AI Terms Na Dapat Mo Nang Malaman (Kahit 'Di Ka Techie!)
Aminin natin, ang daming AI terms na lumalabas left and right — context window, compute, RLHF... huh? 😂
So today, decode time tayo. Let’s break down some common AI terms. 🎓
1. Context Window
Parang conversation memory ng AI. Gano karami ang kaya niyang i-remember and analyze in one go.
💡 Real-life chika:
Pag kwentuhan lang ng weekend plans? Small context lang 'yan. Pero kung Q1 planning meeting niyo? Mas malaki ang context window na kailangan.
Si Claude, sobrang laki ng context window — kaya niyang basahin at i-summarize buong libro in one go! 🤯
2. Compute
Ito ang “processing power” na kailangan para gumana ang AI. The more compute, the smarter the AI… pero mas mahal rin siya i-run.
💡 Halimbawa:
Yung training ng ChatGPT? Parang nagpaandar ka ng libo-libong PS5 nang sabay-sabay for one whole year. Kaya hindi libre ang powerful tools — may bayad talaga ang compute!
3. Fine-tuning
Parang on-the-job training ng AI. May general knowledge na siya, pero ine-expert mo siya sa isang specific job.
💡 Gamit sa real life:
Yung hospital, kunwari, nagfa-fine tune ng AI para mas magaling ito sa pag-diagnose ng kanilang sariling patient data. Hindi general doctor si AI — nagiging specialist siya.
4. Latency
Imagine mo may loading bar sa utak ni AI. Yan ang latency—gano katagal bago siya mag-reply.
Kung low latency = instant sagot. Kung mataas = parang nag-buffer pa.
💡 Kwentong relatable:
Napansin mo ba 'yung mga AI tools na parang may "thinking face" muna bago sumagot? Minsan parang ini-spell pa nila 'yung sagot. That’s latency! Kung mabilis siya, parang ka-chat mo lang bestie mo—dere-deretso ang usapan.
5. RLHF (Reinforcement Learning with Human Feedback)
Parang performance review ng AI. Tinuturuan siya ng tao kung alin ang helpful, alin ang meh.
💡 Sample sa buhay mo:
Kapag nag-thumbs up/down ka kay ChatGPT — ayun na ‘yun! Tinuruan mo siya kung paano maging better assistant sa’yo.
6. Tokens
AI reads text in small chunks — not always per word. Kaya per token ang bayad sa kanya.
💡 Gamit sa budgeting:
Ang word na “playing” minsan hinahati into “play” + “ing”. Kaya kahit maikli lang, madaming tokens ang nakokonsumo. Parang load — hindi mo namamalayang ubos na pala.
7. Transformer Architecture
Ito ang pinaka-brain design ng AI models para maintindihan ang context ng mga salita.
💡 Analogy time:
Hindi lang niya alam ang definition ng "loyalty" — naiintindihan niya kung paano ito ginagamit sa isang heartbreak quote. Ganun ka-powerful ang Transformers (no, not the robots 🫣).
8. Model Weights
Ito yung natutunan ng AI after training — parang utak niya. Super valuable!
💡 Real-world feels:
Parang SOPs or best practices na developed over time. Kaya kapag sinishare ni Meta ang model weights nila (like Llama), parang nagbigay sila ng company secret recipe.
9. Throughput
Gano karaming users or tasks ang kaya ni AI i-handle sabay-sabay.
💡 Analogy again:
Parang fastfood chain. Yung maliit na stall, kaya lang 5 customers at a time. Pero si McDo? Hundreds, easy. Same with AI — mas mataas ang throughput, mas efficient sa madaming tao.
10. Inference
Ito yung “application” part. After matuto si AI, inference ang paggamit ng natutunan niya para sumagot or tumulong sa tasks.
💡 Real-world scenario:
Kapag tinanong mo si Siri kung ilang taon na si Kathryn Bernardo, inference ang nagpapaandar para mabilis kang sagutin.
11. GPU Clusters
Mga grupo ng high-powered computer chips na sabay-sabay nagwo-work para sa AI tools.
💡 Halimbawa:
Yung GitHub Copilot, ginagamit siya ng millions of devs. Kaya gumagana ‘yan? Dahil sa GPU clusters! Parang Avengers-level teamwork — isa lang, kulang.
✅ Progress Check
Which term surprised you the most?
Kung na-enlighten ka today, celebrate mo ‘yan! Minsan 'yung small na learning ang nagiging turning point. ✨
🧠 Coming Up Next...
Paano ‘di malunod sa AI knowledge overload? At paano ka makakasabay sa bilis ng innovation kahit hindi ka tech-savvy?
Abangan sa next post!