Samsung R&D Institute Japan (SRJ) didirikan sebagai pusat penelitian dan pengembangan yang berfokus pada hardware seperti home appliances dan layar. Seiring dengan meningkatnya permintaan akan inovasi AI secara global, SRJ di Yokohama juga telah mengoperasikan laboratorium pengembangan software untuk menciptakan Live Translate Galaxy AI, yang secara otomatis menerjemahkan panggilan suara secara real time, sejak akhir tahun lalu.

“Live Translate sangat efisien untuk digunakan saat traveling seperti yang dialami pengunjung Olimpiade di Paris tahun ini,” kata Takayuki Akasako, Head of Artificial Intelligence di SRJ. “Saat ini kami sedang mengembangkan program pengenalan suara untuk orang-orang yang sedang berwisata dan menonton Olimpiade Paris; dengan melatih program pengenalan suara untuk mempelajari pertandingan dan lokasi stadion untuk Paris 2024.”

Memahami Konteks dalam Pengenalan Suara

Bagi mereka yang sudah menggunakan fitur terjemahan Galaxy AI, fitur tersebut mungkin tampak sangat berguna. Tetapi bagi para pengembang yang telah menciptakan fitur-fitur tersebut, mereka tahu bahwa dapat berkomunikasi saat bepergian ke luar negeri bukanlah hal yang sepele.

Satu hal yang diperhatikan oleh tim peneliti adalah bahwa ada lebih banyak homonim dalam bahasa Jepang dibandingkan bahasa lainnya. Misalnya, ‘sumpit’ (Hashi, 箸) dan ‘jembatan’ (Hashi, 橋) relatif mudah dibedakan karena perbedaan intonasi, tetapi kata-kata seperti ‘tamasya’ (Kankō, 観光), ‘adat istiadat’ (Kankō, 慣行), ‘publik’ (Kōkyō, 公共), dan ‘kemakmuran’ (Kōkyō, 好況) harus dilihat dari konteksnya.

“Penilaian menjadi lebih sulit ketika konteksnya ambigu, seperti nama tempat dan orang, kata benda yang tepat, dialek, dan angka,” kata Akasako. “Jadi untuk meningkatkan akurasi pengenalan suara, dibutuhkan banyak data.”

“Kami selalu mencari cara untuk menyempurnakan model AI untuk acara dan momen penting secara tepat waktu,” lanjut Akasako. “Dengan banyaknya kombinasi baru dari nama tempat dan aktivitas, penting untuk memastikan bahwa konteksnya tetap jelas saat orang menggunakan Galaxy AI.”

Tantangan dalam Mengumpulkan Data yang Efisien

Meskipun mengenali jenis data yang dibutuhkan juga penting, mengumpulkan data juga menjadi tantangan tersendiri.

Sebelumnya, tim SRJ menggunakan data yang direkam oleh manusia untuk melatih mesin pengenal suara pada Live Translate, namun tidak menghasilkan pengumpulan data yang memadai.

Samsung Gauss, Large Language Model (LLM) dari Samsung, menggunakan skrip untuk menyusun kalimat dengan kata atau frasa yang relevan dengan setiap skenario. Data yang dikumpulkan melalui Samsung Gauss tidak hanya direkam oleh manusia, tetapi juga dihasilkan oleh data sintesis text-to-speech (TTS), di mana kualitas akhirnya akan dicek oleh manusia. Dengan menggunakan metode ini, tim melihat adanya peningkatan yang dramatis dalam efisiensi pengumpulan data.

“Setiap kali sebuah masalah diidentifikasi dan dipecahkan, akurasi pengenalan suara meningkat secara signifikan,” kata Akasako. “Di mana pun orang berada, tujuan kami adalah menghubungkan mereka satu sama lain, dan tools yang didukung oleh Galaxy AI akan memastikan komunikasi yang lebih menyenangkan dan efisien.”

