M01.L01 · Pemula · 25-35 menit

Apa itu AI dan kenapa sekarang meledak?

Kita bongkar apa itu ai dan kenapa sekarang meledak?: konsep dasarnya, contoh nyatanya, lalu langsung coba.

KALAU LESSON INI BERES1/2

Paham aI sebagai payung besar, bukan hanya chatbot
Paham machine learning sebagai cara mesin belajar dari data
Paham deep learning sebagai subset ML yang memakai neural network

Sebelum mulai

Baca ringkasan modul dan siapkan satu contoh pekerjaan nyata.
Tidak perlu pengalaman teknis.

Target belajar: Setelah lesson ini, kamu bisa menjelaskan apa itu ai dan kenapa sekarang meledak?, menerapkannya pada contoh Indonesia yang sederhana, dan tahu bagian mana yang harus dicek manusia.

Yang perlu kamu tangkap

01AI sebagai payung besar, bukan hanya chatbot

AI sebagai payung besar, bukan hanya chatbot perlu dipahami sebagai bagian dari AI berbasis aturan vs machine learning. Artificial Intelligence atau AI adalah bidang teknologi yang membuat mesin bisa melakukan tugas yang biasanya membutuhkan kemampuan manusia: memahami bahasa, mengenali pola, membuat prediksi, mengambil keputusan, atau menghasilkan konten. AI bukan satu produk. AI adalah payung besar yang mencakup banyak teknik dan aplikasi.

Kenapa penting: Ini penting karena lesson M01.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan ai sebagai payung besar, bukan hanya chatbot membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Contoh: Contoh lama AI: rekomendasi YouTube, filter spam email, deteksi wajah, prediksi harga, fraud detection. Contoh generative AI: ChatGPT menulis ringkasan, Claude menganalisis dokumen, Gemini membaca gambar, model image membuat poster, dan coding assistant membuat aplikasi dari instruksi teks.

Kesalahan pemula: Kesalahan umum: menganggap ai sebagai payung besar, bukan hanya chatbot otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

02Machine learning sebagai cara mesin belajar dari data

Machine learning sebagai cara mesin belajar dari data perlu dipahami sebagai bagian dari training vs inference. Machine learning adalah pendekatan di dalam AI yang membuat sistem belajar dari data. Deep learning adalah pendekatan machine learning yang memakai neural network berlapis. Generative AI adalah cabang AI yang fokus menghasilkan output baru, seperti teks, gambar, audio, video, kode, ringkasan, dan ide.

Kenapa penting: Ini penting karena lesson M01.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan machine learning sebagai cara mesin belajar dari data membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap machine learning sebagai cara mesin belajar dari data otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

03Deep learning sebagai subset ML yang memakai neural network

Deep learning sebagai subset ML yang memakai neural network perlu dipahami sebagai bagian dari model vs aplikasi AI. Ledakan AI terjadi karena tiga hal bertemu sekaligus: model makin besar dan pintar, komputasi makin kuat, dan interface makin mudah. Dulu AI terasa jauh karena harus dipakai lewat software teknis. Sekarang orang cukup mengetik instruksi dalam bahasa biasa dan model bisa membantu membuat output.

Kenapa penting: Ini penting karena lesson M01.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan deep learning sebagai subset ml yang memakai neural network membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap deep learning sebagai subset ml yang memakai neural network otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

04Generative AI sebagai AI yang menghasilkan konten baru

Generative AI sebagai AI yang menghasilkan konten baru perlu dipahami sebagai bagian dari AI, ML, deep learning, dan GenAI. Artificial Intelligence atau AI adalah bidang teknologi yang membuat mesin bisa melakukan tugas yang biasanya membutuhkan kemampuan manusia: memahami bahasa, mengenali pola, membuat prediksi, mengambil keputusan, atau menghasilkan konten. AI bukan satu produk. AI adalah payung besar yang mencakup banyak teknik dan aplikasi.

