AI Google Ternyata Tak Bisa Mengeja Kata 'Google', kok Bisa?

Kesalahan ejaan pada AI sebenarnya bukan hal baru. Dalam beberapa tahun terakhir, pengguna berbagai chatbot berbasis kecerdasan buatan kerap menguji kemampuan model dengan tugas sederhana, seperti menghitung jumlah huruf dalam sebuah kata. Menariknya, model yang mampu menulis kode komputer, merangkum informasi kompleks, hingga menjawab pertanyaan rumit justru terkadang keliru saat diminta melakukan tugas dasar seperti menghitung huruf.

Penyebabnya terletak pada cara kerja Large Language Model (LLM), teknologi yang menjadi fondasi berbagai chatbot modern. Berbeda dengan manusia yang membaca huruf satu per satu, AI tidak memproses teks secara langsung dalam bentuk karakter. Sebaliknya, sistem memecah teks menjadi unit-unit yang disebut token.

Token dapat berupa kata utuh, potongan kata, maupun gabungan karakter tertentu yang kemudian diubah menjadi representasi numerik untuk diproses oleh model. Akibatnya, kata seperti "Google" tidak selalu dipahami sebagai susunan huruf G-O-O-G-L-E. Kata tersebut lebih sering diproses sebagai pola bahasa yang memiliki makna tertentu berdasarkan data yang telah dipelajari AI selama proses pelatihan.

Peneliti AI sekaligus Asisten Profesor di University of Alberta, Matthew Guzdial, menjelaskan bahwa model bahasa tidak benar-benar membaca teks seperti manusia. Ketika pengguna mengajukan pertanyaan, teks terlebih dahulu diterjemahkan menjadi representasi angka yang kemudian diproses untuk menghasilkan respons yang dianggap paling relevan. Karena itu, saat diminta menghitung jumlah huruf dalam sebuah kata, AI sebenarnya sedang mengerjakan tugas yang bukan menjadi kekuatan utamanya.

Model bahasa dirancang untuk mengenali pola, memahami konteks, dan memprediksi kata berikutnya berdasarkan kemungkinan statistik. Lewat mekanisme tersebut, AI sering kali mampu memahami maksud pengguna meskipun terdapat salah ketik atau susunan kalimat yang kurang tepat. Namun, kemampuan memahami konteks tidak selalu diikuti kemampuan untuk melakukan analisis huruf secara presisi. Inilah alasan mengapa AI terkadang bisa menjawab pertanyaan kompleks dengan baik, tetapi justru melakukan kesalahan pada tugas yang tampak sederhana bagi manusia.

Kasus AI Overview ini menunjukkan salah satu paradoks dalam perkembangan kecerdasan buatan modern. Di satu sisi, AI mampu membantu pengguna menemukan informasi dengan cepat, memahami maksud pencarian yang kurang tepat, bahkan memberikan ringkasan jawaban secara instan. Misalnya, ketika pengguna salah mengetik suatu istilah di mesin pencari, AI sering kali tetap dapat memahami konteks pencarian dan menampilkan hasil yang relevan. Kemampuan tersebut dimungkinkan karena AI dilatih menggunakan data dalam jumlah sangat besar untuk mengenali pola bahasa.

Namun, sistem yang sama bisa saja menghasilkan jawaban keliru ketika diminta menghitung jumlah huruf dalam sebuah kata. Hal ini terjadi karena AI pada dasarnya bekerja dengan memprediksi respons yang paling mungkin muncul berdasarkan pola yang telah dipelajari, bukan memahami informasi dengan cara yang sama seperti manusia. Fenomena serupa sebenarnya tidak hanya terjadi pada AI Overview milik Google. Berbagai model AI generatif lain juga pernah mengalami kesalahan sejenis karena menggunakan prinsip kerja model bahasa yang relatif sama.

Meski semakin canggih, AI generatif tetap bisa melakukan kesalahan, bahkan pada hal-hal yang terlihat sederhana. Kasus AI Overview Google ini menjadi pengingat bahwa pengguna tetap perlu bersikap kritis dan memverifikasi informasi yang dihasilkan AI.