Site icon KABARIKA

Bisakah AI Mempelajari Apa yang Didengar oleh Seorang Bayi dalam Seribu Hari Pertama Kehidupannya?

KABARIKA.ID, MAKASSAR — Seorang bayi berusia di bawah lima tahun (Balita) dapat menyerap ratusan kata hanya dengan mendengar orang lain berbicara.

Mungkinkah sebuah komputer, yang memulai dari nol, mengenali banyak kata yang sama dalam rentang waktu yang kurang lebih serupa?

Princeton merekam delapan bayi selama 1.000 hari pertama kehidupan mereka, dan sebuah model yang dilatih menggunakan data audio dari salah satu anak tersebut, terbukti mampu mempelajari bahasa dengan jadwal yang sama.

Para peneliti di Princeton Neuroscience Institute memasang kamera dan mikrofon di 15 rumah, lalu merekam aktivitas bayi selama hampir sepanjang waktu mereka terjaga selama 1.000 hari pertama kehidupannya.

Para peneliti mengubah percakapan yang terekam di sekitar delapan anak tersebut menjadi audio yang jernih menggunakan suara sintetis.

Mereka melatih model terpisah untuk setiap anak menggunakan data audio yang disusun sesuai urutan waktu saat percakapan tersebut direkam.

Model-model ini berhasil mengidentifikasi pola suara berulang yang berkaitan dengan kata-kata tertentu.

Rata-rata setiap model mencapai titik separuh dari daftar kosakata yang ditargetkan dalam waktu 22 hari, selaras dengan perkembangan anak yang menjadi acuan model tersebut.

“Kami ingin membalik logika umum dalam penelitian perkembangan. Alih-alih mengamati seorang anak selama satu jam di laboratorium, kami mencoba membangun model yang mampu belajar dengan cara menempatkannya dalam pengalaman nyata sang anak, hari demi hari,” ujar Uri Hasson, profesor psikologi dan ilmu saraf di Princeton yang memimpin studi ini.

Pemimpin studi ini, Uri Hasson, profesor psikologi dan ilmu saraf di Princeton University. (Foto: princeton.edu)

Merekam Selama Seribu Hari

Keluarga-keluarga yang berpartisipasi dalam studi tinggal di New Jersey, AS, dan berasal dari beragam latar belakang serta tingkat pendapatan.

Di setiap rumah, dipasang empat hingga 14 perangkat perekam yang tersebar di dua hingga lima ruangan.

Perangkat-perangkat tersebut beroperasi selama 12 hingga 14 jam setiap harinya, dari Februari 2022 hingga Mei 2025.

Proyek ini mengumpulkan sekitar 1,2 juta jam data audio dan video. Delapan rumah yang dianalisis dalam makalah ini menyumbang sekitar 600.000 jam di antaranya.

Sebuah sistem otomatis digunakan untuk melacak keberadaan anak di dalam rumah dan memilah percakapan yang terjadi di dekat mereka.

Setiap anak mendapatkan antara 1.900 hingga 6.600 jam tuturan yang dapat digunakan, atau sekitar tiga hingga tujuh setengah jam per hari.

Jumlah ini setara dengan 6 hingga 27 juta kata per anak, yang terkumpul selama median 960 hari perekaman.

Setiap bulan, mulai usia delapan bulan, pengasuh mengisi daftar periksa standar mengenai kata-kata apa saja yang dipahami dan diucapkan oleh anak mereka.

Melalui formulir inilah para peneliti mengetahui apa yang diketahui oleh setiap anak dan kapan mereka mengetahuinya.

Anak-anak mencapai titik pemahaman atau pengucapan separuh dari 649 kata dalam daftar periksa tersebut pada rentang usia sekitar 12 hingga 22 bulan.

Selisih sepuluh bulan di antara anak-anak ini merupakan aspek yang biasanya dihilangkan dalam banyak penelitian lain karena dirata-ratakan.

Sebuah Program Tanpa Bekal Awal

Model ini bermula dari angka-angka acak. Program tersebut tidak memiliki kamus, tidak memiliki pengetahuan fonetik, tidak tahu di mana satu kata berakhir dan kata berikutnya dimulai, serta tidak memiliki teks apa pun.

