Neural Machine Translation: Masa Depan Industri Terjemahan?

Untitled

Picture is taken from here. I don’t own the image above. Contact me for removal.

 

English:

ABC Hotel features stunning views of the sunset over the water.

Indonesian (1)

ABC Hotel menampilkan pemandangan matahari terbenam yang menakjubkan di atas air.

Indonesian (2)

ABC Hotel menyajikan pemandangan matahari terbenam di atas air yang menakjubkan.

 

Kalau harus menebak terjemahan mana yang merupakan hasil terjemahan mesin (machine translation atau MT) dan mana yang hasil terjemahan manusia, apa jawaban Anda? Non-penerjemah mungkin akan sedikit bingung dan menganggap keduanya hasil terjemahan manusia. Rata-rata penerjemah profesional mungkin akan memilih hasil terjemahan ke-2 sebagai hasil terjemahan manusia.

Faktanya, terjemahan pertama (Indonesian (1)) adalah hasil terjemahan Google Translate dan terjemahan kedua (Indonesian (2)) adalah hasil terjemahan manusia. Kalau boleh jujur, hasil terjemahan Google pada contoh di atas tidaklah buruk. Bahkan orang awam mungkin tidak akan menyangka bahwa itu adalah hasil terjemahan mesin. Okay, I may cherry-pick the example, but that’s not the point I’m trying to make here. Poin saya adalah, hasil terjemahan mesin sudah begitu maju dan beberapa kalimat bisa diterjemahkan dengan cukup baik dan bisa dimengerti tanpa bantuan seorang post-editor*.

Google Translate bukanlah pemain tunggal atau pertama dalam industri MT. Ada banyak pemain MT lain yang bisa menghasilkan terjemahan mesin seperti Google Translate, misalnya Microsoft Translator, Systran, SDL, dst. MT sendiri sebenarnya bukanlah barang baru dalam industri terjemahan. MT adalah cabang dari computational linguistics yang mempelajari penggunaan software untuk menerjemahkan teks dari satu bahasa ke bahasa lainnya. Ada beberapa pendekatan yang digunakan dalam MT: Rule-based, Statistical, Example-based, Hybrid MT, dan Neural MT1 (Detailnya baca sendiri ya di Wikipedia. Hihi..). Google dan Microsoft sekarang menggunakan metode yang terakhir, Neural MT.2

Neural Machine Translation (NMT) adalah tren terbaru dalam industri penerjemahan. NMT adalah sebuah metode berbasis Artificial Neural Network (ANN), yang diperkenalkan pada akhir tahun 1950an.3 Untuk menjelaskan definisi NMT dan ANN, saya akan menerjemahkan (bebas) sebagian isi artikel “Why Neural Machine Translation (NMT) Might be the Next Big Step for the Industry”, yang saya kutip langsung dari sini:

“ANN adalah paradigma dalam pemrosesan informasi, yang terinspirasi dari cara sistem saraf biologis (seperti otak) memproses informasi. ANN terdiri dari sejumlah neuron yang saling terkoneksi dan bersama-sama bekerja untuk menyelesaikan suatu masalah. Seperti layaknya makhluk hidup yang memiliki kesadaran dan merasakan sesuatu (sentient being), ANN akan belajar melalui pengalaman dan contoh.

Neural MT atau NMT pada dasarnya berupaya menggunakan Recurrent Neural Network (RNN – atau sistem saraf buatan/artifisial) untuk meningkatkan kualitas terjemahan. Jauh melampaui terjemahan mesin statistik tradisional, NMT membangun jaringan neuron tunggal yang secara bersama-sama dapat digunakan untuk memaksimalkan kualitas terjemahan.”

Terdengar sulit dipahami? Sederhananya, NMT memanfaatkan teknologi jaringan saraf buatan (artifisial) untuk mempelajari struktur bahasa dan pada akhirnya menerjemahkan bahasa sumber ke bahasa target seperti layaknya otak manusia.

Baru-baru ini, tim Natural Language Processing (NLP) dari Harvard mengembangkan OpenNMT yang diprakarsai oleh Yoon Kim, seorang developer dan kandidat PhD Harvard. OpenNMT adalah sistem terjemahan mesin neural sumber terbuka yang menggunakan toolkit matematika Torch/PyTorch.4 “Sumber terbuka” (open-source) berarti siapa saja (baca: yang memiliki skill) dapat ikut bergabung untuk mengembangkan NMT. Tujuan OpenNMT adalah mendorong komunitas industri terjemahan untuk berkontribusi menyempurnakan NMT.5

Meskipun NMT adalah tren baru dan aplikasinya dalam bisnis sehari-hari masih sangat terbatas, kita bisa membaca tren yang sangat mungkin terjadi pada industri terjemahan di masa depan. Di masa depan, hasil terjemahan mesin kemungkinan besar akan sangat meningkat atau bahkan dapat menyamai kualitas terjemahan manusia. Tidak perlu tunggu 40 tahun ke depan, sekarang pun kita sudah bisa berkomunikasi (walaupun secara terbatas) dengan orang asing menggunakan Google Translate. NMT bisa jadi merupakan masa depan industri terjemahan.

