AI dan Bahasa Melayu: Bila Mesin Faham Kita, Bukan Sekadar Terjemah

YTL AI Labs melancarkan ILMU pada Ogos 2025. Nama penuh: Intelek Luhur Malaysia Untukmu. Ia dibina bersama penyelidik Universiti Malaya dan merupakan model bahasa besar pertama yang dibangunkan sepenuhnya di Malaysia. Model ini multimodal, bermakna ia boleh membaca teks, mendengar suara dan melihat imej. Yang membezakan ILMU bukan seni bina model, tetapi bahasa latihannya: Bahasa Melayu, Manglish dan dialek serantau termasuk Kelantan, serta percakapan campur bahasa yang biasa kita dengar setiap hari. ILMUchat ialah produk percuma untuk orang awam, dan semua data disimpan di dalam Malaysia di bawah YTL AI Cloud.

Pada penanda aras MalayMMLU, ILMU dilaporkan memperoleh 87.20 markah keseluruhan berbanding 84.97 untuk GPT-4o dan 79.53 untuk GPT-5. Angka ini datang daripada laporan dan pengumuman YTL sendiri, bukan penilaian pihak ketiga yang bebas. Jadi cara membacanya perlu jujur: bukan bukti bahawa model tempatan mengalahkan semua model dalam semua perkara, tetapi bukti bahawa model yang dilatih dengan data tempatan memang ada kelebihan struktur pada tugasan berbahasa Melayu dan bahasa campur.

Kajian akademik tempatan menjelaskan mengapa kelebihan itu penting. Satu kertas konsep dalam Journal of Research, Innovation, and Strategies for Education menyenaraikan cabaran utama: korpus Bahasa Melayu yang terhad dalam model pembelajaran mesin, kekurangan data beranotasi, kepelbagaian dialek, dominasi bahasa Inggeris dalam model global, dan infrastruktur pemprosesan bahasa semula jadi yang belum matang. Kertas itu juga menyebut usaha sedia ada seperti Malaya-BERT, projek Malaya NLP yang terbuka di GitHub dan HuggingFace, Korpus DBP, Kamus Bahasa Melayu Digital, serta sumbangan rakaman suara melalui Common Voice.

Isu data ini bukan lagi perbualan universiti semata-mata. Pada Oktober 2026, Kementerian Pendidikan menyatakan komitmen kerajaan untuk menggembleng kementerian, agensi dan institusi pendidikan supaya menyalurkan bahan bahasa digital yang sahih dan sudah ditanda makna kepada DBP. Dalam erti kata lain, kualiti AI berbahasa Melayu bergantung pada berapa banyak teks Melayu yang betul, pelbagai dan bertanda dengan baik dapat dikumpul.

Contoh paling dekat dengan kerja harian: sebuah homestay di Terengganu menerima pertanyaan tetamu dalam bahasa Melayu pasar bercampur Inggeris. Pengurus mahu jawapan yang mesra, bukan seperti surat rasmi kerajaan. Jika dia hanya menaip "reply this in Malay", hasilnya sering terlalu formal. Jika dia beri contoh cara dia sendiri menulis dan minta nada santai, jawapan itu terus kelihatan seperti ditulis oleh orang tempatan.

Langkah praktikal:

1. Tetapkan bahasa secara jelas. Tulis "jawab dalam Bahasa Melayu Malaysia, bukan terjemahan daripada Inggeris" supaya model tidak menyalin struktur ayat Inggeris.
2. Beri contoh tulisan anda sendiri, dua atau tiga ayat sudah cukup. Model meniru nada, kosa kata dan panjang ayat daripada contoh itu.
3. Senaraikan perkataan yang mesti kekal, seperti nama tempat, harga dan istilah perniagaan. Ini mengelakkan model menukar "Benting Lintang" kepada ejaan lain.
4. Cuba dialek secara terkawal. Minta versi kedua dalam loghat Terengganu, kemudian semak sendiri dengan penutur asli kerana bukan semua model dilatih dengan dialek itu.
5. Semak semua nombor, tarikh dan nama selepas itu. Model bahasa boleh menulis ayat yang sangat kemas sambil tersilap fakta.
6. Jangan tampal kad pengenalan, nombor akaun atau butiran peribadi tetamu ke dalam kotak sembang. Data yang dihantar ke perkhidmatan awam tidak lagi dalam kawalan anda.

Anda pembantu penulisan untuk homestay kecil di Terengganu. Tulis balasan WhatsApp dalam Bahasa Melayu Malaysia yang santai dan mesra, maksimum 80 patah perkataan, kepada tetamu yang bertanya sama ada bilik masih ada hujung minggu ini dan sama ada boleh check-in awal. Jangan reka harga atau ketersediaan; tinggalkan [RUANG] untuk saya isi. Kekalkan nama "Benting Lintang". Selepas balasan, senaraikan tiga soalan susulan yang patut saya tanya kepada tetamu.

Kesimpulannya, AI berbahasa Melayu sudah cukup berguna untuk kerja harian, tetapi kualitinya bergantung pada tiga perkara: model yang dipilih, arahan yang jelas, dan semakan manusia. Model tempatan lebih kuat pada rasa bahasa dan dialek; model global masih lebih baik pada penaakulan panjang dan penulisan kod. Yang paling selamat ialah guna kedua-duanya mengikut tugasan, dan sentiasa baca semula sebelum dihantar kepada pelanggan sebenar.