Pengembang AI kini mencoba mengatasi masalah ini dengan metode "grounding," di mana sistem dihubungkan dengan data dunia nyata untuk meminimalkan kesalahan
7. Training (Pelatihan) dan Inference (Inferensi)
Ada dua langkah penting dalam membuat dan menggunakan sistem AI, yaitu pelatihan dan inferensi.
Pelatihan adalah proses di mana sistem AI belajar dari data yang ada untuk memprediksi atau melakukan tugas tertentu.
Setelah pelatihan, AI akan menggunakan apa yang telah dipelajari untuk membuat prediksi atau keputusan pada data baru, yang disebut dengan inferensi.
Misalnya, AI yang dilatih dengan data harga rumah bisa memprediksi harga rumah di masa depan berdasarkan variabel tertentu
8. Responsible AI (AI Bertanggung Jawab)
Responsible AI mengacu pada pengembangan sistem AI yang adil, aman, dan transparan. Karena AI dapat memiliki dampak signifikan terhadap masyarakat, penting untuk memastikan bahwa AI dikembangkan dengan mempertimbangkan etika.
AI yang bertanggung jawab harus bebas dari bias dan tidak merugikan kelompok tertentu, terutama saat digunakan dalam sektor kritis seperti kesehatan, pendidikan, dan pekerjaan.
Pengembang dan pengguna AI harus memastikan bahwa sistem tersebut adil dan dapat dipertanggungjawabkan.*