Reality Series, Aflevering 6: Hebben LLM's de kunst van het vertalen onder de knie?

LLM's hebben een grote verschuiving teweeggebracht op het gebied van vertalen. In deze aflevering willen we de voor- en nadelen van het gebruik van LLM's bij lokalisatie ontrafelen. We bieden inzicht in het nemen van weloverwogen beslissingen over het gebruik van LLM's in het vertaal-/lokalisatieproces en verkennen de taalmogelijkheden van LLM's.

Deze discussie wordt geleid door Mei Zheng en Valerie Dehant.

Mythe ontkrachten: Hebben LLM's de kunst van het vertalen onder de knie?

In aflevering zes van Smartling's 'Reality Series' gingen Mei Zheng, Senior Data Scientist, en Valérie Dehant, Senior Director of Language Services, in op een paar veelvoorkomende mythes met betrekking tot LLM's en machinevertaling (MT), en of Large Language Models (LLM's) de kunst van het vertalen echt onder de knie hebben.

Het ontkrachten van enkele mythes over LLM's en vertaling

Mythe #1: LLM's zijn beter dan machinevertaling

De eerste mythe was of LLM's beter presteren dan MT op het gebied van vertaling. Met haar inzichten verdreven Mei de mythe door te beweren dat LLM's weliswaar een lovenswaardig algemeen taalbegrip hebben, maar dat hun vaardigheden niet bijzonder gemaakt zijn voor vertaling. Ze zullen MT-systemen niet overtreffen (in ieder geval op dit moment), maar ze voegen wel waarde toe aan vertalingen door bij te dragen aan grammaticale precisie en de vloeiendheid van taal te verbeteren.

Mythe #2: LLM's kunnen alle talencombinaties vertalen

De tweede mythe betwistte de allesomvattende capaciteiten van LLM's, door te stellen dat ze in alle taalparen kunnen vertalen. Mei sprak dit sterk tegen en wees erop dat de meerderheid van de LLM's beperkt is in hun meertaligheid. Mei benadrukte specifiek het belang van het onderzoeken van modelkaarten, een hulpmiddel voor transparantie in grote taal- en machine-learningmodellen om te helpen begrijpen welke talen het ondersteunt, en om ze te testen voor specifieke vertaalgebruiksgevallen.

Mythe #3: LLM's kunnen mensen vervangen

Ten slotte ging de sessie in op de algemene bewering dat taalkundigen kunnen worden vervangen door LLM's. Terwijl ze de sterke punten van LLM's onderstreepte, schetste Valérie een duidelijk beeld van waarom menselijke taalkundigen onmisbaar blijven. LLM's kunnen, zelfs met hun patroonherkenningsvaardigheden, nuances over het hoofd zien die bewust worden onderscheiden door menselijke taalkundigen. Ook hebben LLM's de neiging om informatie te hallucineren - door 'vertalingen' te geven voor zinnen die niet in de brontekst voorkomen!

Naarmate de rol van taalkundigen evolueert naast generatieve AI, veranderen ze in co-piloten die de kwaliteit van MT-suggesties begeleiden en evalueren. De expertise van menselijke linguïsten blijft cruciaal voor het behoud van de kwaliteit en nauwkeurigheid van vertalingen.

Een nadere blik op LLM's en vertalen

Terwijl ze de mythes en realiteiten rond LLM's verhelderden, doken onze sprekers dieper in de huidige dynamiek van vertalen in het tijdperk van LLM's en MT-systemen. Mei verklaarde verder dat de uitdaging van het evalueren van vertaalkwaliteit verder gaat dan vloeiendheid, met complexiteiten zoals HT (de resultaten na menselijke bewerking) en semantische gelijkenis. De uitdaging van LLM's die onjuiste vertalingen leveren vanwege meerdere betekenissen in de doeltaal werd ook benadrukt.

Om de positieve kant van AI te illustreren, legde Valérie uit hoe taalteams dankzij de verhoogde efficiëntie meer inhoud kunnen vertalen binnen hetzelfde tijdsbestek, zonder dat er meer mankracht nodig is. Toen Mei werd gevraagd naar het trainen van LLM's, sprak ze over de fijnafstemmingsprocedure waarbij de bovenste laag van het model wordt aangepast terwijl de fundamentele parameters ongewijzigd blijven. De gegevensvoorbereiding voor LLM's komt in grote lijnen overeen met MT, maar voor LLM's kunnen specifieke aanwijzingen nodig zijn om vertalingen beter op maat te maken.

Bij het vergelijken van LLM-vertalingen met professionele vertalingen, bevestigde Mei dat ondanks alle vooruitgang menselijke inbreng nog steeds nodig is. De industrie is actief bezig uit te zoeken welke onderdelen menselijke tussenkomst vereisen en welke niet.

Het vonnis

Aflevering 6 concludeerde dat hoewel AI en LLM's een aanzienlijke impact hebben gehad op vertalingen, menselijke tussenkomst onmisbaar is om de kwaliteit en nauwkeurigheid van vertalingen te waarborgen. Menselijke vertaling is een blijvertje in de nabije toekomst. Hoewel LLM's vooruitgang boeken, hebben ze de troon nog niet ingenomen op het gebied van vertaling. Ze spelen echter een essentiële aanvullende rol bij het versterken van de vertaalmogelijkheden en het vormgeven van de toekomst van deze industrie. Uiteindelijk kunnen machinevertaling en grote taalmodellen elkaar aanvullen om betere vertaaldiensten te leveren. Vergeet echter niet dat de menselijke maat onvervangbaar blijft.