Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-23T04:18:04Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29090979; atribusi sumber disertakan.

2026-08-23T03:56:04Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29090979; atribusi sumber disertakan.

Halaman baru

'''Kecerdasan buatan sumber terbuka''' (''open-source artificial intelligence'') adalah sistem kecerdasan buatan yang tersedia secara bebas untuk digunakan, dipelajari, dimodifikasi, dan dibagikan oleh siapa pun. Ciri tersebut berlaku pada setiap komponen sistem, termasuk himpunan data, [[kode sumber]], dan [[Parameter|parameter model]], sehingga mendorong pendekatan yang kolaboratif dan transparan dalam pengembangan kecerdasan buatan. Lisensi [[Perangkat lunak bebas dan sumber terbuka|perangkat lunak bebas dan sumber terbuka (''free and open-source software''/ FOSS)]], seperti [[Lisensi Apache]], [[Lisensi MIT]], dan [[Lisensi Publik Umum GNU]] menetapkan ketentuan tentang cara kecerdasan buatan sumber terbuka dapat diakses, dimodifikasi, dan didistribusikan kembali.

Model sumber terbuka (''open-source'') memberikan akses yang lebih luas terhadap teknologi kecerdasan buatan (''artificial intelligence''), sehingga memungkinkan lebih banyak individu dan organisasi untuk berpartisipasi dalam penelitian dan pengembangan kecerdasan buatan. Sebaliknya, kecerdasan buatan bersumber tertutup (''closed-source'') bersifat hak milik dan membatasi akses terhadap kode sumber serta komponen internalnya. Perusahaan sering kali mengembangkan produk tertutup untuk mempertahankan keunggulan kompetitif di pasar. Namun, beberapa pakar menyatakan bahwa alat kecerdasan buatan sumber terbuka memiliki keunggulan dalam pengembangan dibandingkan produk tertutup dan berpotensi menyalipnya di pasar.

Kategori proyek kecerdasan buatan sumber terbuka yang populer meliputi [[model bahasa besar]], alat penerjemahan mesin, dan [[bot obrolan]]. Untuk mengembangkan sumber daya kecerdasan buatan sumber terbuka, pengembang perangkat lunak perlu mempercayai berbagai komponen [[perangkat lunak sumber terbuka]] lain yang mereka gunakan selama proses pengembangan.

Perangkat lunak kecerdasan buatan sumber terbuka diperkirakan memiliki potensi risiko yang lebih besar dibandingkan kecerdasan buatan bersumber tertutup karena pihak yang tidak bertanggung jawab dapat menghapus protokol keselamatan dari model publik sesuai keinginan mereka. Sebaliknya, kecerdasan buatan bersumber tertutup juga diperkirakan memiliki risiko yang lebih tinggi dibandingkan kecerdasan buatan sumber terbuka karena masalah ketergantungan, privasi, algoritme yang tidak transparan, kendali perusahaan, serta ketersediaan yang terbatas yang berpotensi memperlambat inovasi yang bermanfaat.

Selain itu, terdapat perdebatan mengenai tingkat keterbukaan sistem kecerdasan buatan karena konsep keterbukaan bersifat beragam. Sebuah artikel di ''Nature'' menyebutkan bahwa beberapa sistem yang dipresentasikan sebagai terbuka, seperti '''Llama 3''' dari Meta, “hanya menawarkan [[Antarmuka pemrograman aplikasi|API]] atau kemampuan mengunduh model yang masih tunduk pada pembatasan penggunaan yang tidak sepenuhnya terbuka”. Perangkat lunak semacam itu dikritik sebagai bentuk ''[[open-washing]]'', yakni sistem yang sebenarnya lebih tepat dipahami sebagai bersumber tertutup.