Kenapa penting: Ini penting karena lesson M01.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan generative ai sebagai ai yang menghasilkan konten baru membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap generative ai sebagai ai yang menghasilkan konten baru otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

05AI modern berguna karena interface-nya natural: teks, suara, gambar, video

AI modern berguna karena interface-nya natural: teks, suara, gambar, video perlu dipahami sebagai bagian dari AI modern berguna karena interface-nya natural: teks, suara, gambar, video. Machine learning adalah pendekatan di dalam AI yang membuat sistem belajar dari data. Deep learning adalah pendekatan machine learning yang memakai neural network berlapis. Generative AI adalah cabang AI yang fokus menghasilkan output baru, seperti teks, gambar, audio, video, kode, ringkasan, dan ide.

Kenapa penting: Ini penting karena lesson M01.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan ai modern berguna karena interface-nya natural: teks, suara, gambar, video membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap ai modern berguna karena interface-nya natural: teks, suara, gambar, video otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

Oke, sekarang kita bongkar

Artificial Intelligence atau AI adalah bidang teknologi yang membuat mesin bisa melakukan tugas yang biasanya membutuhkan kemampuan manusia: memahami bahasa, mengenali pola, membuat prediksi, mengambil keputusan, atau menghasilkan konten. AI bukan satu produk. AI adalah payung besar yang mencakup banyak teknik dan aplikasi.

Machine learning adalah pendekatan di dalam AI yang membuat sistem belajar dari data. Deep learning adalah pendekatan machine learning yang memakai neural network berlapis. Generative AI adalah cabang AI yang fokus menghasilkan output baru, seperti teks, gambar, audio, video, kode, ringkasan, dan ide.

Ledakan AI terjadi karena tiga hal bertemu sekaligus: model makin besar dan pintar, komputasi makin kuat, dan interface makin mudah. Dulu AI terasa jauh karena harus dipakai lewat software teknis. Sekarang orang cukup mengetik instruksi dalam bahasa biasa dan model bisa membantu membuat output.

Contoh biar kebayang

Contoh lama AI: rekomendasi YouTube, filter spam email, deteksi wajah, prediksi harga, fraud detection. Contoh generative AI: ChatGPT menulis ringkasan, Claude menganalisis dokumen, Gemini membaca gambar, model image membuat poster, dan coding assistant membuat aplikasi dari instruksi teks.

Coba praktik

Tulis 5 pekerjaan harian yang menurutmu repetitif.
Untuk setiap pekerjaan, tandai apakah AI bisa membantu dengan membaca, menulis, menganalisis, membuat, atau mengotomasi.
Pilih 1 pekerjaan yang paling sering kamu lakukan dan ubah menjadi use case AI.

Prompt yang bisa kamu coba

Saya ingin memahami apakah sebuah pekerjaan cocok dibantu AI. Pekerjaan saya: [jelaskan pekerjaan]. Bantu pecah menjadi: input, proses, output, bagian yang bisa dibantu AI, bagian yang tetap perlu manusia, dan risiko jika terlalu bergantung pada AI.

Beneran paham, atau cuma terasa familiar?

Jawab pakai bahasamu sendiri. Kalau masih muter-muter, bagian atasnya perlu dibaca sekali lagi.

1
Apa beda AI, machine learning, deep learning, dan generative AI?
2
Kenapa generative AI lebih mudah diadopsi orang umum dibanding AI lama?
3
Sebutkan 3 contoh AI non-generatif dan 3 contoh generative AI.

Bikin sesuatu dari lesson ini

Buat satu halaman “AI Use Case Pribadi”: 10 pekerjaan harian, potensi bantuan AI, tools yang mungkin dipakai, dan hasil yang ingin dibuat.

Catatan dan batasan

Lesson ini cocok jadi halaman pembuka course dengan visual piramida: AI -> ML -> Deep Learning -> Foundation Models -> GenAI Apps.
Checklist tambahan: AI berbasis aturan vs machine learning.
Checklist tambahan: training vs inference.
Checklist tambahan: model vs aplikasi AI.
Checklist tambahan: AI, ML, deep learning, dan GenAI.

Langkah berikutnya

Simpan hasil latihan, cek kembali dengan rubric sederhana, lalu lanjut ke lesson berikutnya saat output sudah bisa dijelaskan ulang.

ai machine learning generative ai llm

Hallucination, bias, dan batasan AI