Grab Membuat Terjemahan di GrabChat Lebih Akurat

Ketika memesan jasa antar, makanan, atau mengirimkan barang, pengguna aplikasi Grab bisa berkomunikasi dan bertukar informasi dengan pengemudi lewat fitur GrabChat.

Fitur GrabChat ini dimaksudkan untuk memastikan pengguna dapat berkomunikasi dengan mitra pengemudi. Dengan demikian, proses pengantaran berjalan lancar, bahkan saat pengguna tidak berbicara dalam bahasa sama.

Pesan yang saling dipertukarkan antara konsumen dengan mitra pengemudi di aplikasi Grab akan diterjemahkan secara otomatis.

Tetapi, Grab menerima masukan bahwa terjemahan ini terkadang tidak akurat. Kemudian, Grab membentuk tim teknisi untuk mengatasi masalah tersebut, demi meningkatkan kualitas terjemahan di platform mereka, sambil tetap mempertimbangkan efisiensi biaya.

Grab menjelaskan, mereka menggunakan Large Language Model (LLM) open source untuk membuat data terjemahan.

Model tersebut, menurut Grab, harus cukup besar untuk menghasilkan hasil berkualitas tinggi dan dapat menangani banyak bahasa Asia Tenggara di seluruh pasar yang mereka layani.

"Kami kemudian menggunakan beberapa terjemahan dengan skor tolok ukur tinggi sebagai data untuk dipelajari oleh model kami. Bagaimanapun, kualitas terjemahan oleh LLM hanya sebaik data yang digunakan untuk melatihnya," demikian ditegaskan Grab, lewat laman resmi, dikutip Jumat (20/9/2024).

Lebih lanjut Grab menekankan, mereka juga harus memastikan bahwa elemen seperti angka atau simbol unik tidak disalahartikan atau dihilangkan selama penerjemahan.

"Hal ini penting karena menampilkan angka yang salah dalam terjemahan dapat membingungkan pengguna," tulis mereka.

Grab meyakini, model penerjemahan internal milik mereka tidak hanya lebih hemat biaya, tetapi juga lebih akurat dalam memenuhi kasus penggunaan unik mereka--dibandingkan dengan layanan pihak ketiga.

Grab mengakui sebelumnya perusahaan mengandalkan layanan eksternal untuk menerjemahkan pesan obrolan. Meskipun alat pihak ketiga umumnya efektif, terjemahannya tidak selalu akurat.

Perusahaan selanjutnya menyadari, mereka dapat membuat sistem penerjemahan sendiri, bahkan bisa mengungguli alat-alat yang sudah ada yang sering kali tidak memiliki konteks.

"Kekayaan data kami secara langsung terkait dengan konteks pemesanan transportasi dan pemesanan makanan. Dengan demikian, dapat menghasilkan penerjemahan yang lebih tepat," klaim perusahaan.

Terjemahan dengan hasil lebih baik di GrabChat (sumber: Grab)

Berkat menggabungkan dan menganalisis percakapan sebelumnya, Grab dapat menemukan tema dan topik yang berulang. Informasi ini kemudian digunakan untuk meningkatkan pelatihan model penerjemahan perusahaan, dan meningkatkan akurasi serta efektivitasnya.

Perusahaan kemudian bekerja sama dengan tim lokal Grab untuk menetapkan standar penerjemahan. Tujuannya untuk mendapatkan data yang cukup, yang akan membantu mereka menetapkan beberapa tolok ukur.

Terjemahan ini juga akan berfungsi sebagai panduan bagi model untuk secara akurat menangkap gaya dan nada yang diinginkan.

Pengguna aplikasi ini terus berkembang di seluruh Asia Tenggara. Sehingga mereka harus memastikan bahwa teks yang ditampilkan pada aplikasi dapat menjangkau berbagai perangkat secara efektif, dan versi bahasa lokal tidak terpengaruh.

Hal itu menjadi alasan yang membuat Grab juga telah mendesain ulang jenis huruf untuk aksara Thailand dan Kamboja, tahun lalu.

Menurut para desainer, dibutuhkan waktu yang cukup lama untuk merancang Inter versi bahasa Thai dan Khmer karena banyaknya karakter yang terdapat di kedua bahasa tersebut.

Tim yang mengerjakan ini menyatakan, kurangnya akses ke jenis huruf yang tepat telah menghambat beberapa bisnis untuk melokalkan produk dan layanan Grab. Kondisi itu mencegah banyak pengguna lokal mengakses layanan, karena mereka mungkin tidak nyaman berbahasa Inggris.

Dukungan yang lebih baik untuk font dalam lebih banyak bahasa, dapat membantu bisnis menjangkau khalayak yang lebih luas, dan akan menjadi kunci untuk meningkatkan akses ke informasi dan teknologi.

Lebih jauh lagi, semakin banyak perusahaan mulai menyadari pentingnya melayani nuansa lokal spesifik di berbagai pasar tempat mereka beroperasi.