Beberapa penelitian dan kerangka kerja telah dikembangkan untuk menilai tingkat keterbukaan sistem kecerdasan buatan, termasuk definisi baru yang diterbitkan oleh ''[[Open Source Initiative (OSI)]]'' mengenai kriteria yang menentukan apakah suatu sistem kecerdasan buatan dapat digolongkan sebagai sumber terbuka. Selain itu, sejumlah model bahasa besar dirilis dengan status ''[[open-weight]]'', yang berarti parameter hasil pelatihannya tersedia untuk publik, meskipun kode pelatihan dan data yang digunakan tidak dibuka.

== Sejarah ==
Sejarah kecerdasan buatan sumber terbuka berkaitan erat dengan perkembangan teknologi kecerdasan buatan dan pertumbuhan gerakan perangkat lunak sumber terbuka. Kecerdasan buatan sumber terbuka berkembang pesat selama beberapa dekade terakhir melalui kontribusi berbagai lembaga akademik, laboratorium penelitian, perusahaan teknologi, dan pengembang independen. Bagian ini membahas tonggak-tonggak penting dalam perkembangan kecerdasan buatan sumber terbuka, mulai dari masa awal hingga kondisi terkini.

=== 1990-an: Awal perkembangan kecerdasan buatan dan perangkat lunak sumber terbuka ===
Konsep kecerdasan buatan bermula pada pertengahan abad ke-20, ketika ilmuwan komputer seperti ''[[Alan Turing]]'' dan ''[[:en:John McCarthy (computer scientist)|John McCarthy]]'' meletakkan dasar bagi teori dan algoritme kecerdasan buatan modern. Salah satu bentuk awal kecerdasan buatan adalah program pemrosesan bahasa alami bernama ''[[:en:ELIZA|ELIZA]]'', yang dibuat ulang dan dibagikan pada tahun 1977 oleh ''[[Jeff Shrager]]'' dalam [[bahasa pemrograman]] BASIC, lalu diterjemahkan ke berbagai bahasa lain. Penelitian awal kecerdasan buatan berfokus pada pengembangan [[sistem penalaran simbolik]] dan [[sistem pakar berbasis aturan]].

Pada periode yang sama, gagasan tentang perangkat lunak sumber terbuka mulai terbentuk, dengan tokoh seperti ''[[Richard Stallman]]'' yang memperjuangkan perangkat lunak bebas untuk mendorong kolaborasi dan inovasi dalam pemrograman. [[Yayasan Perangkat Lunak Bebas]], yang didirikan Stallman pada tahun 1985, menjadi salah satu organisasi pertama yang mempromosikan gagasan perangkat lunak yang dapat digunakan, dimodifikasi, dan didistribusikan secara bebas. Gagasan dari gerakan ini kemudian memengaruhi perkembangan kecerdasan buatan sumber terbuka, ketika semakin banyak pengembang melihat manfaat kolaborasi terbuka dalam pembuatan perangkat lunak, termasuk model dan algoritme kecerdasan buatan.

Pada 1990-an, perangkat lunak sumber terbuka mulai mendapatkan perhatian yang lebih luas. Bersamaan dengan itu, kemunculan metode [[Pemelajaran mesin|pembelajaran mesin]] dan pendekatan statistik memicu pengembangan alat kecerdasan buatan yang lebih praktis. Pada tahun 1993, ''[[CMU Artificial Intelligence Repository]]'' diluncurkan sebagai repositori perangkat lunak kecerdasan buatan yang dapat diakses publik.

=== 2000-an: Munculnya kecerdasan buatan sumber terbuka ===
Pada awal 2000-an, kecerdasan buatan sumber terbuka mulai berkembang pesat dengan hadirnya pustaka dan kerangka kerja dasar yang lebih mudah digunakan serta terbuka bagi siapapun untuk berkontribusi.

