BEBERAPA bulan lalu, saya meminta sekumpulan pelajar menyiapkan tugasan teknologi maklumat. Ada yang menulis dalam bahasa Melayu dengan bantuan aplikasi kecerdasan buatan (AI).
Hasilnya menarik dan tatabahasanya kemas, ejaannya betul, malah strukturnya lebih rapi daripada kebanyakan tugasan yang biasa saya terima.
Namun ada sesuatu yang luar biasa. Teks itu terasa seperti bahasa terjemahan di mana ia tepat, tetapi tidak berjiwa. Seolah-olah ayat itu difikirkan dalam bahasa Inggeris, kemudian dipakaikan baju Melayu.
Saya tidak menyalahkan pelajar tersebut. Masalahnya bukan pada mereka, tetapi pada bahan yang digunakan untuk melatih mesin kepintaran buatan itu dalam membangunkan tugasan.
Model bahasa besar yang menggerakkan ChatGPT belajar daripada teks yang diberi oleh pengguna. Semakin banyak bahan sesuatu bahasa tersedia dalam bentuk digital dan berkualiti, maka semakin baik mesin AI memahami bahasa berkenaan.
Di sinilah letaknya masalah dalam pembelajaran mesin AI. Daripada lebih 7,000 bahasa di dunia, hanya sekitar 1,000 benar-benar hadir dalam ruang dalam talian seperti dilaporkan UNESCO pada 2025.
Kajian Joshi lebih awal lagi menunjukkan bahawa sebahagian besar sumber dan penyelidikan teknologi bahasa tertumpu kepada segelintir bahasa sahaja, sementara ratusan bahasa lain termasuk bahasa minoriti penutur dipinggirkan.
Namun, bahasa Melayu tidak berada dalam kategori paling terpinggir. Kita bernasib baik kerana mempunyai penutur yang ramai, sistem tulisan rumi dan sejarah penerbitan yang panjang.
Tetapi “tidak paling terpinggir” tidak bermakna selamat. AI Singapura, pembangun model SEA-LION, menyatakan dengan jelas bahawa data latihan model global sangat dipengaruhi kandungan daripada masyarakat Barat yang kaya dan berpendidikan tinggi, sehingga suara dari rantau lain kurang.
Apabila data kurang, keluaran turut kurang.
Kesannya halus tetapi mendalam. Mesin mungkin boleh menterjemah perkataan, tetapi ia sering tersasar pada laras. Ia tidak tahu bila hendak menggunakan “kita” dan bila menggunakan “kami”. Ia mencampuradukkan laras surat rasmi dengan laras perbualan.
Ia menyusun peribahasa yang bunyinya betul tetapi tidak pernah wujud. Ia juga keliru dengan sistem panggilan hormat yang selama ini menjadi tulang belakang kesantunan berbahasa kita. Bagi guru bahasa, perbezaan seperti ini merupakan cabaran.
Yang lebih perlu difikirkan ialah kesan jangka panjangnya. Apabila jutaan murid dan guru menggunakan AI setiap hari, mesin bukan lagi sekadar mencerminkan bahasa kita kerana ia mula membentuk bahasa kita.
Selama ini kita risau tentang bahasa rojak. Ada satu lagi bentuk yang lebih senyap, iaitu bahasa Melayu yang gramatis tetapi tidak berakar betul pada ejaan, kosong pada rasa dan jiwa.
Ada satu lagi dimensi yang jarang disebut, iaitu soal keadilan. Selama ini kita mengukur jurang digital berdasarkan liputan talian dan pemilikan peranti.
Tetapi jika alat AI berfungsi jauh lebih baik dalam bahasa Inggeris berbanding bahasa Melayu, maka murid di sekolah yang menggunakan bahasa Melayu sepenuhnya sebagai bahasa pengantar akan menerima kualiti bantuan yang lebih rendah, walaupun mereka mempunyai talian yang sama pantas dan peranti yang sama baik.
Jurang itu tidak kelihatan pada statistik liputan internet. Ia bersembunyi di dalam kualiti jawapan yang diterima seorang murid setiap kali dia bertanya pada mesin AI.
Syarikat Mesolitica membuktikan hal itu apabila melatih model MaLLaM dari awal menggunakan kira-kira 349GB teks Malaysia, bersamaan lebih 90 bilion token, dan model itu mampu bersaing dengan model yang jauh lebih besar dalam tugasan bahasa Melayu.
Ertinya, kemampuan ini bukan mustahil dan bukan hanya milik gergasi teknologi. Yang diperlukan ialah data yang bersih, kepakaran dan kemahuan.
Di sini saya melihat peluang dasar yang penting. Pada 28 Julai 2026, AI Malaysia dilancarkan sebagai entiti pelaksana utama Pelan Tindakan AI Kebangsaan 2026-2030, sejajar hasrat negara menjadi Negara AI menjelang 2030.
Persoalan yang wajar kita ajukan ialah: Di mana kedudukan bahasa Melayu dalam pelan itu? Pada pandangan saya, bahasa perlu dianggap sebagai infrastruktur negara, setaraf pusat data, tenaga dan rangkaian. Tanpa data bahasa, kedaulatan digital hanya tinggal slogan.
Tiga langkah yang saya kira wajar untuk segera diberi perhatian.
Pertama, membina korpus bahasa Melayu kebangsaan yang berkualiti dan beretika. Dewan Bahasa dan Pustaka, universiti, penerbit, syarikat media dan arkib negara memiliki khazanah teks yang besar.
Yang belum ialah kerangka perkongsian yang jelas dari segi lesen, hak cipta dan pampasan kepada penulis.
Kedua, membangunkan penanda aras penilaian dalam bahasa Melayu untuk konteks pendidikan. Kita perlu berhenti bertanya sama ada model boleh berbual dalam bahasa Melayu.
Soalan yang lebih tepat ialah sama ada model itu boleh menggunakan istilah kurikulum dengan betul, membezakan laras, dan tidak tersilap fakta tempatan. Ujian sebegini perlu dibangunkan oleh pendidik, bukan hanya jurutera.
Ketiga, memperkukuh literasi AI dalam kalangan guru. Guru perlu berupaya menilai keluaran AI dalam bahasa Melayu: mengesan istilah janggal, terjemahan harfiah dan maklumat tempatan yang salah. Ini kemahiran menilai, bukan sekadar kemahiran menekan butang.
Selagi latihan yang diberikan hanya menumpukan cara menggunakan alat, kita sedang menyiapkan pengguna, bukan penilai.
Saya menulis ini bukan kerana menolak teknologi. Sebaliknya, saya percaya AI boleh menjadi rakan yang berguna kepada guru dan pelajar kita. Tetapi mesin hanya mampu memulangkan apa yang kita berikan kepadanya.
Bahasa bukan hanya alat menyampaikan maklumat; bahasa ialah cara sesuatu bangsa menyusun fikirannya, menyimpan adabnya dan mewariskan pengalamannya.
Jika kita mahu AI memahami bahasa kita, kita perlu memberikannya bahan untuk difahami. Data yang kita kumpulkan hari ini akan menentukan bentuk bahasa Melayu esok. Mesin tidak akan belajar bahasa kita dengan sendirinya.
Kita yang perlu mengajarnya, sebagaimana kita mengajar anak-anak kita bertutur. – UTUSAN
PROFESOR Madya Ts. Dr. Shamsul Arrieya Ariffin ialah Timbalan Dekan Jaringan Industri dan Pengkomersialan, Fakulti Komputeran dan Meta-Teknologi, Universiti Pendidikan Sultan Idris.
