Penyebab AI Belum Bisa Gantikan Penerjemah Manusia Seutuhnya

Bahasa gak selalu bisa diterjemahkan secara harfiah. Dalam percakapan sehari-hari, kamu mungkin sering menemukan ungkapan yang maknanya berbeda dari arti setiap kata penyusunnya. Misalnya, orang Prancis menggunakan ungkapan il pleut des cordes untuk menggambarkan hujan yang sangat deras. Jika diterjemahkan secara langsung ke bahasa Inggris, ungkapan tersebut berarti hujan tali, padahal maksud sebenarnya adalah hujan deras.

François Yvon, direktur riset di Pusat Nasional Penelitian Ilmiah Prancis (CNRS) yang mengkhususkan diri dalam penerjemahan otomatis, menjelaskan bahwa sistem AI yang terlatih dengan baik bisa mengenali ungkapan tersebut dan memilih padanan bahasa Inggris yang lebih tepat, yaitu it's raining cats and dogs. Namun, tantangannya muncul ketika AI harus mencari padanan ungkapan yang sesuai dalam bahasa lain, termasuk bahasa Indonesia. Perbedaan budaya, kebiasaan berbicara, dan konteks percakapan membuat proses penerjemahan gak sesederhana mengganti satu kata dengan kata lainnya.

Masalah serupa juga bisa terjadi pada kata yang memiliki beberapa arti. Menurut Yvon, AI bisa keliru memahami instruksi translate into Polish sebagai sesuatu yang berkaitan dengan semir sepatu, bukan menerjemahkan teks ke bahasa Polandia. Padahal, manusia biasanya bisa menentukan arti yang tepat dengan melihat kalimat dan situasi pembicaraan. Kemampuan memahami konteks inilah yang masih menjadi tantangan bagi sistem penerjemahan otomatis.

Penerjemahan dokumen hukum membutuhkan ketelitian tinggi karena setiap istilah dapat memengaruhi pemahaman seseorang terhadap hak, kewajiban, dan proses hukum yang sedang dijalani. Kesalahan memilih satu kata saja bisa mengubah maksud kalimat secara signifikan. Oleh karena itu, dokumen seperti kontrak, berkas pengadilan, dan permohonan suaka gak bisa diperlakukan sama seperti percakapan santai atau deskripsi produk.

Ariella Baltié, penerjemah sekaligus ahli hukum yang berspesialisasi dalam penerjemahan dokumen pengadilan dari bahasa Inggris ke bahasa Prancis, pernah diminta memeriksa dokumen yang sebelumnya diterjemahkan menggunakan AI. Ia menemukan dua kesalahan besar sejak bagian awal dokumen. Istilah le demandeur, yang dalam konteks hukum berarti penggugat, diterjemahkan menjadi the requester atau pemohon, sedangkan frasa Madame X, épouse Y, yang menunjukkan seorang perempuan dengan nama keluarga suaminya diterjemahkan menjadi Ms X marries Y, seolah-olah perempuan tersebut sedang menikahi seseorang.

Kesalahan semacam ini berpotensi menimbulkan kebingungan dan memengaruhi proses hukum. Dalam kasus di Amerika Serikat, kekeliruan penerjemahan otomatis pada permohonan suaka bahkan pernah menyebabkan keterlambatan pembebasan orang yang ditahan. Karena itu, penerjemah manusia tetap berperan penting untuk memastikan istilah hukum digunakan sesuai konteksnya. Ketelitian tersebut diperlukan agar dokumen yang diterjemahkan tidak mengubah maksud asli dan tidak menimbulkan konsekuensi yang merugikan.

Bidang medis menjadi salah satu area yang membutuhkan tingkat akurasi yang sangat tinggi dalam penerjemahan. Informasi mengenai dosis obat, hasil pemeriksaan darah, dan prosedur perawatan harus disampaikan secara tepat karena kesalahan kecil bisa memengaruhi keputusan tenaga kesehatan. Dalam situasi seperti ini, terjemahan yang terdengar meyakinkan belum tentu benar secara medis.

Carol Bereuter, seorang spesialis penerjemahan medis, pernah menemukan kesalahan ketika AI menerjemahkan simbol huruf Yunani μ. Simbol tersebut seharusnya dibaca sebagai mikro, yang menunjukkan satu per sejuta, tapi justru diterjemahkan menjadi mili, yang berarti satu per seribu. Perbedaan ini sangat besar karena satu miligram setara dengan 1.000 mikrogram. Jika kekeliruan tersebut terjadi dalam petunjuk pemberian obat, dosis yang diberikan bisa mencapai seribu kali lipat dari jumlah yang seharusnya.