''[[OpenCV]]'' dirilis pada tahun 2000 dan menyediakan berbagai algoritme kecerdasan buatan tradisional seperti ''[[:en:Decision tree learning|decision tree]]'', ''[[:en:K-nearest neighbors algorithm|k-Nearest Neighbors]] (kNN)'', ''[[:en:Naive Bayes classifier|Naive Bayes]]'', dan [[Mesin vektor pendukung|Mesin Vektor Pendukung]] ''(Support Vector Machine - SVM)''.

Pada tahun 2007, ''[[:en:Scikit-learn|Scikit-learn]]'' dirilis dan menjadi salah satu pustaka paling populer untuk pembelajaran mesin umum karena kemudahan penggunaan serta fungsionalitasnya yang luas, mencakup algoritme seperti regresi, klasifikasi, dan klasterisasi. Pada tahun yang sama, ''[[:en:Theano (software)|Theano]]'' juga diperkenalkan sebagai pustaka pembelajaran mendalam.

=== 2010-an: Munculnya kerangka kerja kecerdasan buatan sumber terbuka ===
Kerangka kerja pembelajaran mendalam sumber terbuka seperti ''[[:en:Torch (machine learning)|Torch]]'' pertama kali dirilis pada tahun 2002 dan menjadi terbuka penuh melalui ''Torch7'' pada tahun 2011, yang kemudian dikembangkan menjadi ''[[PyTorch]]'' dan ''[[TensorFlow]]''. Kerangka kerja ini memungkinkan peneliti dan pengembang membangun serta melatih jaringan saraf untuk berbagai tugas seperti pengenalan gambar, [[pengolahan bahasa alami]] (NLP), dan [[kendaraan otonom]].

Model ''[[:en:AlexNet|AlexNet]]'' diluncurkan pada tahun 2012, diikuti oleh ''[[:en:Word2vec|Word2Vec]]'' milik [[Google]] pada tahun 2013 untuk pemrosesan bahasa alami.

Pada tahun 2014, ''[[:en:GloVe|GloVe]]'', pesaing ''Word2Vec'', dirilis di bawah lisensi Apache 2.0 dengan dokumentasi set-data dan bobot model yang dibagikan ke [[domain publik]].

=== 2020-an–kini: Kecerdasan buatan generatif sumber terbuka ===
Ketika ''[[OpenAI]]'' mengumumkan ''GPT-2'', perusahaan awalnya berencana untuk tidak membuka kode sumber karena alasan keamanan dan potensi penyalahgunaan. Namun, setelah muncul kritik publik, ''OpenAI'' merilis kode sumber ''GPT-2'' di ''GitHub'' tiga bulan kemudian. Meskipun begitu, ''OpenAI'' tidak membuka kode sumber atau bobot pra-latih untuk ''GPT-3'' dan ''GPT-4'', tetapi menyediakan akses melalui ''API''.

Kemunculan [[model bahasa besar]] ''(LLM)'' dan [[kecerdasan buatan generatif]] seperti ''GPT-3'' (2020) mendorong meningkatnya permintaan terhadap kerangka kerja kecerdasan buatan sumber terbuka. Model-model tersebut digunakan dalam berbagai aplikasi seperti bot obrolan, pembuatan konten, dan generasi kode, yang menunjukkan luasnya kemampuan sistem kecerdasan buatan. Pada saat ''GPT-3'' dirilis, ''GPT-2'' masih menjadi model bahasa sumber terbuka paling kuat, yang kemudian memicu kelompok ''[[EleutherAI]]'' untuk melatih dan merilis ''[[GPT-Neo]]'' serta ''[[GPT-J]]'' pada tahun 2021.

Pada Februari 2022, ''[[EleutherAI]]'' merilis ''GPT-NeoX-20B'', merebut kembali posisi sebagai model bahasa sumber terbuka paling kuat di dunia dari model ''FairSeq Dense 13B'' milik Meta. Tahun 2022 juga ditandai dengan munculnya model-model besar lainnya, baik dengan lisensi non-terbuka seperti ''OPT''[ dan ''Galactica'' milik Meta, maupun model sumber terbuka seperti [[BLOOM BigScience Research Workshop|''BLOOM'' ''BigScience Research Workshop'']] dan ''GLM'' Universitas Tsinghua.

