AI & Bahasa: Menjembatani Kesenjangan Budaya untuk Pemahaman Sejati

Ketika Mesin Mempelajari Bahasa Kita: Kedalaman Pemahaman AI

Proyek inovatif di University of Connecticut sedang meneliti secara mendalam bagaimana bahasa membentuk pemahaman kecerdasan buatan (AI) terhadap manusia. Berjudul "Reading Between the Lines: An Interdisciplinary Glossary for Human-Centered AI", inisiatif ini mengeksplorasi bagaimana konsep-konsep inti seperti "kecerdasan", "pembelajaran", dan "etika" didefinisikan secara berbeda di berbagai budaya. Pemahaman akan perbedaan-perbedaan ini menjadi krusial seiring dengan semakin terintegrasinya AI dalam kehidupan sehari-hari, menyoroti kebutuhan mendesak untuk mengembangkan sistem AI yang lebih inklusif dan peka budaya.

Program ini, yang diulas dalam UConn Today, menyatukan para peneliti dari berbagai disiplin ilmu untuk membantu institusi membangun sistem AI yang merefleksikan, alih-alih menghapus, keragaman budaya global. Anna Mae Duane, Direktur UConn Humanities Institute, menekankan bahwa "Jika kita menginginkan AI yang ekspansif, inklusif, dan membebaskan, kita perlu memulainya dengan cara kita membicarakannya." Pernyataan ini menggarisbawahi pentingnya fondasi linguistik dan konseptual dalam pengembangan AI yang berpusat pada manusia.

Penelitian UConn muncul pada saat studi global secara konsisten menemukan kesenjangan dalam kemampuan model AI untuk menangani berbagai bahasa dan dialek. Sebuah studi dari Universitas Johns Hopkins tahun 2025 mengungkapkan bahwa model multibahasa cenderung mengutamakan bahasa Inggris dan bahasa dominan lainnya. Senada dengan itu, analisis MIT Sloan menunjukkan bahwa prompt AI yang sama dapat menghasilkan respons yang sangat bervariasi tergantung pada bahasa yang digunakan. Temuan-temuan ini memperkuat urgensi penelitian UConn yang berfokus pada bahasa sebagai dasar untuk mencapai inklusi, akurasi, dan kepercayaan dalam ekosistem AI yang terus berkembang.

Kerangka Budaya Kecerdasan: Tiga Dimensi Kunci

Inisiatif UConn ini terstruktur di sekitar tiga tema sentral: kepedulian (care), literasi, dan hak, yang bersama-sama membentuk kerangka kerja untuk pemahaman timbal balik antara manusia dan mesin. Pendekatan ini mengakui bahwa untuk AI benar-benar memahami manusia, ia harus melampaui analisis sintaksis dan semantik literal, memasuki wilayah nuansa budaya dan kontekstual.

1. Dimensi Kepedulian: Empati dan Komunikasi Kontekstual

Dimensi "kepedulian" memfokuskan pada aspek empati dan komunikasi yang efektif. Ihsane Hmamouchi dari Université Internationale de Rabat menjelaskan, "Kepedulian dimulai dengan bahasa." Ia menunjukkan bahwa sistem AI yang dilatih dengan kumpulan data terbatas sering kali gagal memahami konteks, terutama ketika pengguna berbicara dalam idiom atau dialek lokal. Keterbatasan ini menjadi semakin jelas seiring dengan ekspansi global AI.

Sebuah survei yang dilakukan oleh Universitas Studi Asing Beijing terhadap 50 model multibahasa mengidentifikasi tantangan konsisten terkait kelangkaan data, keselarasan, dan bias yang tertanam. Menanggapi hal ini, perusahaan teknologi mulai bergerak. Ekspansi AI Mode Google kini mendukung 35 bahasa tambahan, sementara Program Mitra Teknologi Bahasa Meta mengundang universitas untuk membantu melatih model dalam bahasa-bahasa yang kurang terwakili. Upaya-upaya ini sejalan dengan tujuan UConn untuk membangun kerangka kerja bersama tentang bagaimana sistem AI berkomunikasi secara lintas budaya.

