Ingat, bagaimana dulu penerjemah memberikan hasil yang begitu absurd sehingga meme dibuat sendiri? Seperti instruksi produk dari China yang menyarankan 'menyetrika kucing melawan bulu untuk mengaktifkan'. Lucu memang, tapi saat harus segera menerjemahkan dokumen penting atau menjelaskan kepada klien asing mengapa tenggat waktu terlewat - tidak lagi lucu. Untungnya, waktu telah berubah. Neural network penerjemah modern sudah level yang sama sekali berbeda. Saya memutuskan untuk menguji tujuh layanan populer dan melihat siapa yang benar-benar mampu menangani tugas-tugas rumit.

Untuk pengujian, saya menyiapkan dua soal jebakan. Pertama - teks yang penuh idiom dan kode warna (feeling blue, red tape, in the red). Kedua - paradoks sintaksis klasik tentang waktu yang melesat seperti panah, dan fruit flies yang suka pisang. Ini bukan sekadar tes bodoh, ini jebakan nyata yang bahkan algoritma canggih pun bisa terperangkap.

Mari kita mulai dengan BotHub. Di baliknya bekerja Gemini 3 Pro dari Google. Google telah mengindeks seluruh internet selama puluhan tahun dan tahu lebih banyak tentang bahasa daripada siapa pun. Pada tugas pertama, Gemini berhasil dengan baik - mengenali semua idiom, menerjemahkan 'feeling blue' sebagai sedih, dan 'red tape' sebagai birokrasi. Pada tes kedua, model tidak terjebak dengan kata 'flies', tapi kehilangan permainan kata dari aslinya. Secara teknis, hasilnya bagus, tapi tidak mengkilap.

DeepL dari Köln, Jerman - ini adalah neural network penerjemah khusus yang sejak 2017 membangun reputasi baik. Fungsinya banyak: bekerja dengan dokumen, mendukung 35 bahasa, baru-baru ini menambahkan Speech-to-Text. Pada tugas pertama, DeepL memilih gaya yang lebih santai, menerjemahkan 'in the red' sebagai 'dalam minus' - sangat akurat dan cocok dengan percakapan sehari-hari. Tapi pada tugas kedua, benar-benar gagal - tidak mengenali bahwa 'fruit flies' adalah nama tetap serangga, dan menghasilkan omong kosong tentang buah yang terbang. Menunjukkan bahwa ini tetap penerjemah statistik yang kadang memilih opsi paling umum.

GigaChat dari Sber bekerja dengan arsitektur NeONKA dan menggabungkan beberapa neural network sekaligus. Fungsionalitas lengkap - bisa memasukkan dokumen, tabel, presentasi, bahkan rekaman audio selama satu jam. Pada tes pertama, GigaChat paling mendekati kenyataan - menerjemahkan 'feeling blue' sebagai 'tertekan', yang lebih tepat menggambarkan nuansa emosinya. Pada tes kedua, juga tidak terjebak dan benar mengenali 'flies'. Hasil yang mengesankan untuk model serba bisa.

Microsoft Translator dari Bing - ini adalah mesin kerja keras yang terintegrasi di mana-mana: di Edge, Skype, Word. Mendukung 179 bahasa, termasuk Klingon untuk penggemar Star Trek. Pada kedua tugas, berhasil dengan benar - mengenali idiom dan tidak terjebak dalam jebakan sintaksis. Terlihat bahwa di baliknya ada algoritma yang kuat.

MachineTranslation - ini adalah aggregator yang mengirim teks Anda langsung ke Google, DeepL, Amazon, Microsoft, dan ChatGPT, lalu menampilkan semua hasilnya berdampingan. Cerdas jika Anda tidak yakin mana yang lebih tepat. Mendukung lebih dari 270 bahasa. Minusnya, dalam mode gratis hanya 100 kata sekaligus. Pada kedua tes, hasilnya aman dan rata-rata, yang bisa dipahami siapa saja.

Reverso berfungsi seperti mesin pencari terjemahan orang lain - mengandalkan basis subtitle, dokumen PBB, dan instruksi. Antarmuka sudah ketinggalan zaman, versi gratisnya pelit - hanya 2000 karakter per kali. Pada tugas pertama, gagal total - menerjemahkan 'red tape' sebagai 'birokrasi pita' (bayangkan kepala dengan gunting?). Pada tugas kedua, membuat kesalahan paling bodoh - menerjemahkan 'like' sebagai perbandingan, bukan sebagai kata kerja. Ini level Google Translate tahun 2010.

Yandex Alice sekarang berjalan di YandexGPT dan masuk ke dalam kompetisi model generatif. Ada di mana-mana - di halaman utama Yandex, browser, aplikasi. Sangat memahami nuansa bahasa Rusia karena dilatih di internet berbahasa Rusia. Pada tugas pertama, menghasilkan salah satu terjemahan paling sastra - 'feeling blue' sebagai 'dalam keadaan tertekan', dan 'red tape' sebagai 'menghindari hambatan birokrasi'. Keren. Pada tes kedua, juga tidak salah dan bahkan menerjemahkan 'like' sebagai 'suka' - keren.

Kesimpulannya, neural network penerjemah terbaik adalah GigaChat, Alice, dan Microsoft Translator. Mereka benar-benar memahami konteks dan tidak terjebak dalam jebakan sintaksis. DeepL bagus untuk dokumen, tapi kadang tersandung. Reverso sebaiknya tidak digunakan untuk tugas serius.

Tapi ingat, yang utama: neural network hanyalah asisten, tidak lebih. Mereka bisa salah, berfantasi, kadang mengejutkan dengan cara yang tidak diharapkan. Percayalah, tapi tetap cek. Penerjemah neural network mana yang Anda gunakan? Bagikan pengalaman di komentar!