LLM Itu Sebenarnya Apa? Penjelasan Paling Sederhana

Kalau kamu pernah pakai ChatGPT atau AI sejenisnya, mungkin kamu bertanya-tanya: kok dia bisa jawab seperti manusia? Apakah dia benar-benar "berpikir"? Jawaban singkatnya: tidak. Yang dia lakukan sebenarnya jauh lebih sederhana, dan memahaminya akan membuatmu jauh lebih bijak memakai AI.

Tebak kata berikutnya

Inti dari LLM (Large Language Model) adalah satu kemampuan: menebak kata berikutnya dalam sebuah kalimat.

Ketik "Ibukota Indonesia adalah", dan model akan menebak "Jakarta" dengan keyakinan tinggi, karena dalam data latihnya, kata Jakarta paling sering muncul setelah frasa itu. Ketik "Kucing suka makan", dia menebak "ikan". Sederhana, kan?

Yang membuatnya terasa pintar adalah skala. Model dilatih dengan triliunan kata dari internet, buku, dan dokumen. Dari situ dia belajar pola bahasa yang sangat kompleks: tata bahasa, fakta dunia, gaya penulisan, bahkan cara bernalar langkah demi langkah. Semua itu muncul dari satu tugas sederhana yang diulang miliaran kali: tebak kata berikutnya.

Token, bukan kata

Teknisnya, model tidak bekerja per kata melainkan per "token", yaitu potongan kata. Kata "belajar" mungkin satu token, tapi kata jarang seperti "diskontinuitas" bisa pecah jadi beberapa token. Ini detail implementasi yang tidak perlu kamu hafal, cukup tahu bahwa model memproses teks sebagai urutan token dan memprediksi token berikutnya berdasarkan seluruh konteks sebelumnya.

Kenapa AI bisa "ngawur"?

Sekarang kamu paham kenapa AI kadang mengarang jawaban dengan percaya diri (halusinasi). Dia tidak punya konsep "benar" atau "salah" seperti manusia. Dia hanya menghasilkan urutan kata yang paling masuk akal secara statistik.

Tanya "siapa juara liga 1 tahun 2019?" dan dia mungkin menjawab dengan nama klub yang salah tapi terdengar meyakinkan, karena polanya mirip jawaban yang benar. Inilah kenapa kamu tidak boleh menelan mentah-mentah jawaban AI untuk hal faktual. Selalu verifikasi, terutama untuk data, tanggal, dan kutipan.

Suhu kreativitas

Ada pengaturan bernama "temperature" yang mengontrol seberapa acak tebakan model. Temperature rendah membuat jawaban deterministik dan aman (cocok untuk ringkasan atau kode). Temperature tinggi membuat jawaban lebih variatif dan kreatif (cocok untuk brainstorming ide atau menulis cerita).

Jadi, AI itu pintar?

Batasan yang perlu diingat

Ada tiga batasan penting yang sering dilupakan. Pertama, cutoff pengetahuan: model hanya tahu sampai tanggal data latihnya berhenti. Tanya soal kejadian kemarin dan dia akan menebak atau mengaku tidak tahu, tergantung modelnya.

Kedua, jendela konteks terbatas. Model hanya bisa "mengingat" sekian ribu token percakapan terakhir. Percakapan yang sangat panjang membuat dia lupa bagian awalnya. Inilah kenapa AI kadang mengulang pertanyaan yang sudah kamu jawab.

Ketiga, dia tidak bisa benar-benar berhitung atau menjalankan kode di kepalanya (kecuali model yang dilengkapi tools). Minta hitung 347 x 892 dan dia mungkin salah, karena dia menebak digit berikutnya, bukan menghitung.

Memahami batasan ini bukan untuk meremehkan AI, tapi untuk menempatkannya dengan benar: asisten yang luar biasa untuk draf dan ide, tapi butuh verifikasi manusia untuk fakta dan angka.

AI itu seperti murid yang sudah membaca seluruh perpustakaan dunia tapi tidak pernah benar-benar memahami isinya. Dia luar biasa dalam mengenali pola dan menyusun bahasa, tapi tidak punya pengalaman, kesadaran, atau pemahaman makna yang sesungguhnya.

Memahami ini membuatmu pengguna AI yang lebih baik: kamu tahu kapan harus percaya (draf tulisan, ide, penjelasan konsep) dan kapan harus curiga (fakta spesifik, angka, referensi). Dan justru di situlah letak kekuatannya, sebagai alat bantu yang hebat, bukan sebagai orakel yang selalu benar.