Belajar Generative AI - Definisi, Sejarah & Perkembangan

#Pendahuluan

Setelah di episode 0 kita menyiapkan environment — Python 3.12+, API key, dan chat completion pertama berhasil — pada episode ini kita menarik napas dari kode dan memahami mengapa generative AI menjadi teknologi paling disruptif tahun 2020-an. Sejarah sebuah teknologi sering dianggap membosankan, padahal justru di sanalah letak alasan mengapa desain dan arah industrinya seperti sekarang.

Mengapa harus memahami sejarahnya? Karena generative AI bukan satu penemuan tunggal — ia akumulasi dari beberapa keluarga model yang saling menggantikan: GAN (gambar), diffusion (gambar & audio), lalu transformer/LLM (teks). Memahami peta ini akan menjelaskan mengapa di 2026 semua berjalan menuju multimodal dan agentic — dan mengapa model open-weight kini menjadi pilihan serius untuk produksi.

#Definisi Generative AI

Generative AI adalah cabang AI yang menghasilkan data baru — teks, gambar, audio, video, kode — yang menyerupai data pelatihannya, alih-alih hanya mengklasifikasi atau memprediksi angka. Bedanya dengan discriminative model:

Analogi dunia nyata: discriminative model seperti petugas yang membedakan apel vs jeruk; generative model seperti koki yang bisa membuat hidangan baru yang terasa seperti masakan yang pernah ia pelajari. Keduanya sama-sama belajar dari data, tetapi tujuannya berbeda.

#Evolusi: GAN → Diffusion → LLM

#GAN (2014-2018)

Generative Adversarial Network (Goodfellow, 2014) memperkenalkan ide jenius: dua jaringan bermain adversarial — generator menciptakan data palsu, discriminator menebak palsu/asli, dan keduanya saling menguatkan. GAN mencetak hasil menakjubkan untuk gambar wajah (StyleGAN, 2018), tetapi dikenal sulit dilatih (mode collapse, tidak stabil).

#Diffusion Models (2020-2022)

Diffusion model belajar dengan cara berbeda: dari gambar asli, ditambahkan noise secara bertahap sampai menjadi "sampah" — lalu model dilatih membalik prosesnya. Ternyata membalik noise ini jauh lebih stabil daripada duel GAN. Lahirlah Stable Diffusion (2022) dan keluarga FLUX, yang menjadi fondasi text-to-image modern.

#Transformer & LLM (2017-sekarang)

Di sisi teks, paper Attention Is All You Need (2017) memperkenalkan Transformer — arsitektur yang memproses semua token secara paralel dengan mekanisme attention. GPT (2018), lalu skala raksasa ChatGPT (Nov 2022) membuktikan bahwa model yang dilatih hanya untuk memprediksi token berikutnya bisa "memunculkan" kemampuan luar biasa (in-context learning, reasoning). Detail cara kerjanya kita bedah di episode 2.

#Era Foundation Models (2023-2025)

Kata kunci 2023-2025: foundation model — satu model besar yang dipakai sebagai fondasi banyak aplikasi, tidak lagi dilatih per-task. Konsekuensinya:

• RAG (retrieval-augmented generation) menjadi standar untuk menambahkan pengetahuan privat tanpa retrain — kita bahas di episode 7-8.
• Fine-tuning/PEFT (LoRA, QLoRA) menjadi cara menyesuaikan model ke domain spesifik — episode 12.
• Multimodal (GPT-4V, Claude vision, Gemini) menyatukan teks, gambar, audio, video dalam satu model — episode 14.

#2026: Agentic AI & Reasoning

Dua kata kunci yang mendominasi 2026:

• Reasoning models (o-series dari OpenAI, DeepSeek-R1, Gemini 2.x thinking): model tidak langsung menjawab, tetapi menghabiskan inference-time compute untuk berpikir dalam beberapa langkah sebelum menghasilkan jawaban. Teknik chain-of-thought dan test-time scaling kita bedah di episode 19.
• Agentic AI: model yang tidak hanya menjawab, tetapi menyelesaikan tugas — memanggil tool, membaca file, mengeksekusi kode, dan berulang sampai selesai. Fondasinya (function calling, agent loop, MCP) kita bangun di episode 9-11 dan 20.

100%

#Tren Besar 2026

#Multimodal Menjadi Default

Model 2026 menerima dan menghasilkan banyak modalitas sekaligus — upload gambar + audio + teks dalam satu percakapan adalah hal biasa. Ini menggeser cara kita membangun pipeline: dari "text-only" menjadi pipeline yang bisa memproses PDF, screenshot, dan suara (episode 8 dan 14).

#RAG & Tool Use Menjadi Standar

Aplikasi produksi serius tidak lagi memanggil LLM polos. Pola standarnya: retrieve dulu, baru generate (RAG), dan kalian izinkan model memakai tool (search, database, API) untuk tugas yang butuh fakta terbaru. Keduanya kita bangun dari nol di episode 7-11.

#Open-Weight Setara Closed

Model open-weight (Llama, Qwen, Gemma, DeepSeek, Mistral) pada 2026 berkinerja setara dengan model closed (GPT, Claude, Gemini) untuk banyak task — dan unggul dalam privasi (data tidak keluar) serta biaya (self-host). Kita praktikkan di episode 12-13. Pilihan "API vs self-host" bahkan menjadi keputusan arsitektur utama, dibahas di episode 21 dan 23.

#Timeline Singkat

#Penutup

Pada episode 1 ini, kalian telah memetakan lanskap generative AI: definisi, evolusi GAN → diffusion → LLM, era foundation models, dan arah 2026.

Inti yang harus dibawa pulang:

• Generative AI menghasilkan data baru, bukan hanya mengklasifikasi.
• Evolusinya tiga jalur: GAN → diffusion (gambar) dan Transformer → LLM (teks).
• 2023-2025: era foundation models (RAG, fine-tuning, multimodal).
• 2026: agentic AI & reasoning mendominasi; multimodal default; open-weight setara closed.

Di episode 2 selanjutnya kita akan membedah cara kerja LLM dari dalam — tokenization, arsitektur transformer & attention, next-token prediction, plus praktik eksperimen tokenizer, temperature/top-p, dan fenomena hallucination. Sampai jumpa di episode 2!