Kursus Pelatihan LLM Lanjutan untuk Tugas NLP

Pengenalan terhadap LLM dan Sistem AI Generatif

• Mengulas berbagai teknik dan model yang tersedia
• Mendiskusikan aplikasi serta contoh penggunaannya
• Mengidentifikasi tantangan dan keterbatasan sistem LLM

Pemanfaatan LLM dalam Tugas NLU

• Analisis sentimen
• Pengenalan entitas bernama
• Ekstraksi relasi antar elemen teks
• Penafsiran semantik dari teks

Pemanfaatan LLM dalam Tugas NLI

• Deteksi hubungan implisit antara pernyataan
• Deteksi kontradiksi antar kalimat
• Identifikasi parafrase dalam teks

Pemanfaatan LLM untuk Graf Pengetahuan

• Mengambil fakta serta relasi dari teks yang tersedia
• Meyimpulkan fakta baru atau mengisi celah informasi yang ada
• Memanfaatkan graf pengetahuan dalam tugas-tugas selanjutnya

Pemanfaatan LLM untuk Penalaran Logika Sehari-hari

• Menghasilkan penjelasan, hipotesis, serta skenario yang masuk akal secara logis
• Menggunakan basis data dan kumpulan informasi penalaran umum sebagai referensi
• Menilai tingkat kemampuan LLM dalam penalaran sehari-hari

Pemanfaatan LLM untuk Pembuatan Percakapan

• Menghasilkan percakapan dengan agen konversasional, chatbot, maupun asisten virtual
• Manajemen jalannya percakapan secara sistematis
• Pemanfaatan kumpulan data obrolan serta metrik evaluasinya

Pemanfaatan LLM untuk Generasi Multimodal

• Menghasilkan gambar dari teks yang diberikan
• Mengonversi gambar menjadi bentuk teks deskriptif
• Membuat video berdasarkan instruksi dalam teks atau gambar
• Menghasilkan suara atau audio dari teks yang tersedia
• Mengubah konten audio kembali menjadi teks yang utuh
• Membangun model tiga dimensi berdasarkan deskripsi tertulis maupun visual

Pemanfaatan LLM dalam Pembelajaran Meta

• Mengadaptasi LLM untuk bidang, tugas, atau bahasa baru secara efisien
• Belajar dari contoh-contoh terbatas maupun tanpa data sama sekali (zero-shot)
• Pemanfaatan basis data serta kerangka kerja pembelajaran meta dan transfer yang tersedia

Pemanfaatan LLM dalam Pembelajaran Adversarial

• Melindungi LLM dari serangan jahat atau penggunaan ilegal
• Mengurangi bias serta kesalahan sistem melalui metode mitigasi yang tepat
• Pemanfaatan kumpulan data serta teknik pertahanan dalam pembelajaran adversarial

Evaluasi terhadap LLM dan Sistem AI Generatif

• Penilaian mutu konten serta tingkat keragamannya
• Penggunaan metrik standar seperti skor Inception, jarak Fréchet Inception, maupun skor BLEU
• Menerapkan teknik penilaian manual melalui survei atau kolaborasi komunitas
• Menggunakan evaluasi berbasis pertahanan, misalnya tes Turing dan pendeteksi anomali

Penerapan Prinsip Etika dalam Penggunaan LLM serta Sistem AI Generatif

• Menjamin keadilan, transparansi, serta akuntabilitas sistem AI
• Mencegah penggunaan yang disalahgunakan atau menyalahi aturan hukum
• Menghormati hak privasi dan kepemilikan konten dari para pencipta maupun konsumen
• Mendorong kerjasama positif antara manusia serta teknologi AI dalam kreasi konten

Penutup dan Arah Pengembangan Selanjutnya