Jelaskan arsitektur dan prinsip kerja model transformer modern seperti BERT, GPT, dan T5 dalam tugas pemrosesan bahasa alami. Diskusikan teknik fine-tuning dan transfer learning yang efektif untuk domain spesifik, serta strategi untuk mengoptimalkan performa dengan data terbatas. Bandingkan pendekatan berbasis model bahasa besar dengan teknik NLP klasik untuk berbagai tugas seperti named entity recognition, sentiment analysis, dan machine translation. Berikan panduan praktis untuk menangani tantangan seperti multilinguisme, domain adaptation, dan interpretability dalam sistem NLP produksi.