Peluncuran ini sejalan dengan langkah NUS untuk memperluas penggunaan AI dalam pendidikan dan penelitian. Namun, AI Sense Maker memiliki fokus yang lebih spesifik dibandingkan chatbot internet umum: platform ini ditujukan untuk menavigasi koleksi NUS sendiri.

Koleksi apa saja yang ditelusuri?

Korpus awal AI Sense Maker menggabungkan materi dari dua repositori NUS:

• ScholarBank, yang menyimpan hasil riset dan makalah akademik NUS;
• Digital Gems, yang berisi koleksi langka dan koleksi khusus yang telah didigitalkan.

Secara keseluruhan, peluncuran awalnya mencakup sekitar 150.000 item digital. Materinya mencakup bidang teknik, ilmu hayat, kedokteran, humaniora, komputasi, serta berbagai koleksi yang berfokus pada Asia Tenggara.

Koleksi tersebut antara lain mencakup harian berbahasa Tionghoa pertama di Singapura, Lat Pau, yang terbit sejak 1881; edisi cetak pertama tahun 1817 dari The History of Java karya Sir Stamford Raffles; karya sastra dari Dinasti Tang; serta komposisi musik dan naskah asli milik Wang Sha setelah materi tersebut selesai didigitalkan dan dimasukkan ke dalam sistem.

Bagaimana cara kerja pencariannya?

Pengguna dapat memulai dengan pertanyaan dalam bahasa sehari-hari, tanpa harus mengetahui kata kunci database yang sangat spesifik. Platform ini menyediakan mode pencarian cepat, iteratif, dan mendalam sehingga pengguna dapat memilih antara orientasi singkat atau penelusuran yang lebih luas.

Hasil pencarian dirancang untuk menyajikan beberapa lapisan informasi:

1. Ringkasan topik terstruktur sebagai gambaran awal mengenai suatu isu.
2. Konsep-konsep terkait untuk memperluas atau mempersempit pertanyaan.
3. Referensi dan bacaan lanjutan dari repositori NUS.
4. Sitasi yang mengarahkan pengguna ke materi sumber.
5. Knowledge graph, yaitu peta visual yang memperlihatkan hubungan antara konsep, disiplin ilmu, dan sumber.

Sebagai contoh, pertanyaan tentang alasan sejumlah kawasan di Singapura terasa lebih panas dapat mengarah pada hubungan antara kepadatan bangunan, vegetasi, material konstruksi, dan fitur air. Peta tersebut kemudian dapat mengaitkan topik itu dengan ekologi perkotaan, ilmu lingkungan, fisika atmosfer, dan mikrometeorologi.

Dengan cara ini, AI Sense Maker paling tepat dipandang sebagai lapisan orientasi riset. Platform ini dapat membantu pengguna menemukan istilah, bidang ilmu, dan sumber yang relevan sebelum membaca dokumen secara saksama.

Mengapa knowledge graph penting?

Pencarian tradisional biasanya menghasilkan daftar dokumen yang diurutkan berdasarkan relevansi. Knowledge graph menawarkan sudut pandang berbeda dengan memperlihatkan bagaimana gagasan dalam dokumen-dokumen tersebut saling berhubungan.

Graph milik AI Sense Maker dibangun di atas taksonomi yang dikelola. Taksonomi itu pada awalnya mendapat masukan dari Wikidata, lalu dipersempit dan disesuaikan dengan koleksi NUS. Proses kurasi ini penting karena kualitas graph tidak hanya bergantung pada model bahasa, tetapi juga pada cara konsep didefinisikan dan dihubungkan di dalam koleksi yang ditelusuri.

Untuk riset lintas disiplin, fitur ini berpotensi membuka kosakata baru atau bidang-bidang yang berdekatan dan mungkin tidak terpikirkan saat pengguna menulis pertanyaan pertama. Namun, hubungan yang ditampilkan tetap merupakan petunjuk untuk diteliti lebih lanjut, bukan bukti bahwa setiap kaitan yang disarankan sudah benar secara akademik.

GPT-4.1, RAG, dan pembatasan sumber

AI Sense Maker menggunakan GPT-4.1 bersama teknologi retrieval-augmented generation atau RAG. Dalam sistem RAG, model terlebih dahulu mengambil materi yang relevan dari kumpulan sumber tertentu, lalu menggunakan materi itu untuk menyusun jawaban. AI Sense Maker dirancang agar jawabannya berlandaskan sumber NUS yang ditemukan dan dilengkapi sitasi yang dapat diperiksa pengguna.

Pembatasan sistem juga menjaga agar platform tetap berfokus pada konten akademik NUS. AI Sense Maker tidak ditujukan untuk mencari informasi di internet terbuka lalu merangkainya menjadi jawaban. Batasan sumber ini dapat membantu mengurangi keluaran yang tidak berdasar, tetapi tidak menghilangkan kebutuhan untuk memeriksa dokumen yang dikutip, menafsirkan sumber primer, dan menilai apakah jawaban benar-benar sesuai dengan bukti.