Selama pembahasan peraturan kecerdasan buatan di Eropa pada 2021–2022, muncul usulan agar kecerdasan buatan sumber terbuka tidak diatur secara berlebihan. Pada tahun 2022, ''[[:en:Open Source Initiative|Open Source Initiative (OSI)]]'' mulai menyusun definisi baru tentang "kecerdasan buatan sumber terbuka" yang sesuai dengan karakteristik perangkat lunak dan model kecerdasan buatan, dengan isu paling kontroversial terkait akses data pelatihan. Pada tahun 2024, OSI merilis ''Open Source AI Definition 1.0 (OSAID 1.0)'' yang didukung lebih dari 20 organisasi. Definisi tersebut mewajibkan keterbukaan penuh atas perangkat lunak untuk pemrosesan data, pelatihan, dan inferensi model, serta penyediaan informasi data pelatihan yang cukup agar sistem serupa dapat direplikasi. Pada tahun 2023, model ''Llama 1'' dan ''Llama 2'', ''MosaicML MPT'', serta ''Mistral'' dan ''Mixtral'' dari ''[[:en:Mistral AI|Mistral]]'' ''[[:en:Mistral AI|AI]]'' dirilis.

Pada tahun 2024, Meta meluncurkan kumpulan model kecerdasan buatan besar termasuk ''Llama 3.1 405B'', yang setara dengan model tertutup paling canggih. Meta menyatakan pendekatannya bersifat sumber terbuka, berbeda dari perusahaan teknologi besar lain. Namun, ''Open Source Initiative'' dan beberapa pihak lain menyatakan bahwa ''Llama'' tidak sepenuhnya sumber terbuka karena lisensinya membatasi penggunaan untuk tujuan tertentu. Pada Desember 2024, ''[[DeepSeek]]'' merilis ''V3 LLM'', diikuti oleh ''R1 Reasoning Model'' pada 20 Januari 2025, keduanya sebagai model ''open-weight'' dengan lisensi MIT.

Sejak peluncuran ''[[ChatGPT]]'' pada akhir 2022, hanya sedikit model bahasa besar yang benar-benar terbuka (termasuk bobot, data, dan kode). Di antaranya adalah [[:en:Allen Institute for AI#OLMo model family|seri ''OLMo'']] yang dikembangkan oleh ''[[:en:Allen Institute for AI|Allen Institute for AI]]''. Pada September 2025, konsorsium asal Swiss merilis model sepenuhnya terbuka bernama ''Apertus'', tersedia dalam dua ukuran: 8B dan 70B. Selain itu, terdapat pula upaya regional seperti ''Latam-GPT'', model terbuka yang berfokus pada Amerika Latin.

== Etika ==
Seiring dengan perkembangan model kecerdasan buatan, perhatian terhadap penerapan standar etika dalam pengembangannya juga semakin meningkat. Upaya ini mencakup penanganan berbagai isu seperti bias, privasi, dan potensi penyalahgunaan sistem kecerdasan buatan. Akibatnya, berbagai kerangka kerja untuk pengembangan kecerdasan buatan yang bertanggung jawab serta pedoman untuk mendokumentasikan pertimbangan etika mulai dikembangkan, termasuk konsep ''Model Card'' yang diperkenalkan oleh ''Google''. Meskipun konsep tersebut semakin populer, beberapa penelitian menunjukkan bahwa penerapannya masih perlu ditingkatkan untuk mencegah dampak negatif yang tidak diinginkan.

== Daftar pustaka ==

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Kecerdasan+buatan+sumber+terbuka&oldid=29090979 Wikipedia bahasa Indonesia], revisi 29090979 (2026-03-31T15:47:29Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

Kecerdasan buatan sumber terbuka - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29090979; atribusi sumber disertakan.