM adalah salah satu jenis model generatif yang berfokus pada bahasa/token.

5. LLM — Large Language Model

LLM (Large Language Model) adalah model neural network skala besar yang dirancang untuk memproses dan menghasilkan bahasa/token. Banyak LLM modern menggunakan arsitektur Transformer, khususnya decoder-only Transformer untuk model generatif autoregresif.

Secara fundamental, language model autoregresif belajar memperkirakan token berikutnya:

"Saya sedang makan ..."
             ↓
       probabilitas token
             ↓
          "nasi"

Namun kemampuan mengikuti instruksi tidak hanya berasal dari objective prediksi token. Model chat biasanya melewati tahap tambahan seperti instruction tuning / supervised fine-tuning dan metode alignment atau preference optimization.

6. Hubungan Konsep

Mental model yang lebih tepat:

Artificial Intelligence
│
├── Rule-based / Search / Planning / dll.
│
└── Machine Learning
    │
    ├── Classical ML
    │
    └── Deep Learning
        │
        ├── CNN / Vision Models
        ├── RNN / Sequence Models
        └── Transformer
            │
            └── LLM

Sementara Generative AI adalah kategori berdasarkan kemampuan menghasilkan konten, sehingga tidak tepat diposisikan sebagai satu kotak sederhana setelah DL.

7. Model vs AI Application

Ini adalah mental model penting bagi AI Engineer.

Model adalah komponen yang melakukan komputasi/prediksi. AI application adalah sistem lengkap yang menggunakan model bersama komponen software lainnya.

User
  ↓
AI Application
  ├── Prompt / Context
  ├── LLM
  ├── Retrieval / RAG
  ├── Tools / APIs
  ├── Memory / State
  ├── Guardrails
  └── Evaluation / Observability
  ↓
Response / Action

Karena itu, menjadi AI Engineer tidak berarti harus melatih LLM dari nol. Banyak pekerjaan AI Engineering berfokus pada merancang, mengintegrasikan, mengevaluasi, mengoptimalkan, dan mengoperasikan sistem yang menggunakan model.

Catatan Penting

Jangan menghafal hanya:

AI → ML → DL → LLM

Yang lebih penting adalah memahami peran masing-masing konsep dan bagaimana model berubah menjadi sebuah sistem AI yang bisa digunakan manusia.