GPT-4.1 adalah model yang disebut dalam pemberitaan mengenai AI Sense Maker. OpenAI menjelaskan GPT-4.1 sebagai keluarga model dengan peningkatan dalam mengikuti instruksi dan memahami konteks panjang. Kemampuan umum tersebut tidak berarti AI Sense Maker akan menghasilkan temuan riset yang selalu bebas kesalahan.

Keterbatasan versi awal dan fitur yang direncanakan

Rilis pertama memiliki sejumlah batasan penting:

• Platform baru mendukung pertanyaan satu kali, sehingga belum menyimpan konteks percakapan dalam rangkaian pertanyaan lanjutan.
• Pencarian hanya mencakup materi yang sudah didigitalkan dan dimasukkan ke repositori NUS terkait.
• Platform dapat membantu menemukan sumber dan hubungan antargagasan, tetapi tidak dapat menilai setiap argumen ilmiah atau menyusun kasus riset akhir untuk pengguna.

NUS sedang mengembangkan memori riwayat percakapan untuk riset yang berlangsung lebih lama serta transkripsi suara menjadi teks sebagai peningkatan berikutnya.

Karena itu, alur kerja yang paling masuk akal adalah menggunakan AI Sense Maker sebagai titik awal: temukan sumber dan istilah yang relevan, buka dokumen yang dikutip, bandingkan berbagai penafsiran, lalu susun analisis secara mandiri.

Benarkah waktu pencarian awal bisa dipangkas?

NUS memperkirakan tahap awal penemuan dan orientasi riset, yang dapat memakan waktu sekitar dua minggu, bisa dipangkas menjadi sekitar 30 menit atau kurang dengan AI Sense Maker.

Angka tersebut merupakan perkiraan dari institusi, bukan hasil produktivitas yang telah divalidasi secara independen. Ekspektasi yang lebih hati-hati adalah platform ini dapat mengurangi waktu yang terbuang untuk menindaklanjuti hasil pencarian yang lemah dan membantu pengguna mengumpulkan daftar sumber awal yang disertai sitasi dengan lebih cepat.

Manfaat yang paling mungkin terasa berada pada tahap awal riset: mempercepat pemetaan topik, memperkaya kosakata untuk pencarian berikutnya, dan memperlihatkan hubungan lintas disiplin maupun koleksi. Setelah itu, membaca, mengkritisi sumber, dan membangun argumen tetap menjadi pekerjaan peneliti.

Peluncuran ini sejalan dengan langkah NUS untuk memperluas penggunaan AI dalam pendidikan dan penelitian. Namun, AI Sense Maker memiliki fokus yang lebih spesifik dibandingkan chatbot internet umum: platform ini ditujukan untuk menavigasi koleksi NUS sendiri.

Koleksi apa saja yang ditelusuri?

Korpus awal AI Sense Maker menggabungkan materi dari dua repositori NUS:

• ScholarBank, yang menyimpan hasil riset dan makalah akademik NUS;
• Digital Gems, yang berisi koleksi langka dan koleksi khusus yang telah didigitalkan.

Secara keseluruhan, peluncuran awalnya mencakup sekitar 150.000 item digital. Materinya mencakup bidang teknik, ilmu hayat, kedokteran, humaniora, komputasi, serta berbagai koleksi yang berfokus pada Asia Tenggara.

Koleksi tersebut antara lain mencakup harian berbahasa Tionghoa pertama di Singapura, Lat Pau, yang terbit sejak 1881; edisi cetak pertama tahun 1817 dari The History of Java karya Sir Stamford Raffles; karya sastra dari Dinasti Tang; serta komposisi musik dan naskah asli milik Wang Sha setelah materi tersebut selesai didigitalkan dan dimasukkan ke dalam sistem.

Bagaimana cara kerja pencariannya?

Pengguna dapat memulai dengan pertanyaan dalam bahasa sehari-hari, tanpa harus mengetahui kata kunci database yang sangat spesifik. Platform ini menyediakan mode pencarian cepat, iteratif, dan mendalam sehingga pengguna dapat memilih antara orientasi singkat atau penelusuran yang lebih luas.

Hasil pencarian dirancang untuk menyajikan beberapa lapisan informasi:

1. Ringkasan topik terstruktur sebagai gambaran awal mengenai suatu isu.
2. Konsep-konsep terkait untuk memperluas atau mempersempit pertanyaan.
3. Referensi dan bacaan lanjutan dari repositori NUS.
4. Sitasi yang mengarahkan pengguna ke materi sumber.
5. Knowledge graph, yaitu peta visual yang memperlihatkan hubungan antara konsep, disiplin ilmu, dan sumber.

Sebagai contoh, pertanyaan tentang alasan sejumlah kawasan di Singapura terasa lebih panas dapat mengarah pada hubungan antara kepadatan bangunan, vegetasi, material konstruksi, dan fitur air. Peta tersebut kemudian dapat mengaitkan topik itu dengan ekologi perkotaan, ilmu lingkungan, fisika atmosfer, dan mikrometeorologi.

