Sampai tahun 1962 proyek Machine Translation sebanyak 48 di seluruh dunia, 12 diantaranya di Amerika Serikat dengan dana yang dikucurkan sekitar 20 juta USD. Hasil yang dicapai tidak memenuhi sasaran yang dicanangkan pada 1954 sebagai Fully Automatic High Quality Translation. ALPAC yang didirikan oleh National Science Foundation pada tahun 1966 melaporkan bahwa terjemahan mesin lebih lambat, kurang cermat dan dua kali lebih mahal daripada terjemahan manusia, dan menganjurkan agar jangan menanam modal ke proyek itu lagi. [Bambang Kaswanti Purwa : 1988] Meskipun demikian, penelitian di Rusia berlangsung terus, dan merupakan yang paling maju. Perkembangan selanjutnya merupakan gabungan antara system analisis semantik mutakhir, dengan intelegensia buatan, dan system interaktif (bantuan manusia).
Kegagalan ini sebenarnya pada intinya adalah disebabkan oleh keambiguan di dalam bahasa alami. Keambiguan yang bisa terjadi menurut Bambang KP, adalah : -keambiguan kategori -keambiguan makna -keambiguan struktural (lihat Hutchins 1982:28) Sedang menurut Newmark (1987:218-220) mengidentifikasi 5 macam keambiguan : - keambiguan pragmatic - keambiguan kebudayaan (cultural) - keambiguan idiolektual - keambiguan rujukan (referensial) - keambiguan metaforik. Dapat ditambahkan lagi dua macam keambiguan menurut sumbernya, yaitu keambiguan fonologis dan ejaan.[ P.W.J. Nababan : 1988]. Kesulitan pokok yang dijumpai dalam membangun system Pemrosesan Bahasa Alami adalah diakibatkan oleh rumitnya pemodelan interpretasi gramatika secara otomatis. Dalam persoalan yang dinamis dibutuhkan suatu pengendalian system program yang dapat menjamin konsistensi dari data dan prosesnya pada waktu terjadi perubahan. Untuk itu dibutuhkan suatu strategi data dan strategi proses yang memiliki tingkat keluwesan yang tinggi. Bidang kajian strategi yang ini termsuk ke dalam intelegemsia buatan. [Iping Supriana : 1988]. Dari sini dapat kita tarik simpulan bahwa ada korelasi antara "ambiguity" dan intelegensia. Kemampuan untuk menerima toleransi keambiguan merupakan parameter level kecerdasan suatu sistem cerdas. Hal ini dikarenakan sistem cerdas dapat menjabarkan pengetahuan , dimana kemudian dapat memperhitungkan konteks kebahasaan dan situasi pragmatic, dalam kasus pemrosesan bahasa alami. Kalo boleh dibalik, untuk membangun sistem cerdas, diperlukan untuk bisa menyerap keambiguan dengan toleransi tertentu. Ambiguity-tolerance di sini saya kira lebih daripada "pattern recognition" untuk mengenal terjadinya "kontaminasi" (istilah psikologi) ataupun garbage in dalam suatu sistem, namun bahkan bisa melakukan sintesis-evaluasi pada ambigu ini, bahkan bisa melakukan decision untuk mengeluarkan output ambigu juga. -- Salam Revolusi IT Indonesia !!!! Alpha Bagus Sunggono http://bagusalfa.blogspot.com [EMAIL PROTECTED] -- www.itcenter.or.id - Komunitas Teknologi Informasi Indonesia Gabung, Keluar, Mode Kirim : [EMAIL PROTECTED] ## Jobs: itcenter.or.id/jobs ## Bursa: itcenter.or.id/bursa ## ## Jaket ITCENTER tersedia di http://shop.itcenter.or.id Yahoo! Groups Links <*> To visit your group on the web, go to: http://groups.yahoo.com/group/ITCENTER/ <*> Your email settings: Individual Email | Traditional <*> To change settings online go to: http://groups.yahoo.com/group/ITCENTER/join (Yahoo! ID required) <*> To change settings via email: mailto:[EMAIL PROTECTED] mailto:[EMAIL PROTECTED] <*> To unsubscribe from this group, send an email to: [EMAIL PROTECTED] <*> Your use of Yahoo! Groups is subject to: http://docs.yahoo.com/info/terms/