Perlu waktu yang cukup lama bagi seseorang untuk belajar dan terus berlatih untuk menjadi seorang penerjemah profesional dengan skill yang mumpuni. Katakanlah, seseorang memerlukan waktu 10 tahun untuk belajar dan berlatih menjadi penerjemah yang baik. Itu baru untuk satu orang penerjemah. Bayangkan berapa banyak waktu, biaya, dan energi yang dibutuhkan? Jika teknologi seperti NMT berhasil mengatasi hambatannya (seperti biaya untuk riset dan masalah teknis), kita bisa menukar 10 tahun tadi dengan waktu download beberapa detik saja untuk mendapatkan penerjemah yang andal di dalam saku masing-masing. Jadi, bukan tidak mungkin penerjemah akan masuk ke dalam daftar profesi yang akan punah karena digantikan oleh AI (Artificial Intelligence).

Mungkin perpindahan sepenuhnya dari penerjemah manusia ke mesin tidak akan terjadi dalam waktu dekat. Dalam jangka pendek (misalnya 5-10 tahun lagi), alih-alih berpindah sepenuhnya ke MT, mungkin akan lebih banyak penerjemah yang beralih ke post-editing. Mesin akan menerjemahkan teks dan manusia berperan sebagai editornya. Jika memang hasil MT semakin baik, proses pengeditan bisa jadi lebih cepat dan volume teks yang akan diterjemahkan pun akan semakin banyak dalam waktu yang lebih singkat.

Sebagai penerjemah, kita memiliki beberapa pilihan. Pertama, kita bisa menolak kemungkinan ini mentah-mentah dan bersikeras bahwa penerjemah manusia akan terus bertahan hingga 100 tahun atau lebih ke depan. Kalau Anda termasuk yang berpikir demikian, think again. Sebagai perbandingan, mari kita lihat perkembangan AI di abad ke-21, misalnya Watson.

Watson adalah sistem kecerdasan buatan  keluaran IBM yang didesain untuk mendiagnosis penyakit pada manusia. “Watson memiliki potensi keunggulan yang jauh lebih besar dari dokter manusia. Watson dapat menyimpan data seluruh penyakit yang pernah diketahui dalam sejarah. Watson menyimpan riwayat penyakit dan data genom pasien dan keluarganya. Watson juga tidak pernah sakit, lapar, lelah, dan bisa fokus mendiagnosis penyakit manusia. Dengan seluruh keunggulannya, Watson dapat mengancam profesi dokter umum di masa depan.”6 AI juga sudah demikian maju di abad ke-21 ini hingga dapat mengalahkan atlet catur dan pemain Go* profesional tingkat dunia. Jadi, kalau teknologi AI bisa menggantikan peran dokter di masa depan dan saat ini sudah bisa mengalahkan atlet catur serta Go, why on earth can’t it replace the whole human translators, too?

Pilihan kedua, kita bisa menerima dengan lapang dada kemungkinan bahwa penerjemah manusia akan digantikan dengan mesin (misalnya dengan Neural MT) di masa yang akan datang. Dalam 30-40 tahun ke depan (atau bahkan lebih cepat), mungkin profesi penerjemah dan juru bahasa manusia sudah ditinggalkan. Jika hal ini benar-benar terjadi, masih relevankah mengarahkan anak-anak kita sekarang (yang masih kecil) untuk menjadi penerjemah di masa depan? Apakah profesi penerjemah masih ‘laku’ di jaman mereka nanti? Bagi penerjemah muda, apakah ini waktunya bagi kita untuk mulai memikirkan profesi baru dan belajar skill lainnya?

Saya tentu saja bisa salah, karena tidak ada yang pasti pada teknologi (atau apa pun di dunia ini). Tapi saya rasa tidak ada salahnya bagi generasi penerjemah muda dan calon penerjemah untuk berpikir jauh ke depan. Tidak ada gunanya hidup dalam penolakan, atau sebaliknya, ketakutan akan sesuatu yang serba tidak pasti. Lebih baik menyiapkan escape plan, terus belajar, dan tidak berhenti mengembangkan diri.

