AI Kini Belajar Menerjemahkan Sendiri Tanpa Perlu Diajari

Ini bukan fiksi ilmiah, dan bukan sekadar bahasa pemasaran. Para peneliti telah mendokumentasikan berbagai bentuk kemampuan multibahasa yang “muncul dengan sendirinya” selama bertahun-tahun. Riset dari Google tentang penerjemahan mesin neural multibahasa menunjukkan bahwa model yang dilatih pada banyak pasangan bahasa dapat melakukan terjemahan “zero-shot” antar-pasangan bahasa yang tidak pernah diajarkan secara langsung. Hal itu meruntuhkan asumsi lama bahwa setiap rute terjemahan harus diajarkan secara eksplisit. Sejak itu, model bahasa skala besar yang dilatih pada kumpulan data masif dari internet telah mendorong gagasan ini lebih jauh. Model seperti sistem bergaya GPT, model multibahasa dari Meta, dan model terbuka seperti varian Llama telah menunjukkan bahwa mereka sering kali dapat menerjemahkan, merangkum, dan menjawab pertanyaan dalam berbagai bahasa, bahkan ketika terjemahan bukanlah tugas utama mereka.

Buktinya paling kuat pada bahasa-bahasa dengan sumber daya tinggi. Bahasa Inggris, Spanyol, Prancis, Jerman, Mandarin, Arab, dan beberapa bahasa besar lainnya mendominasi teks online yang diserap oleh sistem ini. Riset dari berbagai institusi termasuk DeepMind, Google, Meta, dan universitas-universitas besar telah berulang kali menemukan bahwa peningkatan skala pelatihan multibahasa akan meningkatkan transfer lintas-bahasa. Sederhananya, sebuah model yang belajar cukup banyak tentang banyak bahasa terkadang dapat memetakan makna di antara bahasa-bahasa tersebut tanpa diberi contoh langsung untuk setiap pasangan. Hasilnya bisa terlihat hampir ajaib. Minta sistem untuk memindahkan sebuah ide dari satu bahasa ke bahasa lain, dan sering kali ia bisa melakukannya.

Namun, klaim yang menggoda—bahwa AI bisa mengajari dirinya sendiri menerjemahkan—perlu diluruskan. Faktanya dulu: model ini tidak belajar di ruang hampa. Mereka dilatih menggunakan lautan teks buatan manusia, yang sering kali diambil dari web, buku, kode, dan korpus besar lainnya. Mereka tidak menciptakan bahasa dari ketiadaan. Opini: menyebut ini “belajar sendiri” adalah istilah yang praktis, tetapi juga bisa menyesatkan. Yang sebenarnya terjadi adalah model ini mengekstrak pola dari paparan multibahasa yang begitu luas sehingga terjemahan menjadi produk sampingan dari pembelajaran bahasa secara umum. Ini tidak seromantis kedengarannya, tetapi secara praktis mungkin lebih penting.

Mengapa ini terjadi? Karena terjemahan bukan hanya soal mencocokkan kamus. Ini adalah soal mencocokkan pola makna, sintaksis, konteks, dan pengetahuan umum. Model besar sangat andal dalam mengekstrak pola jika diberi data dan kekuatan komputasi yang cukup. Jika sebuah sistem melihat nama, peristiwa, produk, tempat, dan konsep yang sama diulang-ulang dalam berbagai bahasa, ia mulai membangun representasi internal yang menghubungkan semuanya. Para peneliti sering menggambarkannya sebagai ruang semantik bersama. Istilah ini terdengar abstrak, tetapi intinya sederhana: model tersebut mulai memperlakukan ide sebagai sesuatu yang bisa dipindahkan antarbahasa.

Hal ini mengubah ekonomi AI. Sistem terjemahan tradisional memerlukan kurasi data paralel yang cermat, yang biayanya mahal dan sering kali langka untuk bahasa-bahasa yang lebih kecil. Jika model serbaguna dapat memperoleh kemampuan menerjemahkan dari teks multibahasa campuran, perusahaan dapat meluncurkan produk lebih cepat dan lebih murah. Itulah mengapa tren ini penting jauh di luar laboratorium. Ini memengaruhi pencarian, layanan pelanggan, moderasi media sosial, perdagangan lintas-batas, alat pendidikan, dan asisten suara. Terjemahan bukan lagi fitur yang berdiri sendiri. Ia menjadi kemampuan bawaan dari sistem AI umum.