Ada ungkapan di Samsung R&D Institute Polandia (SRPOL): “Satu hari di SRPOL sama dengan 96 jam”. Ungkapan ini merujuk pada peran global pusat penelitian ini sebagai salah satu pusat penelitian dan pengembangan terbesar dan paling cepat berkembang di kawasan ini, yang sering kali bekerja di empat zona waktu yang berbeda. Berlokasi di jantung Eropa dan menjangkau banyak pasar Eropa dan global, SRPOL telah mengerjakan pengenalan suara otomatis, terjemahan neural machine, dan model text-to-speech untuk lebih dari 30 bahasa. Ketika harus menghadirkan 10 bahasa pada Galaxy AI, pengalaman ini berarti tim ini sangat cocok untuk memadukan perspektif budaya dengan teknologi global Samsung.

SRPOL memiliki pengalaman bertahun-tahun dalam Natural Language Processing. Yang menjadikannya unik adalah kemampuannya beradaptasi untuk bekerja pada bahasa apa pun berkat tim yang berdedikasi serta tools mereka, seperti platform crowdsourcing yang menyajikan pengembangan yang cepat dan gesit.

“Kolaborasi di seluruh benua ini berarti pengumpulan data, anotasi, dan penelitian tanpa henti, yang telah menjadi sesuatu yang sangat kami nikmati,” ujar Kornel Jankowski, Head of Speech Decoding, SRPOL. “Kami telah mengerjakan begitu banyak bahasa sehingga tim kami mengembangkan keterampilan universal, agnostik akan bahasa. Ketika kami diminta untuk mendukung model bahasa baru, tanggapan semua orang adalah: “Oh wow, kita bisa belajar satu bahasa lagi, pasti akan seru!”

Sebuah Pusat Pengembangan Bahasa AI di Eropa

Bahasa adalah sebuah landasan budaya dan komunikasi di seluruh Eropa, terlepas dari apakah bahasa itu dimasukkan ke dalam teknologi. Namun, hal ini menghadirkan tantangan unik bagi tim di SRPOL, yang mengembangkan model AI untuk bahasa-bahasa di Eropa.

“Setiap bahasa dan budaya yang menjadi bagiannya, memiliki rintangan yang membuat kami mengevaluasi kembali cara kami memandang suatu masalah,” jelas Adam Ros, Head of Artificial Intelligence, SRPOL. Rintangan ini termasuk menavigasi frasa tertentu yang tidak dapat diterjemahkan dan menangani ekspresi idiomatik yang mungkin tidak memiliki padanan langsung dalam bahasa lain.

Tim melihat tantangan ini sebagai peluang untuk menjadikan SRPOL sebagai pusat pengembangan bahasa AI di Eropa. Manfaat terbesar dari hal ini adalah memperpendek jalur komunikasi antara departemen yang berbeda dan yang terpenting, proses pengambilan keputusan. Baik itu masalah pengenalan suara otomatis, terjemahan neural machine, atau text-to-speech, tim dapat dengan mudah menghampiri kolega di bagian Mobile Quality Assurance dan memecahkan masalah secara efisien bersama-sama.

Meskipun hal ini telah membantu, namun belum mengatasi semua tantangan AI. Tentu saja, ada keterbatasan dalam model AI ketika berhadapan dengan berbagai bahasa Eropa, seperti menerjemahkan tanpa konteks atau variasi intonasi. Namun, tim melihat hal ini sebagai kesempatan untuk terus belajar dan berinovasi.

“Tim saya tidak pernah berhenti pada satu contoh saja ketika menangani kata atau topik baru. Beberapa bahasa Eropa lebih sulit daripada bahasa lainnya,” tambah Ros. Jika Anda pernah ke Spanyol, Anda pasti tahu bahwa bahasa Spanyol sering diucapkan dengan kecepatan yang sangat tinggi dan kami harus melatih AI dengan baik untuk mengatasi kendala tersebut.”

Ekspansi Galaxy AI membutuhkan kolaborasi lintas benua yang baru, tetapi pekerjaan ini langsung berkembang melampaui perbatasan Eropa. SRPOL mendukung upaya tim Yordania untuk mengajarkan berbagai macam dialek bahasa Arab kepada Galaxy AI, begitu juga dengan upaya tim Brasil dalam mempelajari bahasa-bahasa Amerika Latin.

Pentingnya perbedaan bahasa dan perbedaan budaya yang sangat tipis sekalipun ada dalam radar para pengembang produk SRPOL karena semua itu dapat diketahui oleh target – pengguna akhir.

