Layer-Layer AI Engineering
Belajar AI Engineering belakangan ini terasa semakin menantang. Bagi saya, tantangan terbesarnya bukan semata-mata pada materi, tetapi pada konsistensi.
Saya juga sering menetapkan standar belajar yang terlalu ideal. Mulai dari halaman pertama, mengikuti setiap langkah secara berurutan, lalu menyelesaikannya sampai halaman terakhir. Mungkin karena cara seperti itu memberikan rasa lebih terstruktur dan terkontrol.
Padahal, kalau dipikir-pikir, curiosity saya justru lebih mudah tumbuh ketika proses belajarnya sedikit lompat-lompat. Rasanya seperti mengumpulkan potongan puzzle yang masih acak, lalu perlahan menyusunnya sampai membentuk gambar yang lebih utuh.
Karena itu, setelah melewati Step 1, saya justru mundur kembali ke Step 0.
Di bagian awal seri ini, Ed Donner memberikan sedikit perkenalan tentang Ollama. Dari sini, saya mulai menyadari bahwa sebenarnya ada banyak potongan puzzle tentang AI yang sedang saya coba susun di kepala.
Ketika berbicara tentang AI, sebagai pengguna awam kita biasanya langsung membayangkan ChatGPT, Claude, Gemini, dan berbagai aplikasi sejenis. Semuanya hadir sebagai antarmuka yang sangat intuitif: kita mengetikkan pertanyaan, lalu mendapatkan jawaban.
Namun, di balik aplikasi-aplikasi tersebut terdapat model yang disebut Large Language Model atau LLM.
Kemudian, dalam video pembelajaran ini, muncul nama-nama lain seperti Ollama dan Cursor. Pertanyaan saya pun semakin banyak.
Sebenarnya, bagaimana posisi ChatGPT, Claude, Gemini, LLM, Ollama, dan Cursor? Bagaimana layer-layer teknologi tersebut saling tersusun dan bekerja bersama?
Akhirnya, saya bertanya langsung kepada ChatGPT. Dari penjelasan yang saya dapatkan, saya mencoba memahaminya menggunakan analogi mobil. LLM adalah mesinnya. Model inilah yang memiliki kemampuan untuk memproses bahasa, mengenali pola, dan menghasilkan respons.
Ollama dapat dibayangkan sebagai sistem yang memungkinkan kita memasang dan menjalankan berbagai jenis mesin tersebut di mobil kita sendiri. Ia membantu mengelola model LLM yang ingin kita gunakan, termasuk mengunduh, menjalankan, dan menghubungkannya dengan aplikasi lain.
Sementara itu, Generative AI Assistant seperti ChatGPT, Claude, atau Gemini dapat dianalogikan sebagai setir, dashboard, dan seluruh pengalaman berkendara yang langsung berinteraksi dengan manusia.
Adapun Cursor adalah lingkungan kerja atau IDE yang membantu programmer menulis kode dengan dukungan AI. Cursor dapat terhubung dengan model AI tertentu untuk membantu menjelaskan kode, memberikan saran, memperbaiki error, atau bahkan menyusun program.
Setidaknya, analogi ini cukup membantu saya memahami susunan teknologinya.
Ollama bukanlah model AI itu sendiri. Agar dapat bekerja, Ollama membutuhkan model LLM yang ingin kita jalankan. Kita perlu menentukan apakah ingin menggunakan Gemma, Llama, Qwen, Mistral, atau model lain yang tersedia dan kompatibel.
Masing-masing perusahaan teknologi juga mengembangkan keluarga modelnya sendiri.
OpenAI mengembangkan keluarga model GPT yang digunakan dalam ChatGPT. Anthropic mengembangkan model Claude. Google mengembangkan keluarga model Gemini, sekaligus menyediakan Gemma sebagai keluarga model terbuka yang dapat dijalankan melalui platform seperti Ollama.
Jadi, Gemini dan Gemma bukanlah hal yang sama. Gemini merupakan keluarga model dan layanan AI utama dari Google, sedangkan Gemma adalah keluarga model terbuka yang dapat diunduh dan dijalankan secara lokal.
Melalui Ollama, kita dapat menjalankan beberapa model terbuka tersebut langsung dari komputer. Hal ini memungkinkan kita bereksperimen dan membangun aplikasi berbasis AI tanpa selalu bergantung pada layanan AI berbasis cloud.
Ngomong-ngomong, saya juga sempat mencoba mengobrol dengan Ollama menggunakan model Gemma. Berikut beberapa screenshot dari percakapan tersebut.
Menurut saya tidak semuanya selaras dengan penjelasan ChatGpt. Saya bahkan agak lebih bingung karena sepertinya dia memvalidasi apa pun yang saya masukkan ke dalamnya, tanpa meluruskan. Maybe next time saya akan coba bertanya dengan menggunakan model lainnya sebagai pembanding.
