Solusi AI dan chatbot kolaboratif yang muncul mungkin tidak memiliki keragaman global yang diperlukan untuk mendukung pengguna di seluruh dunia. Banyak bahasa utama saat ini cenderung menyukai “selera dan kepercayaan Barat,” kata sebuah studi terbaru yang dilakukan oleh para peneliti di Universitas Stanford. Upaya untuk mencapai apa yang disebut “interaksi” dengan operator mesin atau chatbot sering kali gagal, katanya.
Hal ini bukan karena kurangnya usaha seperti yang dijelaskan oleh para peneliti, yang dipimpin oleh Diyi Yang, asisten profesor di Universitas Stanford dan bagian dari Stanford Human-Centered Artificial Intelligence (HAI), dalam penelitian ini. “Sebelum pengembang chatbot AI baru merilis program barunya ke publik, mereka sering kali menyesuaikan modelnya dengan tujuan dan perilaku berbeda dari orang-orang yang ingin mereka gunakan.” Namun, upaya untuk mencapai hal ini “dapat memicu preferensinya, yang mengganggu respons chatbot.”
Selain itu: Nvidia akan melatih 100.000 penduduk California tentang AI dalam kemitraan yang pertama kali dilakukan.
Menurutnya, “harmonisasi harus bersifat universal dan membuat jenis bahasa utama dapat diterima dan berguna bagi berbagai pengguna di seluruh dunia, dan khususnya bagi sebanyak mungkin pengguna,” katanya. Namun, penerjemah yang ingin mengonversi data dan LLM ke bidang berbeda mungkin salah menafsirkan alat tersebut.
Chatbot AI untuk berbagai tujuan – mulai dari interaksi pelanggan hingga asisten cerdas – terus berkembang biak, sehingga ada banyak hal yang dipertaruhkan. Pasar global untuk pertumbuhan chatbot AI diperkirakan bernilai sekitar $67 miliar pada tahun 2033, tumbuh sebesar 26% per tahun dari pertumbuhan terkini sebesar lebih dari $6 miliar, menurut perkiraan MarketsUS.
“Pasar chatbot AI berkembang pesat karena meningkatnya jumlah layanan dukungan pelanggan dan kemajuan teknologi AI,” penulis laporan tersebut merinci. “Menariknya, lebih dari 50% bisnis diperkirakan menghabiskan lebih banyak uang setiap tahunnya untuk bot dan chatbot dibandingkan pada aplikasi seluler.”
Juga: Jika chatbots ini dapat berbicara: Cara paling populer orang menggunakan alat AI
Yang penting adalah berbagai bahasa dan wilayah di seluruh dunia kini ditangani dengan baik oleh AI dan chatbots. Instruksi atau aktivitas bahasa Inggris mungkin mengandung kata atau ungkapan yang dapat disalahartikan.
Studi Stanford mengatakan bahwa LLM harus didasarkan pada apa yang mereka lakukan, yang saat ini harus dilakukan di negara-negara berbahasa Inggris. Kepentingan masyarakat tidak universal, dan LLM harus mencerminkan “nilai-nilai masyarakat yang mereka wakili – yang membuat perbedaan dalam tata bahasa, topik, dan bahkan perilaku moral.”
Peneliti Stanford menawarkan tip berikut untuk meningkatkan kesadaran akan keberagaman:
Perhatikan bahwa penyelarasan model bahasa bukanlah jalan satu arah. “Kelompok yang berbeda terkena dampak yang berbeda-beda akibat proses integrasi.”
Cobalah untuk bersikap transparan. Hal ini “sangat penting dalam mengungkap keputusan desain yang kompatibel dengan LLM. Setiap langkah integrasi menambah kompleksitas tambahan dan mempengaruhi pengguna akhir.” Jumlah preferensi yang diposting oleh orang-orang tidak termasuk jumlah deskripsi preferensi mereka di komunitasnya. “Pelaporan informasi tersebut, bersama dengan keputusan tentang apa yang akan dipromosikan atau apa yang harus dilakukan di wilayah tersebut, penting untuk penyebaran yang tepat dari kolaborasi LLM ke populasi pengguna yang beragam.”
Telusuri lebih banyak bahasa. Para peneliti melihat data Tülu yang digunakan dalam bahasa, dimana 13% di antaranya bukan bahasa Inggris. “Namun data multibahasa ini menghasilkan peningkatan kinerja dalam enam dari sembilan bahasa yang diuji untuk QA dan sembilan bahasa untuk pemahaman membaca. Banyak bahasa dapat memperoleh manfaat dari data multibahasa.”
Juga: Ilmuwan AI: ‘Kita perlu berpikir di luar batasan bahasa’
Bekerja dengan pengguna lokal juga penting untuk mengatasi hambatan budaya atau bahasa atau kesalahan dengan chatbot AI. “Berkolaborasi dengan pakar dan pembicara lokal sangat penting untuk memastikan perubahan yang tepat dilakukan,” tulis Vuk Dukic, pengembang dan pendiri Anablock, dalam artikel LinkedIn baru-baru ini. “Penelitian budaya yang mendalam sangat penting untuk memahami kompleksitas target pasar Anda. Menerapkan proses pembelajaran berkelanjutan memungkinkan chatbot beradaptasi dengan interaksi dan respons pengguna dari waktu ke waktu.”
Dukic juga merekomendasikan “pengujian ekstensif dengan pengguna lokal sebelum penerapan penuh untuk membantu mengidentifikasi dan menyelesaikan kesalahan budaya.” Selain itu, “pemilihan bahasa memungkinkan pengguna memilih bahasa dan budaya pilihan mereka.”