2. Redefinisi Literasi di Era AI: Melampaui Pengoperasian

Tema kedua proyek ini, "literasi", berpusat pada interpretasi makna daripada sekadar akses atau pengoperasian. Para peneliti UConn mendefinisikan literasi AI sebagai kemampuan untuk memahami bagaimana makna diciptakan di dalam suatu sistem, bukan hanya bagaimana mengoperasikannya. Perbedaan ini krusial, mengingat sebuah studi Cornell Global AI Initiative yang menunjukkan bahwa alat prediksi teks cenderung menormalkan frasa Barat, yang secara bertahap mempersempit cara orang mengekspresikan diri mereka.

Bias juga terlihat jelas dalam data pelatihan. MIT News melaporkan bahwa model bahasa besar (LLM) mereplikasi hierarki dari materi sumber mereka, bahkan ketika diberi instruksi netral. Sebagai respons, ETH Zurich sedang membangun model sumber terbuka yang dilatih dalam 1.000 bahasa untuk lebih menjaga keanekaragaman linguistik. Ini menunjukkan pergeseran menuju pengembangan AI yang lebih sadar akan implikasi linguistik dan budaya dari data pelatihannya.

3. Hak: Menghubungkan Bahasa dengan Etika dan Tata Kelola

Tema terakhir, "hak", mengaitkan bahasa dengan etika dan tata kelola AI. Filsuf Michael Lynch, dalam artikel UConn Today yang sama, memperingatkan bahwa "semakin kita mempercayai AI tanpa pertanyaan, semakin kurang reflektif dan kreatif kita jadinya. Kita tahu lebih banyak fakta; tetapi kita kurang memahami." Komentarnya menangkap keseimbangan yang harus dinavigasi oleh para eksekutif saat mereka memperluas otomatisasi: efisiensi tidak boleh mengorbankan pemahaman mendalam.

Ini menyoroti perlunya AI untuk tidak hanya memproses informasi, tetapi juga memahami implikasi etis dan sosial dari responsnya. Pengembangan kerangka kerja yang kuat untuk hak-hak digital dan linguistik dalam konteks AI adalah penting untuk memastikan bahwa teknologi ini melayani semua lapisan masyarakat secara adil dan bermartabat.

Glosarium untuk Masa Depan: Sebuah "Anti-Glosarium" Dinamis

Alih-alih menghasilkan daftar definisi yang kaku, tim UConn sedang membangun "anti-glosarium" – sebuah kerangka kerja hidup yang berevolusi seiring dengan perubahan teknologi dan bahasa. Pendekatan ini mendorong perusahaan, regulator, dan peneliti untuk memperlakukan terminologi AI sebagai sesuatu yang terbuka untuk diskusi, bukan sesuatu yang sudah baku. Ini adalah langkah maju yang signifikan dari pemikiran tradisional tentang standardisasi istilah, mengakui fluiditas bahasa dan budaya.

Bagi organisasi yang menerapkan AI secara global, gagasan ini memiliki nilai praktis yang besar. Kata-kata yang digunakan dalam dokumen kebijakan, kartu model, dan kerangka kerja tata kelola sangat memengaruhi bagaimana sistem AI berperilaku dan bagaimana mereka dipersepsikan oleh pengguna. Seiring dengan terus membentuknya AI keputusan ekonomi dan sosial, para peneliti UConn berpendapat bahwa kesuksesan akan sangat bergantung pada kosakata bersama, sebuah kosakata yang merefleksikan bagaimana orang benar-benar berbicara dan memahami dunia. Dengan demikian, pengembangan AI yang inklusif dan efektif adalah perjalanan berkelanjutan dalam pemahaman dan adaptasi linguistik dan budaya.