Salah satu teknologi low code & no code dapat diturunkan dari penggunaan Deep Learning dalam bidang Natural Language Processing (NLP) yang memanfaatkan model Transformer.
Model Transformer menjadikan komputer mempunyai kemampuan mempelajari dan mengingat rangkaian struktur kata dalam suatu kalimat atau paragraf yang panjang.
Kemampuan ini membuat komputer bisa membangun serangkaian kalimat suatu bahasa apa saja tanpa perlu diberitahukan tata bahasanya.
Komputer hanya perlu dituntun dalam pengaturan kosa kata (akan ada istilah tokenization dan word embedding).
Kemampuan ini diperoleh dengan mula-mula mengubah kata atau frasa (bagian dari kata atau kalimat) menjadi vektor bilangan riil, dikenal dengan nama word vectorization.
Dengan mudah ini akan menciptakan database yang besar sekali untuk sebuah model bahasa. GPT-3 mengusung database sebesar 45 terabytes dengan 175 milyar parameters (lihat referensi ke empat di bawah) di dalam pemrosesannya.
Hasil pemrosesannya akan menghasilkan database yang semula belum terstruktur. Mula-mula software SQL (Structured Query Language) belum cocok untuk mengolah database ini.
Proses agar database yang semula belum berstruktur hasil dari NPL menjadi database terstruktur masih merupakan riset terkini yang terus berlangsung. Hasilnya memungkinkan SQL kelak bisa digunakan untuk mengolah database yang sudah terstruktur.
Manfaatnya agar seseorang yang bergerak di bidang bisnis bisa menggunakan hasil dari GPT-3 berupa informasi bisnis terkait dengan bidangnya tanpa perlu memulainya dengan pemrograman dari awal. Inilah yang menghasilkan teknologi low code & no code.
Jadi teknologi low code & no code jenis ini tidak lain merupakan penggunaan database yang sudah terstruktur dari semula yang belum terstruktur hasil dari NLP.
… we’re not talking about AI writing an entire application for you, but rather translating a natural language query into a database query.
Contohnya, di posting sebelumnya telah dibahas tentang Microsoft yang menggunakan GPT-3 untuk membuat teknologi low code & no code bernama PowerFx.
PowerFx is based on Excel functions, but with some added SQL and imperative programming commands for working with data and making interactive elements like buttons and galleries work.
Tetapi untuk menjalankan GPT-3 sangatlah mahal.
Dibutuhkan biaya $46juta untuk sekedar menjalankan GPT-3 di komputer (lihat referensi ketiga di bawah) karena memang melibatkan resources yang bukan main besarnya.
Tepatnya, GPT-3 membutuhkan waktu 3.14e23 flops (floating-point operations per second) agar dapat selesai dijalankan.
Hasilnya berupa parameter yang tertaksir sebanyak 175 milyar dan inilah yang bisa diperjualbelikan ke perusahaan untuk kelak untuk membangun database sesuai kebutuhan masing-masing perusahaan.
Kalau ada 100 perusahaan yang kelak membeli jasa GPT-3, maka harga pokoknya yang hanya dari eksekusi programnya saja menjadi $46juta/100 = $500ribu. Belum terhitung biaya-biaya pembuatan GPT-3-nya sendiri, yang tentu lebih besar lagi.
Apa yang dilakukan oleh Microsoft dengan PowerFx yang disematkan ke Excel akan membuat sebagian hasil yang diperoleh dari GPT-3 bisa dipakai oleh berpuluh juta komputer dengan biaya pemakaian per komputer yang akan sangat murah.
A Simple Notebook 