Bereuter juga menyoroti tantangan lain yang muncul seiring meningkatnya kemampuan AI dalam menghasilkan kalimat yang lancar dan alami. Dahulu, kesalahan penerjemahan lebih mudah dikenali karena susunan kalimatnya terasa janggal atau tata bahasanya berantakan. Sekarang, sebuah terjemahan bisa terdengar sangat meyakinkan meskipun mengandung kekeliruan penting. Itulah sebabnya, pemeriksaan oleh penerjemah yang memahami istilah medis tetap diperlukan untuk mengurangi risiko kesalahan yang sulit terlihat.

Kemampuan AI dalam menerjemahkan teks memang terus berkembang dan bisa membantu menyelesaikan pekerjaan dalam jumlah besar dengan lebih cepat. Namun, kecepatan tersebut gak otomatis menjamin seluruh informasi tersampaikan secara akurat. Hal ini terlihat dari pekerjaan Open Knowledge Association (OKA), organisasi nirlaba asal Swiss yang menerjemahkan artikel Wikipedia ke berbagai bahasa.

Pendiri OKA, Jonathan Zimmermann, menjelaskan bahwa organisasi tersebut telah menerbitkan lebih dari 10.000 artikel terjemahan, terutama dalam bahasa Spanyol, Portugis, dan Inggris. Pencapaian itu gak mungkin dilakukan dengan cara tradisional tanpa biaya yang sangat besar. Karena itu, OKA menggunakan AI untuk menghasilkan draf awal, kemudian penerjemah manusia memeriksa setiap kalimat sebelum artikel dipublikasikan. Kolaborasi ini memungkinkan proses penerjemahan berjalan lebih efisien tanpa mengabaikan ketepatan informasi.

Dalam penelitian yang didukung Wikimedia CH, Open Knowledge Association (OKA) mengevaluasi 119 artikel dalam 10 pasangan bahasa dengan melibatkan 1.068 jam kerja manusia. Zimmermann menyampaikan bahwa 27 persen teks yang dihasilkan AI masih mengalami koreksi sebelum diterbitkan. Dari seluruh koreksi tersebut, tiga perempatnya berkaitan dengan kesalahan yang diperkenalkan oleh AI, sementara sekitar 5-6 persen kesalahan mengubah makna teks asli. Temuan ini menunjukkan bahwa pemeriksaan manusia masih dibutuhkan, terutama untuk artikel ensiklopedia yang informasinya bisa dipercaya, dikutip, dan digunakan kembali selama bertahun-tahun.

Salah satu tantangan terbesar dalam penerjemahan otomatis adalah cara AI menentukan kata yang paling mungkin sesuai dengan suatu kalimat. Sistem ini menggunakan pola dan probabilitas untuk menghasilkan terjemahan yang dianggap paling tepat. Namun, sesuatu yang kemungkinan besar benar belum tentu benar dalam setiap situasi. Perbedaan tersebut menjadi penting ketika sebuah teks memuat informasi sensitif atau membutuhkan ketepatan makna secara menyeluruh.

Yvon menilai bahwa mekanisme dasar sistem AI membuat pencapaian akurasi 100 persen masih sulit dibayangkan. Bahasa manusia memiliki banyak nuansa, perubahan makna, dan konteks yang gak selalu bisa diprediksi hanya dari pola kata. Karena itu, peningkatan kemampuan AI belum tentu menghilangkan seluruh risiko kesalahan. Bahkan, ketika hasil terjemahannya sudah terlihat sempurna, tetap ada kemungkinan makna tertentu meleset dari maksud penulis aslinya.

Meski demikian, Yvon memperkirakan teknologi penerjemahan akan terus berkembang melalui sistem yang mampu mengevaluasi dan memperbaiki hasil kerjanya sendiri. Misalnya, satu AI bertugas menerjemahkan teks, sistem kedua mengkritisi hasilnya, lalu sistem ketiga menghasilkan versi yang sudah diperbaiki. Menurutnya, kemajuan penting berikutnya adalah ketika AI mampu menunjukkan keraguan dan memberi tahu pengguna saat sistem tersebut gak yakin dengan hasil terjemahannya. Kemampuan mengakui ketidakpastian ini akan membantu pengguna menentukan kapan sebuah terjemahan perlu diperiksa lebih lanjut oleh manusia.

AI telah mengubah cara manusia menerjemahkan bahasa dengan menawarkan kecepatan, efisiensi, dan kemudahan yang sulit diabaikan. Untuk kebutuhan berisiko rendah, seperti memahami percakapan umum atau menerjemahkan deskripsi produk, teknologi ini bisa menjadi pilihan yang praktis. Akan tetapi, persoalan konteks, istilah hukum, akurasi medis, dan kesalahan makna menunjukkan bahwa penerjemah manusia masih memiliki peran penting. Oleh sebab itu, masih ada penyebab AI belum bisa gantikan penerjemah manusia seutuhnya. Ke depannya, kolaborasi antara AI dan manusia berpotensi menjadi pendekatan yang lebih efektif, sehingga pekerjaan bisa diselesaikan lebih cepat tanpa mengorbankan ketepatan informasi.