 

Cheers,

Haura Emilia

 

 

Catatan:

Post-editor: Orang yang mengedit hasil terjemahan mesin

Go: permainan papan strategi yang sangat rumit dari China

Referensi:

1Machine Translation: https://en.wikipedia.org/wiki/Machine_translation#Rule-based

2Neural Machine Translation: https://en.wikipedia.org/wiki/Neural_machine_translation

3Why Neural Machine Translation (NMT) Might be the Next Big Step for the Industry: https://kantanmtblog.com/2016/08/06/why-neural-machine-translation-nmt-might-be-the-next-big-step-for-the-industry/

4Open NMT: http://opennmt.net/

5Harvard Launches Open-source Neural Machine Translation System: https://slator.com/academia/harvard-launches-open-source-neural-machine-translation-system/

6Homo Deus: A Brief History of Tomorrow (Yuval Noah Harari), p. 366

 

Iklan

Laptop Decluttering: Tips Merapikan Konten Laptop

Declutter laptop

 

Familiar dengan gambar di atas? 😁

Begitulah kira-kira desktop laptop saya jaman sekolah dan S1 dulu. Berantakan. Penuh dengan ikon-ikon dan shortcut gak jelas yang sebagian besar tidak saya perlukan. Belum lagi isinya. Sistem filing dan foldernya. Ada terlalu banyak folder dengan nama yang ditulis ngasal tanpa berpikir seperti ‘campur-campur’, ‘tugas’, ‘random’, ‘miscl’, dsb. File, foto, video, mp3, software, unduhan, semua bisa campur aduk disimpan dalam satu folder. Shame on me. 😆

Konsekuensinya, saya sering kali bingung saat ingin menyimpan atau mencari file tertentu. Tidak jarang juga saya menjadi frustasi karena dokumen penting yang saya cari tidak ketemu dan malah menemukan ratusan file-file gak penting yang saya tidak ingat kapan dan untuk apa saya simpan. Parahnya lagi, laptop saya jadi ‘lemot’ karena isinya kebanyakan ‘sampah’. Saya pun makin ilfil melihat isi laptop sendiri. Hehe.

Untunglah masa-masa itu sudah lewat. Sejak mulai bekerja, saya belajar banyak soal menata konten desktop, laptop, dan PC saya. Sampai saya sempat mengira bahwa isi laptop amburadul seperti kasus saya dulu adalah the thing of the past, alias hanya terjadi di masa lalu, saat orang-orang masih banyak yang ‘gaptek’ dan belum memperlakukan laptop sebagai tool mata pencarian utama. Tapi…. Ternyata saya salah…

Akhir tahun lalu saya berkenalan dengan beberapa rekan kerja yang isi laptopnya mirip dengan ‘tragedi’ saya dulu. Perlu diketahui bahwa rekan-rekan kerja saya ini adalah orang-orang berpendidikan dan, seperti saya, mereka adalah freelancer yang mencari sesuap nasi dengan menggunakan laptop. Saya jadi sadar bahwa ‘fenomena’ cluttered laptop bisa terjadi pada siapa saja, berpendidikan atau tidak, tua atau muda. Saya pun cuma bisa cengar-cengir sendiri teringat laptop saya dulu.

Berdasarkan pengalaman pribadi, ada 6 tips sederhana yang bisa kita lakukan untuk merapikan konten laptop atau PC.

Pertama, rapikan desktop. Hanya letakkan shortcut dan ikon yang benar-benar perlu atau sering digunakan di desktop. Jangan tergoda menyimpan terlalu banyak dokumen di desktop. Pindahkan dokumen dan segala macam file yang membanjiri desktop di folder khusus dengan nama yang jelas di tempat lain, misalnya di Documents. Lalu, alih-alih meletakkan shortcut di desktop, letakkan di Task Bar yang biasanya terletak di bagian bawah desktop (lihat contoh di bawah).

Kalau sudah, mulailah menghapus semua ikon, shortcut, file atau apa pun yang tidak diperlukan setelah Anda memindahkan semuanya ke dalam folder yang baru Anda buat tadi. Lalu, ganti wallpaper laptop dengan gambar yang sederhana dan nyaman di mata. Berikut contoh wallpaper laptop yang simpel dan menenangkan versi saya:

Desktop

Kedua, periksa seluruh isi laptop dan hapus semua dokumen yang (sudah) tidak diperlukan. Periksa dokumen dan file-file yang bertebaran di semua ruang yang ada. Hapus yang tidak perlu, yang double, yang sudah tidak relevan. Hapus dan sisakan yang masih relevan saja. Jika ada dokumen yang sangat penting, misalnya yang bersifat legal, buat folder khusus dan beri nama yang jelas, misalnya Akta dan Ijazah.

