LLM: Mesin Penebak Kata yang Mengubah Segalanya
Large Language Model = Transformer raksasa yang dilatih menebak token berikutnya dari sebagian besar teks internet. Semua kemampuannya tumbuh dari satu tugas itu.
Kalau kamu cuma bisa mengingat satu hal soal LLM: ia menebak token berikutnya, terus-menerus, dengan sangat canggih.
Teks kamu dipecah jadi token → model menghitung "token mana yang paling mungkin berikutnya" → token terpilih ditambahkan → ulangi. Itu seluruh siklus ketika kamu mengobrol dengan ChatGPT.
Dari mana pintarnya datang
Tahap 1 — Pretraining. Model membaca triliunan token (situs web, buku, kode) dengan satu tugas: tebak token berikutnya. Untuk menebak dengan baik di kalimat seperti "dokter menulis ___ di apotek", model terpaksa mempelajari tata bahasa, fakta dunia, logika, bahkan gaya penulisan. Pengetahuan tersimpan di bobotnya.
Tahap 2 — Fine-tuning & alignment. Model mentah cuma bisa "melanjutkan teks" — tanya "apa itu fotosintesis?" bisa dijawab dengan "…dan itu soal ujian tahun lalu". Supaya jadi asisten, model dilatih dengan contoh percakapan berkualitas dan diberi masukan manusia tentang jawaban mana yang bagus (teknik RLHF).
Hasilnya: model dasar yang tahu banyak + tingkah laku asisten yang sopan dan berguna.
Konsep-konsep yang akan sering kamu temui
- Context window — "meja kerja" model: semua yang bisa ia lihat dalam satu kali proses. Di luar itu, ia lupa. (Materi khusus + playground tersedia.)
- Temperature — knop keacakan: rendah = konsisten dan kaku, tinggi = kreatif dan liar. Ada playground langsung untuk ini.
- Halusinasi — model bisa mengarang fakta dengan percaya diri, karena tugasnya menebak kelanjutan yang terdengar masuk akal, bukan mencari kebenaran.
- Prompt — semua yang kamu tulis adalah input yang mengarahkan penebakan. Prompt yang bagus = arah yang jelas.
Kekuatan dan batas
Kuat untuk: menulis dan menyusun ulang teks, menjelaskan konsep, membuat kode, meringkas, brainstorming, memformat data.
Lemah untuk: fakta yang butuh kebaruan (pengetahuan macet di tanggal cut-off data latih), hitungan presisi (sebenarnya ia menebak angka), dan apa pun yang butuh jaminan 100%. Solusi untuk kelemahan itu ada di Level 02: RAG, tool calling, dan structured output.
Coba langsung
Di Playground System Prompt kamu bisa lihat sendiri: model yang sama, persona berubah total, hanya karena instruksi awalnya diganti. Dari situ kamu langsung merasakan bahwa LLM itu arah input → bentuk output.
Setelah ini, masuk ke Generative AI — payung besar untuk semua AI yang "menciptakan".