VÄLJ SPRÅK:

A futuristic hologram depiction of technology superimposed over a person typing on a keyboard

Lionbridge presenterar nu maskin­översättnings­resultat för GPT-4 genom sitt bedömningsverktyg

Lionbridge har lagt till GPT-4 i sitt bedömningsverktyg för MT, så att alla kan följa resultaten för den mest lovande av de stora språkmodellerna i GPT-familjen som för närvarande är tillgänglig för professionell översättning.

Det är viktigt att ta med stora språkmodeller – och i synnerhet GPT-4 – i jämförande analyser av maskinöversättning

När detta skrivs är GPT-4 den mest avancerade och användbara stora språkmodellen (LLM) i GPT-familjen och mer lämpad att utföra maskinöversättningsuppgifter än tidigare GPT-modeller.

Svaren på detta får du i Lionbridges bedömningsverktyg för MT, som under lång tid har använts för att mäta resultaten från stora MT-motorer. Samtidigt kan du följa hur den stora språkmodellen utvecklas över tid.

Paradigmskiftet från NMT till LLM MT blir allt tydligare. Därför har Lionbridge valt att lägga till GPT-4 i sitt bedömningsverktyg för MT och mäter nu maskinöversättningsresultaten från GPT-4 i utvalda ämnesområden och språkkombinationer. Verktyget mäter även resultaten från två andra LLM:er och de fem största neurala MT-motorerna (NMT).

Lionbridges bedömningsverktyg för MT analyserar följande AI-motorer:

Stora språkmodeller Stora neurala MT-motorer
GPT-4 Google NMT
GPT-3.5 Bing NMT
GPT-Davinci Amazon
  DeepL
  Yandex

Hur skiljer sig översättnings­­resultaten mellan stora språkmodeller och neurala MT-motorer?

För närvarande presterar neurala MT-motorer i allmänhet bättre än LLM:er, men skillnaden är marginell. LLM:er kan ännu inte ersätta neurala MT-motorer, delvis på grund av aktuella kostnadsaspekter och problem med resultat och skalbarhet. Vi kan dock använda tekniken i specifika fall för att förbättra översättningsarbetsflödet och sänka kostnaderna.

I maj 2023 rapporterade vi att GPT-4-modellen gav bättre resultat än en neural MT-motor i ett enskilt fall. Vi ser det här som en föraning inför vad som komma skall och räknar med att modellen blir alltmer användbar i takt med att tekniken mognar.

Ju mer vi testar GenAI/LLM-modeller, desto mer lär vi oss om deras egenheter, begränsningar och möjligheter. Du kan ta del av den senaste informationen om maskinöversättning med GPT-4 i vår egen forskning via bedömningsverktyget för MT och våra kommentarer.

Läs vår expertkommentar för oktober 2023 för att lära dig

  • intressanta egenheter hos GPT-4

  • sätt att undvika problem vid användning av tekniken

  • hur bra översättningsresultaten från GPT-4 är just nu jämfört med andra motorer.

”Vi kan bli tvungna att godta större ovisshet i översättningsresultat efter paradigmskiftet till LLM MT, men vi kan ändå använda vissa mekanismer och bra metoder för att se till att variationen blir någorlunda kontrollerbar”.

– Rafa Moral, Lionbridge Vice President, Innovation

Hur kan du ha nytta av Lionbridges bedömningsverktyg för MT?

Bedömningsverktyget ger viktig information om motorernas resultat och hjälper därmed globala företag att hålla jämna steg med de spännande framstegen inom GenAI/LLM-tekniken.

Det kan emellertid vara svårt att ta fram en effektiv MT-lösning som tillgodoser ditt företags behov. Det beror på att de bästa och mest fördelaktiga metoderna använder flera motorer och utgår från deras förmåga att hantera innehållets unika aspekter. När LLM:er tillkommer i kompotten av alternativ blir det redan svåra valet ännu knepigare.

Kontakta oss

Vill du veta hur Lionbridge kan skräddarsy en lösning som använder möjligheterna och tillämpningarna inom LLM/generativ AI för att skapa mätbart affärsvärde? Kontakta oss i dag.

linkedin sharing button

Janette Mandell 
FÖRFATTARE
Janette Mandell 
  • #banking_finance
  • #consumer_packaged_goods
  • #ai
  • #life_sciences
  • #generative-ai
  • #blog_posts
  • #automotive
  • #industrial_manufacturing
  • #legal_services
  • #technology
  • #translation_localization
  • #retail