Ketiga, menyambung poin sebelumnya, buat folder dan subfolder dengan sistem penamaan yang jelas dan logis. Buat nama folder yang jelas memisahkan setiap urusan. Misalnya: Work, Bills, Pictures, Documents, Videos, Music, Downloads, dsb. Semua file pekerjaan dimasukkan ke folder Work, semua file bukti pembayaran listrik dan uang sekolah anak dimasukkan ke folder Bills, semua foto dimasukkan ke folder Pictures, dst. Nah, kalau sudah, buat subfolder di dalam masing-masing folder jika detailnya banyak. Misalnya, di bawah folder Work, buat lagi beberapa subfolder seperti ini:

Subfolder

Ada lebih banyak lagi detailnya? Buat ‘sub-subfolder’, di dalam masing-masing subfolder. Misalnya, buat ‘sub-subfolder’ di dalam subfolder Finance seperti ini:

Subfolder 2.jpg

Jangan mengulangi kesalahan saya di masa lalu yang menamakan folder seenak perut seperti MISCL (maksudnya sih miscellaneous), CAMPUR-CAMPUR (emangnya es campur?), TUGAS KEMARIN (entah tugas mana maksudnya dan kapan), DARI TEMAN (entah apa wujudnya dan dari siapa. LOL), PRIBADI (ini lebih aneh, maksudnya dokumen confidential? Haha) dan nama-nama lainnya yang berpotensi ambigu dan membuat kita sendiri bertanya-tanya apa maksudnya.

Keempat, gunakan sistem penamaan yang logis dan mudah ditelusuri untuk doc file atau jenis dokumen lainnya. Penamaan file atau dokumen sangat penting terutama untuk sesuatu yang akan kita periksa lagi di masa yang akan datang, misalnya file terkait urusan bayar membayar tagihan atau pembelian sesuatu. Buat saya pribadi, biasanya saya menerapkan sistem penamaan file yang diawali dengan tanggal proyek dikerjakan atau tagihan dibayarkan dan diikuti dengan detailnya. Kenapa saya memulainya dengan tanggal? Agar saya tahu persis kapan file ini saya simpan atau kapan transaksi dan aktivitas tertentu saya lakukan. Misalnya:

file naming

atau yang ini:

file naming 3

Sistem penamaan di atas hanya contoh metode yang dapat kita terapkan jika memang penanggalan dan kronologi waktu adalah fokus perhatian kita. Anda bisa menciptakan sistem penamaan Anda sendiri yang Anda rasa paling sesuai dengan kebutuhan. Yang jelas, selalu konsistenlah dalam sistem penamaan, agar Anda selalu ingat dan tidak bingung di kemudian hari.

Kelima, manfaatkan teknologi Cloud untuk menambah ekstra ruang penyimpanan (storage) dan atau berbagi dokumen dengan laptop/PC yang lain. Ada banyak teknologi berbasis ‘awan’ yang bisa kita manfaatkan untuk menyimpan dan berbagi file. Sebut saja Google Drive dan Dropbox. Kalau belum tahu, kita bisa mendownload Drive dan Dropbox ke dalam laptop/PC kita dan menggunakannya bahkan saat sedang offline!

Dengan sistem cloud ini, kita bisa membagikan isi laptop yang satu dengan laptop/PC yang lainnya. Dengan demikian, kalau suatu saat laptop kita hilang atau tertinggal di rumah, seluruh dokumen kita aman karena kita bisa mengaksesnya di laptop/PC yang lain. Laptop saya sendiri tersinkronisasi setiap saat dengan laptop Mamat dan PC kami di rumah. Jadi, saya tetap bisa mengakses file saya bahkan jika saya tidak sedang pegang laptop sendiri. Metode ini juga mengamankan dokumen dari segala bentuk kerusakan laptop, misalnya terinfeksi virus dan risiko nge-hang atau crash.

Keenam dan terakhir, sisihkan budget untuk back-up data di laptop/PC. Back-up data bisa dilakukan dengan menyimpannya di hard disk external atau NAS (Network Attached Storage).  NAS adalah adalah sebuah server dengan sistem operasi yang dikhususkan untuk melayani kebutuhan berkas data. NAS dapat diakses langsung melalui jaringan area lokal dengan protokol seperti TCP/IP. Kelebihannya terdapat pada system recovery-nya, yaitu pada saat salah satu host rusak dapat di-backup.* Saya pribadi menggunakan NAS merek Synology untuk mem-back-up data, terutama yang berukuran besar seperti foto dan video. Begini tampilannya:

NAS

*Picture is taken from here.

Merapikan isi laptop/PC adalah sesuatu yang sering kali kita tunda, entah karena malas, tidak sempat, tidak tahu caranya, atau alasan lainnya. Padahal isi laptop yang rapi dan teratur dapat meningkatkan kinerja kita secara signifikan dan menghindari kita dari stres yang tidak perlu. Let’s declutter our laptop and it will eventually declutter our lives! 😊

 

Cheers,

Haura Emilia

 

 

Referensi:

*https://id.wikipedia.org/wiki/Network_Attached_Storage