Ada narasi yang menarik di sini tentang demokratisasi. Skenario terbaiknya, model yang bisa menggeneralisasi antarbahasa dapat membantu lebih banyak orang untuk online dalam bahasa mereka sendiri. Mereka bisa mendukung terjemahan murah untuk sekolah, klinik, migran, dan usaha kecil. Di negara-negara dengan banyak bahasa lokal dan sumber daya digital yang terbatas, hal itu sangat berarti. UNESCO dan badan-badan global lainnya telah lama memperingatkan tentang eksklusi digital bagi bahasa-bahasa yang representasinya lemah di dunia online. Jika AI dapat menurunkan penghalang itu, manfaatnya nyata.

Sekarang, kenyataan pahitnya. Tren yang sama juga bisa memperdalam ketidaksetaraan. Sistem-sistem ini paling andal di mana datanya paling kaya, dan paling lemah di mana ia paling dibutuhkan. Riset tentang NLP multibahasa berulang kali menemukan ketidakseimbangan yang brutal: sejumlah kecil bahasa mendominasi data, tolok ukur, dan perhatian para insinyur. Bahasa dengan sumber daya rendah, bahasa adat, dan dialek sering kali ditangani dengan buruk atau diabaikan. Sebuah model mungkin tampak fasih dalam bahasa besar tetapi gagal total pada bahasa daerah, atau menyamaratakan makna lokal menjadi bentuk standar. Ini bukan sekadar catatan kaki teknis. Ini adalah masalah kekuasaan. Bahasa membawa hukum, identitas, budaya, dan kepercayaan. Terjemahan yang buruk di rumah sakit, ruang sidang, atau kantor pemerintah bukanlah gangguan yang tidak berbahaya.

Ada masalah lain yang sering coba diabaikan oleh industri AI. Jika model mempelajari kemampuan secara tidak langsung, maka pengujian dan kontrol menjadi lebih sulit. Pengembang bisa melakukan *fine-tune* pada sistem untuk satu tujuan, tetapi akhirnya menemukan kemampuan tak terduga atau mode kegagalan di bidang lain. Ini bukan bukti bahaya dalam setiap kasus, tetapi ini adalah tantangan tata kelola yang nyata. Jika sebuah perusahaan tidak dapat menjelaskan dengan gamblang perilaku linguistik mana yang muncul dari data dan langkah pelatihan yang mana, regulator dan pengguna hanya akan berhadapan dengan kotak hitam yang dibungkus dalam demo produk.

Jawabannya bukanlah panik, dan tentu saja bukan promosi buta. Jawabannya adalah transparansi yang disiplin. Perusahaan harus mengungkapkan bahasa mana yang telah dievaluasi dengan andal oleh sistem mereka dan mana yang belum. Ini terdengar mendasar karena memang begitu. Terlalu banyak produk AI yang masih memasarkan kompetensi “multibahasa” seolah-olah itu berarti kualitas yang luas dan setara. Padahal tidak. Tolok ukur publik harus mencakup lebih banyak bahasa, terutama yang terpinggirkan secara digital. Pemerintah dan universitas harus berinvestasi dalam dataset terbuka dan alat evaluasi untuk bahasa-bahasa yang kurang terwakili, dengan persetujuan dan keterlibatan masyarakat lokal. Jika masa depan terjemahan dibentuk oleh model raksasa, maka publik tidak seharusnya menerima sistem yang hanya dibangun untuk bahasa-bahasa paling menguntungkan di dunia.

Pengembang juga perlu berhenti berpura-pura bahwa skala besar saja sudah cukup bijak. Model yang lebih besar memang bisa menemukan pola lintas-bahasa yang mengesankan. Namun, mereka juga bisa menyerap bias, salah menerjemahkan konsep sensitif, atau menghilangkan nuansa. Penerjemah manusia, ahli bahasa, dan pakar komunitas masih penting. Faktanya, mereka menjadi lebih penting ketika sistem AI terlihat cukup kompeten untuk menipu pembeli dan pejabat agar terlalu mempercayainya. Bahayanya bukan karena terjemahan AI tidak berguna. Bahayanya adalah ia cukup berguna sehingga digunakan secara sembrono.

Cerita lama mengatakan bahwa mesin menerjemahkan karena manusia secara eksplisit mengajarinya setiap langkah. Cerita yang baru lebih berantakan dan lebih kuat. Model AI dapat mengembangkan kemampuan menerjemahkan sebagai efek samping dari pembelajaran bahasa secara masif. Ini adalah terobosan teknis yang sejati. Ini mungkin juga menjadi garis patahan politik dan budaya. Ketika sebuah mesin mulai menjembatani bahasa tanpa diberi tahu caranya secara langsung, pencapaian itu nyata. Begitu pula dengan tanggung jawabnya. Terjemahan bukan hanya soal kata-kata. Ini soal makna milik siapa yang bisa selamat menyeberang.