Bagian pertama program ini memecah suara yang masuk menjadi potongan-potongan berdurasi 20 milidetik, lalu mengelompokkannya ke dalam kategori-kategori yang diciptakannya sendiri.

Bagian kedua mencoba menebak potongan berikutnya berdasarkan apa yang muncul sebelumnya.

Setiap kali serangkaian potongan suara menjadi dapat diprediksi dengan konsisten, program tersebut menyimpannya sebagai satu kesatuan, yang merupakan bentuk paling mendekati konsep “kata” bagi program ini.

Tidak ada satu pun aspek dalam rancangan ini yang dikhususkan untuk bahasa Inggris atau bahkan untuk tuturan manusia. Hal yang membuatnya unik adalah jadwal pemrosesannya.

Data audio dimasukkan sesuai urutan waktu perekamannya, hari demi hari, bukan diacak ke dalam kelompok-kelompok data sebagaimana biasanya dilakukan dalam pelatihan model bahasa kecerdasan buatan (AI).

Pada akhir setiap hari simulasi, program tersebut menerima sampel tuturan dari hari-hari sebelumnya, dengan bobot yang lebih besar pada hari-hari yang lebih baru.

Para peneliti menyebut proses ini sebagai “pemutaran ulang” (replay).

Fonem Muncul Lebih Dulu, Baru Kemudian Kata

Bahasa Inggris memiliki 39 fonem, yaitu unit bunyi yang membedakan kata, misalnya antara bat dan pat.

Pada tahun pertama kehidupannya, anak-anak belajar mengenali fonem-fonem yang digunakan dalam bahasa mereka sendiri.

Dalam kurun waktu sekitar 12 hingga 15 bulan simulasi, program tersebut telah berhasil membentuk kategori khusus untuk hampir semua fonem tersebut.

Dari kedelapan anak yang diteliti, model-model yang dihasilkan mencakup rata-rata 37,5 fonem per anak.

Jumlah fonem paling sedikit ditemukan pada model yang berasal dari rumah tangga dengan durasi perekaman paling singkat.

Urutan kejadiannya, bunyi muncul sebelum kata-kata, adalah urutan yang diikuti oleh bayi. Kata-kata muncul kemudian.

Bagi anak yang dalam makalah tersebut disebut sebagai Coral, daftar periksa menunjukkan bahwa ia memahami 97 kata pada usia 12 bulan, sementara modelnya mencatat 91 kata.

Pada kedelapan anak tersebut, model dan anak-anak itu mencapai tonggak perkembangan kosakata yang sama dengan selisih waktu rata-rata 22 hari, selisih waktu terlama adalah 56 hari.

Model-model tersebut juga mereproduksi perbedaan antaranak, dengan hasil yang mendekati usia pencapaian separuh kosakata bagi setiap anak.

Hasilnya tidak sepenuhnya tepat. Model-model tersebut cenderung mulai mempelajari kata-kata agak terlambat, namun kemudian mengejar ketertinggalan dengan lebih cepat. Dengan demikian, bentuk kurvanya hanya sebagian yang akurat.

Pengulangan Sama Pentingnya dengan Input

Hal yang mengejutkan dalam penelitian ini adalah apa yang terjadi ketika para peneliti menghilangkan proses pengulangan.

Lingkungan rumah Coral menghasilkan sekitar 10 juta kata per tahun, sebuah lingkungan yang sangat kaya dalam ukuran apa pun.

Mendengar semua kata tersebut hanya satu kali, secara berurutan, ternyata tidak cukup. Dengan satu kali paparan saja, program tersebut hampir tidak mempelajari kata apa pun.

Sekitar 25 hingga 30 kali pengulangan terhadap materi setiap harinya sudah cukup, sementara penambahan jumlah pengulangan di atas angka tersebut tidak memberikan banyak manfaat tambahan.

Para peneliti mengaitkan hal ini dengan fungsi tidur bagi ingatan. Program yang memutar ulang berkas audio tentu bukan bayi yang sedang tidur, dan makalah penelitian ini sangat berhati-hati dalam menyampaikan poin tersebut.