“Ada perbedaan tipis di antara budaya Eropa yang berdampak pada apakah sesuatu terasa alami bagi pengguna akhir. Sebagai contoh, orang-orang di beberapa negara berharap untuk membaca harga dengan simbol euro (€), sementara yang lain terbiasa melihatnya dieja, e-u-r-o-s,” kata Agata Maria Rozycka, Head of Voice Intelligence Research, SRPOL. “Jika nuansa budaya ini tidak tercermin dalam teks terjemahan, interfacenya mungkin akan terlihat kurang intuitif bagi pengguna. Menerapkan wawasan tingkat mikro ini ke dalam desain interface dapat membuat teknologi terasa lebih alami di berbagai budaya.”

“Tim ini telah berkomunikasi dan berkolaborasi dari jarak jauh di berbagai negara selama bertahun-tahun, membangun berbagai kanal komunikasi yang efektif,” ujar Marcin Mrugala, Head of Mobile Quality Assurance, SRPOL. “Kami siap untuk melakukan bagian kami dalam membantu Galaxy AI untuk mengurangi hambatan bahasa di seluruh dunia.”

Teknologi untuk Menjembatani Budaya

Mengelola dan mengintegrasikan wawasan bahasa dan budaya yang beragam merupakan tugas yang menantang, tetapi sangat penting bagi visi Samsung untuk Galaxy AI – mengatasi hambatan yang memisah-misahkan orang berdasarkan bahasa dan budaya, dan memungkinkan mereka untuk menciptakan koneksi yang lebih dalam.

“Kami tidak hanya membangun teknologi masa depan, kami juga membangun tim masa depan. Praktik terbaik kami dirancang untuk menyempurnakan produk berdasarkan perbedaan di berbagai negara, namun pada dasarnya kami percaya bahwa persamaan kami jauh lebih besar daripada perbedaan kami dan teknologi kami dapat menyatukan budaya,” ujar Mrugala.

“Tujuan kami adalah menyatukan orang-orang, membuat hidup mereka lebih mudah, dan menyederhanakan pekerjaan sehari-hari mereka. Kami melihat keluarga kami menggunakan Voice Recorder dengan cara yang baru, dan kami sekarang dapat menelepon teman-teman kami dari berbagai negara dan berbicara dengan mereka dalam bahasa mereka sendiri. Sungguh ajaib melihat perubahan yang terjadi di dunia ini dan menjadi bagian darinya. Galaxy AI menyatukan orang-orang SRPOL dan kini kami menyatukan dunia,” pungkas Rozycka.

Tersembunyi di Vellore Institute of Technology  di Chennai, India, terdapat sebuah laboratorium yang dipenuhi dengan peralatan audio futuristik. Kita akan menemukan manekin – yang dikenal di industri ini sebagai head and torso simulator – serta mikrofon binaural dan perangkat pendengaran. Semua peralatan ini disimpan di ruang khusus yang dilengkapi dengan sistem penyerapan suara yang canggih, menjadikan laboratorium ini yang pertama dari kelasnya di India. Bayangkan fasilitas seperti ini digunakan untuk mengembangkan peralatan high fidelity (Hi-Fi) kelas atas yang mutakhir.

Di sinilah, Vellore Institute of Technology berkolaborasi dengan Samsung untuk menghasilkan dan mengembangkan data serta insight yang mendukung model AI terbaru untuk pengembangan kemampuan bahasa Galaxy AI. Fasilitas ini dikembangkan sebagai bagian dari Samsung SEED (Students Ecosystem for Engineered Data) Labs – sebuah inisiatif yang mendukung staf universitas, mahasiswa, dan anak magang di India untuk mengerjakan proyek-proyek yang diminta oleh Samsung sejak tahun 2021. Ini hanyalah salah satu dari beberapa program universitas yang didanai oleh Samsung di mana para mahasiswa berkesempatan untuk mengerjakan proyek dengan para ahli teknologi dari perusahaan.

“Sebagai mahasiswa, saya senang bisa mengerjakan berbagai proyek dengan perusahaan yang ternama dan dihormati seperti Samsung,” ujar Yashika Ilanchezhiyan, mahasiswa Samsung SEED. “Saya diberi kepercayaan diri untuk mempelajari keterampilan baru dengan cara yang nyata dan saya merasa membuat perbedaan yang signifikan pada produk yang ada saat ini dan yang akan datang.”

