EasyTranslate فکر میکند که افزایش LLM با انسانها به آن برتری نسبت به خدمات ترجمه خالص هوش مصنوعی میدهد.
ممکن است فکر کنید استارتاپهای جدید هوش مصنوعی مانند Eleven Labs داغترین بازی در شهر برای خدمات ترجمه هستند. اما مدتها پیش، بازار دیگری که مدتی پیش توسط استارتآپها مورد هدف قرار گرفت، ترجمه صوتی بود: ترجمه محتوا. هر شرکتی که حضور بینالمللی دارد باید محتوای خود را در سراسر جهان ترجمه کند، پس این یک بازار بزرگ باقی میماند. 106 میلیون دلاری که تا به امروز توسط شرکت هایی مانند Unbabel در پرتغال جمع آوری شده بود (که آخرین بار 60 میلیون دلار جمع آوری کرده بود) شاهد این موضوع بود.
EasyTranslate که در زمینه ترجمه محتوا تخصص دارد، از سال 2010 به وجود آمده است و از مدل های یادگیری ماشینی استفاده می کند تا مشخص کند کدام مترجمان آزاد برای ترجمه انواع خاصی از محتوا مناسب ترند. اما اکنون با یک پلتفرم جدید و مولد مبتنی بر هوش مصنوعی که «HumanAI» نامیده میشود، در مسیر جدیدی قرار گرفته است.
فردریک آر. پدرسن، بنیانگذار این شرکت، به TechCrunch گفت: «ما کل مدل کسب و کار را از یک مدل کسب و کار مبتنی بر خدمات انسانی به سمت ارائهدهنده فناوری هوش مصنوعی قرار دادهایم، که هزینهها را کاهش داده و روند را تسریع میکند.
اکثر خدمات ترجمه محتوای ترجمه شده ماشینی را ارائه می دهند که بخش کوچکی از آن توسط انسان ویرایش می شود. با این حال، مترجمان اغلب باید کل ترجمه ماشینی را ارزیابی کنند تا زمینه را درک کنند و محتوا را درک کنند. پلتفرم HumanAI EasyTranslate این را در ذهن خود تغییر می دهد، محتوا را جذب می کند، آن را با مدل های زبان بزرگ (LLM) ترکیب می کند و از حافظه کوتاه مدت در LLM برای ترجمه دقیق تر محتوا استفاده می کند. علاوه بر این، فقط انسان ها را در جایی که لازم است درگیر می کند، پس زمان و هزینه ترجمه را کاهش می دهد.
برای انجام این کار، HumanAI از ترکیبی از LLM ها، از جمله آنچه که توسط OpenAI ارائه می شود، و همچنین سیستم های توصیه خود استفاده می کند. این پلتفرم از الگوریتم ها و داده های مشتری خود استفاده می کند تا ترجمه محتوای سفارشی شده را ارائه دهد.
پدرسن گفت، راز این محور در استفاده از LLM برای تولید حافظه کوتاه مدت است تا پلتفرم بتواند ترجمه را به زبان انگلیسی عمومی بخواند و آن را به انگلیسی خاص تبدیل کند. این محتوا را به یک پایگاه داده «بردار» میدهد و آن را قادر میسازد تا جستجوی معنایی انجام دهد و شباهتهایی بین محتوا پیدا کند، که سپس برای ایجاد یک حافظه کوتاهمدت با یک LLM استفاده میشود (این به عنوان تولید گفت ه بازیابی نیز نامیده میشود).
این به این معنی است که پلتفرم میتواند از هر تعداد LLM برای ترجمه بین، به عنوان مثال، انگلیسی مورد استفاده در کپی بازاریابی یا انگلیسی به کار رفته در گزارشهای مالی استفاده کند و همیشه معنی متن را حفظ کند.
ما می توانیم موتورهای سنتی تر ترجمه ماشین عصبی را با داده های خاص مشتری ترکیب کنیم تا پایه ای برای فرآیند بومی سازی و ترجمه ایجاد کنیم. پس ، برای مثال، حرکت از زبان عمومی به سمت زبان مشتری خاص.
چرا این مهم است؟ پدرسن توضیح داد: "شما ممکن است از نظر دستوری ترجمه ماشینی کاملی داشته باشید، اما هنوز ممکن است درست به نظر نرسد. پس ما تشخیص می دهیم که کدام قسمت از محتوا دارای امتیاز اعتماد پایین است و سپس از انسان برای تصحیح آن استفاده می کنیم. این ترکیب بهره وری ما را به شدت افزایش می دهد.»
پدرسون ادعا کرد که HumanAI می تواند هزینه های ترجمه را تا 90٪ کاهش دهد و در نهایت خدمات خود را 0.01 یورو برای هر کلمه ترجمه شده قیمت گذاری می کند. مشتریان آن شامل مشاغل جهانی مانند Wix و Monday.com هستند.
و قیمتگذاری یک معمای بسیار مهم برای حل در این فضا است زیرا شرکتها محتوای زیادی دارند که نیاز به ترجمه دارند.
«اگر به Adobe نگاه کنید، آنها یک تیم کامل دارند که فقط به نحوه همسویی اصطلاحات در بازارها نگاه می کنند. پدرسن بيان کرد و اگر به برندهای جهانی نگاه کنیم، تلاش زیادی برای اطمینان از اینکه شما در سطح محلی به درستی درک می شوید، انجام می شود.
با این حال، سؤال این است که چه چیزی به EasyTranslate کمک می کند تا با راه حل های مبتنی بر هوش مصنوعی بازی خالص، که احتمالاً با گذشت زمان بهتر می شوند، رقابت کند؟
هدف ما تبدیل شدن به یک AI [سرویس] خالص نیست. من فکر می کنم هدف ما ایجاد ارزش گفت ه ترکیب انسان با هوش مصنوعی و ارائه این خدمات به مشتریان است. هوش مصنوعی همچنان به بازخورد انسانی برای بهبود نیاز دارد.»
«این یک چیز است که بگوییم میخواهید تمام تولید محتوا، همه ترجمهها را پیادهسازی کنید و مطمئن شوید که واقعاً میتوانید مدل را کنترل کنید. برای کنترل مدلها باید چند انسان داشته باشید، زیرا انسانها ماشین نیستند و زبان دائماً تغییر میکند.»
EasyTranslate تا به امروز در مجموع 3 میلیون یورو جمع آوری کرده است و توسط سهام خصوصی، تامین مالی بدهی، برخی از سرمایه گذاران فرشته در کپنهاگ و صندوق نوآوری دانمارک حمایت می شود.
ارسال نظر