Jumlah rekaman yang diberikan juga sama pentingnya. Ketika hanya diberi sepersepuluh dari total percakapan harian di rumah Coral, kurang dari satu jam sehari, program tersebut tidak mempelajari satu pun kata dari daftar periksa (checklist) hingga usia 24 bulan.

Pada tingkat 30% dari percakapan harian, sekitar dua setengah jam, program tersebut berhasil mempelajari 80 dari 649 kata dalam daftar periksa.

Pada tingkat 70%, program tersebut mencapai sekitar sembilan persepuluh dari hasil maksimal. Kata-kata yang lebih jarang digunakan tampaknya hanya muncul bagi pendengar yang hadir hampir sepanjang hari.

Audio yang Digunakan Bersifat Sintetis

Satu keterbatasan memengaruhi aspek lainnya. Rekaman di rumah biasanya penuh dengan suara piring berdenting, televisi, dan percakapan beberapa orang secara bersamaan. Namun, program ini tidak dirancang untuk menangani kondisi tersebut.

Sebagai gantinya, para peneliti menyalin (transkrip) semua percakapan di sekitar setiap anak, lalu menggunakan sistem text-to-speech (teks ke suara) untuk membacakan transkrip tersebut menjadi audio yang bersih.

Setiap lingkungan rumah mendapatkan kombinasi dari delapan suara perempuan dewasa, dengan 30% bagian dibacakan menggunakan suara yang disesuaikan dengan suara ibu dari anak tersebut.

Jadi, urutan kata, penempatan waktu, dan kosakata yang digunakan adalah nyata, namun suaranya tidak.

Masalah akustik yang sebenarnya dipecahkan oleh seorang bayi, yakni memilah satu suara di tengah ruangan yang bising, tidak dibahas dalam penelitian ini dan diserahkan untuk studi selanjutnya.

Tiga dari delapan anak memiliki durasi rekaman yang lebih singkat, yaitu hanya mencakup 14 hingga 20 bulan data yang dapat digunakan.

Oleh karena itu, perkembangan mereka di masa selanjutnya diekstrapolasi, bukan dimodelkan.

Program ini juga tidak menangkap informasi visual apa pun, tidak ada wajah, tidak ada gestur menunjuk, dan tidak ada objek yang diserahkan, padahal hal-hal tersebut merupakan bagian penting bagi Balita dalam memahami apa yang dirujuk oleh suatu kata.

Tata Bahasa Menjadi Ujian Berikutnya

Program tersebut mempelajari bunyi dan kata-kata, namun tidak mempelajari tata bahasa.

Apakah mekanisme yang sama dapat digunakan untuk memahami struktur kalimat merupakan pertanyaan terbuka yang diajukan oleh para penulis.

Tim peneliti ingin menggunakan metode ini untuk menjawab pertanyaan-pertanyaan yang tidak mungkin diajukan kepada bayi sungguhan.

Misalnya, apa dampaknya jika waktu tidur berkurang, atau bagaimana pengaruh paparan bahasa melalui layar dibandingkan dengan interaksi langsung bersama orang tua?

Penelitian di masa mendatang juga dapat mencakup aspek kontak mata serta berbagai elemen interaksi sosial lainnya, yang sempat terekam oleh kamera namun tidak diproses oleh model tersebut.

Hadas Raviv, seorang ilmuwan kognitif komputasional di departemen psikologi Universitas Princeton yang merancang alur analisis ini, menjelaskan bahwa tujuan penelitian mereka justru berkebalikan dengan fokus umum dalam bidang AI.

“Berbeda dengan sebagian besar pengembangan AI modern yang mengejar performa melampaui kemampuan manusia, kami berupaya memahami bagaimana manusia belajar dan bagaimana proses pembelajaran tersebut melahirkan kecerdasan,” ujar Raviv.

Hasil lengkap studi telah diterbitkan dalam jurnal Science pada 5 November 2026 dengan judul, “The first 1000 days: Modeling language learning from individual children’s everyday speech;” selengkapnya dapat diakses di sini.

Exit mobile version