“Kolaborasi seperti ini merupakan situasi yang saling menguntungkan,” ujar Giridhar Jakki, Head of Language AI di Samsung R&D Institute India – Bangalore (SRI-B). “Berkat proyek-proyek kami dengan berbagai universitas, kami dapat mendapatkan tambahan ahli dan dataset khusus. Universitas yang berpartisipasi mendapatkan investasi, insentif finansial, dan mentoring ahli dari Samsung sebagai hasilnya.”

Mengurangi Hambatan Bahasa

SRI-B telah berkolaborasi dengan tim di seluruh dunia untuk mengembangkan model bahasa AI untuk bahasa Inggris Inggris, India, dan Australia, serta bahasa Thailand, Vietnam, dan Indonesia. Baru-baru ini, para engineer dari pusat Samsung Research lainnya mengunjungi Bangalore, India – di mana tim SRI-B membantu meningkatkan teknologi untuk menghadirkan bahasa Vietnam, Thailand, dan Indonesia ke Galaxy AI. Oleh karena itu, SRI-B memiliki posisi yang ideal untuk mengembangkan bahasa Hindi untuk Galaxy AI.

“Setiap bahasa pasti ada tantangannya,” kata Jakki. “Namun, ketika Anda mengingat tujuan utamanya, yaitu memberikan kemampuan kepada orang-orang untuk berkomunikasi dalam bahasa lain, semua itu sepadan dengan usaha yang dilakukan. Kami bersemangat untuk menghadirkan bahasa Hindi ke Galaxy AI.”

Mengembangkan model AI bahasa Hindi tidaklah mudah. Tim harus memerhatikan lebih dari 20 dialek regional, perbedaan nada, tanda baca, dan bahasa sehari-hari. Selain itu, penutur bahasa Hindi sering kali mencampurkan kata-kata bahasa Inggris dalam percakapan mereka. Hal ini mengharuskan tim untuk melakukan beberapa tahap pelatihan model AI dengan kombinasi data yang diterjemahkan dan dialihbahasakan.

“Bahasa Hindi memiliki struktur fonetik kompleks yang mencakup suara retrofleks – suara yang dibuat dengan cara melengkungkan lidah ke belakang di dalam mulut – yang tidak ada di banyak bahasa lain,” kata Jakki. “Untuk membangun elemen sintesis ucapan dari solusi AI, kami dengan hati-hati meninjau data dengan ahli bahasa penutur asli untuk memahami semua suara unik dan menciptakan serangkaian fenomena khusus untuk mendukung dialek bahasa tertentu.”

Kolaborasi antara Samsung dan mitra akademis berperan penting dalam mengembangkan model bahasa AI yang mencerminkan nuansa budaya daerah-daerah di India. Vellore Institute of Technology membantu mengamankan hampir satu juta baris data audio yang tersegmentasi dan terkurasi tentang percakapan, kata-kata, dan perintah. Data merupakan komponen penting untuk sebuah proses yang sangat penting seperti menggabungkan bahasa keempat yang paling banyak digunakan di dunia ke dalam Galaxy AI. Bekerja sama dengan universitas menjamin Samsung untuk menggunakan data dengan kualitas terbaik.

Koneksi Global Memberikan Dampak Besar

Proyek ini dengan sempurna merangkum filosofi Samsung tentang kolaborasi terbuka dan keyakinan perusahaan bahwa berbagi ilmu dan perspektif akan menghasilkan inovasi yang bermanfaat. Dalam kasus SRI-B, hal ini tidak hanya mencakup kerja sama dengan akademisi, tetapi juga berbagi wawasan dan praktik terbaik dengan pusat penelitian Samsung lainnya di seluruh dunia.

“Saya sangat bangga dengan apa yang telah kami capai dengan bantuan para mitra kami,” ujar Jakki. “Inovasi AI melalui kolaborasi adalah bagian besar dari apa yang kami lakukan. Kami akan terus memahami, mengumpulkan, dan menganalisis data bahasa dengan lebih baik sehingga lebih banyak orang yang dapat memiliki akses ke perangkat AI di masa depan.”