Teknologi kecerdasan buatan modern mampu menyelesaikan kalkulasi matematika rumit, namun justru menghadapi kendala besar dalam menghitung jumlah huruf pada satu kata. Fenomena kegagalan ejaan ini tengah melanda fitur Google AI Overview.
Sistem kecerdasan buatan yang diproyeksikan sebagai masa depan mesin pencari ini menunjukkan keterbatasan mendasar dalam hal linguistik. Dilansir dari Media Indonesia, tirai kelemahan ini memicu perhatian karena memunculkan kekeliruan yang tidak terduga.
Laporan terkini pada 28 Mei 2026 menunjukkan bahwa Google AI Overview memberikan jawaban keliru untuk pertanyaan mendasar. Sistem ini mendeteksi dua huruf "P" dalam kata "Google", serta mengklaim hanya ada satu huruf "r" untuk kata "poop".
Kesalahan ejaan juga menyasar kosakata bahasa Inggris lain seperti mengubah kata journalism menjadi "j-o-u-r-n-a-d-i-s-m". Bahkan, susunan huruf untuk nama belakang tokoh publik sempat disajikan secara acak menjadi "t-r-p-u-m".
Rangkaian kekeliruan tersebut menambah catatan fenomena halusinasi kecerdasan buatan. Sebelumnya, sistem ini sempat menjadi sorotan karena merekomendasikan penggunaan lem pada makanan serta menyarankan konsumsi batu berdasarkan informasi dari situs satir.
"Menghitung dalam kata telah menjadi tantangan yang diketahui bagi LLM, dan kami sedang berupaya memperbaiki masalah khusus ini," ujar perwakilan Google dalam pernyataan resminya dilansir dati TechCrunch, Kamis (28/5).
Kendala ejaan ini berakar langsung pada keterbatasan arsitektur dasar Large Language Models (LLM) dan bukan sekadar malafungsi perangkat lunak biasa. Proses pengolahan data internal sistem memiliki mekanisme kerja khusus yang memicu batasan tersebut.
| Aspek | Penjelasan Teknis |
|---|---|
| Tokenisasi | AI tidak membaca huruf per huruf. Teks dipecah menjadi "token" yang bisa berupa satu kata utuh, suku kata, atau fragmen karakter. |
| Representasi Numerik | Kata-kata diubah menjadi angka (encoding). AI memahami makna kata "the" sebagai satu kesatuan angka, namun tidak menyadari bahwa di dalamnya ada huruf T, H, dan E. |
| Arsitektur Transformer | Model ini fokus pada konteks dan probabilitas kata selanjutnya, bukan pada struktur internal karakter penyusun kata. |
Peneliti kecerdasan buatan dari University of Alberta, Matthew Guzdial, menjelaskan bahwa sistem menggunakan satu pengkodean tertentu untuk memaknai sebuah kata saat memprosesnya. AI tidak benar-benar mengamati huruf-huruf individual yang menyusun kata tersebut.
Kondisi ini menjadi alasan logis mengapa pencarian kata sederhana seperti menghitung huruf "r" pada kata strawberry kerap gagal. Keterbatasan tersebut bahkan masih dijumpai pada model kecerdasan buatan paling mutakhir.
Integrasi teknologi kecerdasan buatan pada mesin pencari membawa dampak ganda bagi pengguna. Di satu sisi, sistem mampu merangkum data kompleks secara cepat dan menyajikan jawaban langsung tanpa mengharuskan pengguna membuka banyak tautan situs.
Namun di sisi lain, teknologi ini rentan memicu kesalahan faktual mendasar serta kegagalan logika simpel. Terdapat pula risiko penyebaran data tidak valid yang bersumber dari konten satir di internet.
Sheridan Feucht, ahli dari Northeastern University, menyatakan keraguannya mengenai kehadiran solusi mutlak berupa tokenisasi sempurna untuk mengatasi problem ini. Langkah validasi oleh manusia tetap menjadi instrumen krusial dalam menyaring informasi dari kecerdasan buatan.