Dengan cara ini, AI Sense Maker paling tepat dipandang sebagai lapisan orientasi riset. Platform ini dapat membantu pengguna menemukan istilah, bidang ilmu, dan sumber yang relevan sebelum membaca dokumen secara saksama.

Mengapa knowledge graph penting?

Pencarian tradisional biasanya menghasilkan daftar dokumen yang diurutkan berdasarkan relevansi. Knowledge graph menawarkan sudut pandang berbeda dengan memperlihatkan bagaimana gagasan dalam dokumen-dokumen tersebut saling berhubungan.

Graph milik AI Sense Maker dibangun di atas taksonomi yang dikelola. Taksonomi itu pada awalnya mendapat masukan dari Wikidata, lalu dipersempit dan disesuaikan dengan koleksi NUS. Proses kurasi ini penting karena kualitas graph tidak hanya bergantung pada model bahasa, tetapi juga pada cara konsep didefinisikan dan dihubungkan di dalam koleksi yang ditelusuri.

Untuk riset lintas disiplin, fitur ini berpotensi membuka kosakata baru atau bidang-bidang yang berdekatan dan mungkin tidak terpikirkan saat pengguna menulis pertanyaan pertama. Namun, hubungan yang ditampilkan tetap merupakan petunjuk untuk diteliti lebih lanjut, bukan bukti bahwa setiap kaitan yang disarankan sudah benar secara akademik.

GPT-4.1, RAG, dan pembatasan sumber

AI Sense Maker menggunakan GPT-4.1 bersama teknologi retrieval-augmented generation atau RAG. Dalam sistem RAG, model terlebih dahulu mengambil materi yang relevan dari kumpulan sumber tertentu, lalu menggunakan materi itu untuk menyusun jawaban. AI Sense Maker dirancang agar jawabannya berlandaskan sumber NUS yang ditemukan dan dilengkapi sitasi yang dapat diperiksa pengguna.

Pembatasan sistem juga menjaga agar platform tetap berfokus pada konten akademik NUS. AI Sense Maker tidak ditujukan untuk mencari informasi di internet terbuka lalu merangkainya menjadi jawaban. Batasan sumber ini dapat membantu mengurangi keluaran yang tidak berdasar, tetapi tidak menghilangkan kebutuhan untuk memeriksa dokumen yang dikutip, menafsirkan sumber primer, dan menilai apakah jawaban benar-benar sesuai dengan bukti.

GPT-4.1 adalah model yang disebut dalam pemberitaan mengenai AI Sense Maker. OpenAI menjelaskan GPT-4.1 sebagai keluarga model dengan peningkatan dalam mengikuti instruksi dan memahami konteks panjang. Kemampuan umum tersebut tidak berarti AI Sense Maker akan menghasilkan temuan riset yang selalu bebas kesalahan.

Keterbatasan versi awal dan fitur yang direncanakan

Rilis pertama memiliki sejumlah batasan penting:

• Platform baru mendukung pertanyaan satu kali, sehingga belum menyimpan konteks percakapan dalam rangkaian pertanyaan lanjutan.
• Pencarian hanya mencakup materi yang sudah didigitalkan dan dimasukkan ke repositori NUS terkait.
• Platform dapat membantu menemukan sumber dan hubungan antargagasan, tetapi tidak dapat menilai setiap argumen ilmiah atau menyusun kasus riset akhir untuk pengguna.

NUS sedang mengembangkan memori riwayat percakapan untuk riset yang berlangsung lebih lama serta transkripsi suara menjadi teks sebagai peningkatan berikutnya.

Karena itu, alur kerja yang paling masuk akal adalah menggunakan AI Sense Maker sebagai titik awal: temukan sumber dan istilah yang relevan, buka dokumen yang dikutip, bandingkan berbagai penafsiran, lalu susun analisis secara mandiri.

Benarkah waktu pencarian awal bisa dipangkas?

NUS memperkirakan tahap awal penemuan dan orientasi riset, yang dapat memakan waktu sekitar dua minggu, bisa dipangkas menjadi sekitar 30 menit atau kurang dengan AI Sense Maker.

Angka tersebut merupakan perkiraan dari institusi, bukan hasil produktivitas yang telah divalidasi secara independen. Ekspektasi yang lebih hati-hati adalah platform ini dapat mengurangi waktu yang terbuang untuk menindaklanjuti hasil pencarian yang lemah dan membantu pengguna mengumpulkan daftar sumber awal yang disertai sitasi dengan lebih cepat.

Manfaat yang paling mungkin terasa berada pada tahap awal riset: mempercepat pemetaan topik, memperkaya kosakata untuk pencarian berikutnya, dan memperlihatkan hubungan lintas disiplin maupun koleksi. Setelah itu, membaca, mengkritisi sumber, dan membangun argumen tetap menjadi pekerjaan peneliti.