Keren Banget! Ternyata Ini Teknologi Dibalik Google Translate

Keren Banget! Ternyata Ini Teknologi Di Balik Google Translate

berbincang dalam berbagai bahasa

Apakah kamu mengerti teks di atas? Sebagian masyarakat yang menggunakan bahasa Indonesia sebagai bahasa ibu akan merasa sulit untuk mengerti kalimat tersebut. Coba saya tebak, kamu pasti menggunakan Google Translate untuk mengartikannya, bukan? Kalau tidak, coba cek deh arti dari kalimat tersebut, nanti ke sini lagi, ya.

a few moments later

💻 Mulai Belajar Pemrograman

Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.

Daftar Sekarang

Nah, sudah tahu artinya? Coba, saya ingin bertanya seberapa seringkah kamu menggunakan Google Translate? Pernahkah terlintas dalam pikiranmu: Kok bisa, ya, dia mengubah banyak bahasa?

Sebelum lebih jauh membahas teknologi yang digunakan Google Translate, tahukah kamu bahwa translator tersebut merupakan salah satu penerapan teknologi machine learning? Bagaimanakah caranya? Yuk, kita simak penjelasan di bawah ini.

hasil terjemahan google translate

Sebelum adanya translator, saya yakin kamu adalah mantan pengguna kamus tebal. Namun, seperti yang terlihat pada gambar tersebut, saat ini sangat mudah sekali bukan dalam mengartikan sebuah kalimat? Cukup sekali klik saja, kamu bisa mencari tahu arti kata dalam bahasa asing. 

Pada kenyataannya, sebuah translator membutuhkan teknologi yang cukup rumit, lho, sampai bisa menghasilkan bahasa asing secara akurat. Teknologi di balik Google Translate itu disebut Machine Translation (MT).

Machine Translation adalah mesin yang bertugas untuk mengonversi sebuah teks antarbahasa secara otomatis yang memanfaatkan konsep machine learning yang merupakan bagian dari Artificial Intelligence. Tentunya, proses yang dilewati oleh MT ini sangatlah kompleks karena bahasa memiliki ciri khasnya tersendiri dan sangat kaya akan diksi serta konteks yang menyertainya.

Contohnya, kamu ingin menyampaikan kalimat seperti di bawah ini.

“Saya tidak enak badan”

Apabila kamu menerjemahkannya per kata ke dalam bahasa Inggris, artinya akan seperti di bawah ini.

“I don’t delicious body”

Aneh sekali, ya? Belum lagi, kalimat di atas tidak tepat secara diksinya. Padahal, kamu bisa menyampaikan dengan singkat dan tepat seperti berikut.

“I’m not feeling well …”

Sebelumnya, teknologi MT pada Google Translate bekerja sebagai penerjemah per kata (word-by-word) menggunakan statistical machine translation sehingga masih sulit dipercaya sebagai translator yang baik. Jadi, pada tahun 2016, Google beralih menggunakan Neural Machine Translation (NMT) yang dinamai sebagai Google Neural Machine Translation (GNMT).

Lalu, bagaimana cara kerja NMT?

NMT pada Google Translate

Perhatikan gambar di atas, proses menerjemahkan kalimat pada Google Translate dasarnya hanya melalui dua tahap yaitu input bahasa yang akan diterjemahkan, kemudian diproses oleh neural network di dalamnya, kemudian akan menghasilkan output berupa bahasa hasil terjemahan. 

Namun, apakah isi di dalam neural network sehingga dapat menerjemahkan banyak bahasa yang kita butuhkan? Saya akan menjelaskan lebih detail lagi pada bagian arsitektur encoder-decoder.

Proses Neural Network

Sebagaimana namanya, neural network merupakan jaringan saraf buatan yang terinspirasi dari jaringan saraf biologis yang menyusun otak manusia. Neural network umumnya terdiri dari 3 lapisan yaitu input layer, hidden layer, dan output layer

Input layer merupakan bagian yang menampung masukan (pada konteks ini merupakan kata atau kalimat yang akan diterjemahkan) yang akan diproses oleh neural network. Hidden layer merupakan bagian yang akan memproses inputan tersebut guna menghasilkan sebuah output. Terakhir, output layer (bisa berupa angka, nilai probabilitas, ataupun vektor) merupakan lapisan yang akan menghasilkan keluaran dari neural network tersebut.

Arsitektur Encoder-Decoder

Gambar di atas adalah arsitektur dari encoder-decoder yang merupakan fundamental dari prosesnya google translate bekerja. Di bawah ini merupakan langkah-langkah praktis yang bekerja pada arsitektur encoder-decoder.

  1. Kalimat bahasa Inggris adalah input yang akan diproses oleh model neural network.
  2. Sebelum digunakan, model neural network encoder akan dilatih untuk menghasilkan vektor yang tepat untuk merepresentasikan data input.
  3. Model neural network decoder juga akan dilatih terlebih dahulu untuk sebelum digunakan untuk merubah vector (yang dihasilkan oleh model neural network encoder) menjadi sebuah kata atau kalimat dalam bahasa yang berbeda.

Selain dapat menerjemahkan banyak bahasa, Google Translate ternyata memiliki lima fitur canggih lain yang jarang orang menggunakannya, loh! Simak penjelasannya di bawah ini.

    1. Speak to Translate. Seperti namanya, Google Translate dapat menerjemahkan melalui suara sebagai input.
    2. Camera Translation. Yup! Google Translate mampu memindai kalimat melalui kamera. Keunggulan tersebut dapat digunakan pada sebuah buku, koran, atau media lainnya.
    3. Write to Translate. Selain diketik, translator ini mampu mengartikan sebuah kata atau kalimat melalui tulisan. Kelebihan ini diberikan apabila huruf pada bahasa yang akan diartikan tidak terdapat pada keyboard.
    4. Transcribe. Keunggulan keempat ini bisa digunakan untuk terjemah obrolan secara langsung. Bahasa yang tersedia di antaranya Inggris, Jerman, Perancis, Portugis, Thailand, Rusia, dan Spanyol. Fitur ini mampu melakukan terjemah dalam durasi panjang dan hasilnya akan langsung ditampilkan di layar.
    5. Offline Translate. Seperti judulnya, fitur ini dapat digunakan tanpa bantuan internet, tetapi kamu harus lebih dulu mengunduh bahasa yang dibutuhkan.

Nah, kamu sudah pakai fitur Google Translate nomor berapa aja?

WahDi balik Google Translate yang sangat mudah penggunaannya, ternyata berbanding terbalik, ya, apabila melihat dari sisi pembuatannya? Bagaimana? Apakah kamu sudah paham terkait penggunaan teknologi di balik Google Translate? 

Tentunya, implementasi machine learning di Google Translate hanyalah sebagian kecil pada machine learning yang tentunya memiliki keilmuan dan implementasi sangat luas. Semoga dengan adanya blog ini akan menambahkan wawasan terkait implementasi machine learning kamu, ya.

Last but not least,
olahraga dulu, sambil temenin Anya.
Semoga sehat selalu, sampai jumpa di blog selanjutnya!


Belajar Pemrograman Gratis
Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.