Andrej Karpathy, salah satu pendiri OpenAI, baru-baru ini mengungkapkan metode menarik untuk membuat model bahasa besar (LLM) menghasilkan penjelasan yang lebih mudah dipahami. Dalam unggahan di platform X, ia menyebutkan keberhasilannya meminta model untuk mengikuti standar ASD-STE100, bentuk bahasa Inggris terkontrol yang biasa dipakai untuk menyusun manual perawatan pesawat terbang. Pendekatan ini membuat respons AI menjadi lebih presisi dan minim ambiguitas.
Pernyataan tersebut langsung memicu diskusi hangat di kalangan pengembang AI. Banyak yang penasaran bagaimana standar teknis dari industri penerbangan bisa diterapkan pada model bahasa modern. Rupanya, prinsip kejelasan yang menjadi fondasi dokumen keselamatan penerbangan sangat relevan untuk mengatasi masalah halusinasi dan jawaban bertele-tele pada LLM.
Apa Itu ASD-STE100 dan Mengapa Dipakai di Pesawat?
ASD-STE100 adalah standar internasional untuk penulisan teknis yang dikelola oleh ASD, asosiasi yang mewakili perusahaan kedirgantaraan, keamanan, dan pertahanan Eropa. Standar ini menggunakan bahasa Inggris terkontrol dengan sekitar 900 kata yang disetujui, sebagian besar hanya memiliki satu makna. Aturan penulisan yang ketat memastikan setiap kalimat pendek, langsung, dan bebas dari interpretasi ganda.
Manual perawatan pesawat harus bisa dipahami oleh teknisi dari berbagai negara dengan tingkat kemahiran bahasa Inggris yang berbeda. Karena nyawa manusia bergantung pada instruksi yang akurat, ASD-STE100 menghilangkan kata-kata ambigu, sinonim, dan struktur kalimat rumit. Hasilnya adalah dokumen yang sangat teknis namun tetap mudah dipahami oleh pembacanya.
Ide Karpathy: Meminta LLM Menulis dengan Standar Penerbangan
Andrej Karpathy membagikan pengalamannya meminta model bahasa untuk menjelaskan berbagai topik menggunakan aturan ASD-STE100. Dengan instruksi sederhana, LLM dapat dipaksa untuk mempersempit pilihan kata dan menyusun kalimat yang lebih pendek. Menurutnya, hasil penjelasan menjadi jauh lebih jernih dibandingkan gaya bahasa default model yang sering berlebihan.
Metode ini pada dasarnya adalah bentuk rekayasa prompt yang memanfaatkan batasan kosakata dan sintaksis. Alih-alih meminta model menulis secara umum, pengguna memberikan kerangka bahasa yang sudah terbukti efektif dalam industri berisiko tinggi. Model kemudian menyesuaikan output-nya agar sesuai dengan aturan tersebut, sehingga mengurangi kemungkinan salah tafsir.
Respons Komunitas: Skill Open-Source untuk AI Agents
Setelah unggahan Karpathy ramai dibahas, seorang pengguna membagikan tautan ke skill open-source di GitHub yang menerapkan aturan STE pada teks yang dibaca oleh agen AI. Skill ini dirancang agar AI dapat mengikuti prinsip ASD-STE100 secara otomatis saat memproses instruksi atau menghasilkan respons. Menariknya, README dari proyek tersebut secara eksplisit menyatakan bahwa skill ini tidak ditujukan untuk kebutuhan copywriting pemasaran.
Pembatasan itu wajar karena gaya penulisan pemasaran biasanya justru ingin mengekspresikan emosi dan variasi kata, sementara STE justru menghapus semua elemen tersebut. Fokus utama skill open-source ini adalah membuat komunikasi teknis antara manusia dan AI menjadi lebih presisi. Dengan demikian, alat ini cocok untuk dokumentasi teknis, panduan penggunaan, atau instruksi operasional.
Keunggulan Menulis ala Manual Pesawat untuk LLM
Salah satu keuntungan terbesar dari pendekatan ini adalah pengurangan ambiguitas semantik pada jawaban model. Dengan hanya menggunakan kata-kata yang maknanya tunggal, risiko kesalahpahaman antara AI dan pengguna menurun drastis. Kalimat pendek juga membuat respons lebih mudah dipindai dan diverifikasi.
Selain itu, standar STE memaksa model untuk menyederhanakan konsep yang rumit tanpa kehilangan makna inti. Hal ini sangat berguna dalam bidang teknis seperti pemrograman, sains, atau dokumentasi produk. Pengguna tidak perlu membaca ulang paragraf panjang untuk mencari inti informasi, karena semuanya sudah disajikan dalam struktur yang logis dan ringkas.
Keterbatasan dan Kapan Sebaiknya Tidak Digunakan
Meskipun efektif untuk komunikasi teknis, ASD-STE100 tidak cocok untuk semua jenis tulisan. Gaya bahasa ini sengaja menghilangkan nuansa emosional, metafora, dan keindahan bahasa yang diperlukan dalam esai, cerita fiksi, atau iklan. Memaksa LLM untuk selalu menulis seperti manual pesawat akan membuat konten terasa kaku dan kehilangan daya tarik kreatif.
Karpathy sendiri tidak menyarankan standar ini sebagai pengganti gaya penulisan umum, melainkan sebagai alat untuk situasi tertentu. Ketika pengguna membutuhkan instruksi langkah demi langkah yang tidak boleh salah, STE adalah pilihan terbaik. Namun untuk narasi persuasif atau hiburan, pendekatan lain yang lebih fleksibel tetap lebih relevan.
Implikasi untuk Pengembangan AI dan Dokumentasi Masa Depan
Fenomena ini menunjukkan bahwa prinsip penulisan dari industri penerbangan dapat diedukasi ke dalam sistem AI modern. Pengembang dapat menciptakan lapisan instruksi yang memicu model untuk mengadopsi gaya penulisan terkontrol saat dibutuhkan. Ini membuka peluang bagi standar industri lain seperti medis atau hukum untuk diadaptasi menjadi aturan bahasa bagi LLM.
Ke depannya, kita mungkin akan melihat lebih banyak skill atau plugin yang mengajarkan pola komunikasi khusus kepada agen AI. Dengan memanfaatkan standar yang sudah teruji selama puluhan tahun, para pengembang dapat meningkatkan keandalan AI tanpa harus melatih ulang model dari nol. Ini adalah contoh bagaimana transfer pengetahuan lintas bidang dapat menghasilkan solusi yang sederhana namun berdampak besar.
