Siamo consapevoli che l'accuratezza rappresenta da sempre una delle principali sfide per le soluzioni di traduzione automatica. Lionbridge combina un approccio incentrato sull'AI, che usa funzionalità automatizzate di misurazione della qualità, con un approccio con intervento umano, che ci permette di monitorare costantemente l'accuratezza.

L'AI viene usata per migliorare l'output dei tradizionali strumenti di traduzione, come memorie di traduzione (TM), traduzione automatica neurale (NMT) e RAG.

La nostra esperienza dimostra che il post-editing basato sull'AI può soddisfare le esigenze di scalabilità mantenendo buoni standard di qualità. Rimane tuttavia essenziale un monitoraggio umano continuo, per ottimizzare lo strumento in base al tipo di contenuto e al livello di accuratezza desiderato.

La nostra soluzione di post-editing basato sull'AI prevede sempre una valutazione iniziale del contenuto di origine, per comprenderne il contesto generale. Le fasi di editing e convalida vengono eseguite tenendo conto di questo contesto, assicurando che le traduzioni prodotte siano in linea con gli obiettivi e/o i profili dei contenuti.

Abbiamo progettato la nostra soluzione di post-editing basato sull'AI per essere completamente configurabile: i prompt linguistici possono essere modificati e aggiornati in base al monitoraggio automatico e al feedback dei linguisti e degli esperti in materia dei clienti coinvolti nel processo di traduzione.

Lionbridge offre inoltre ulteriori soluzioni di intelligenza artificiale che consentono di analizzare i contenuti di origine e generare report con raccomandazioni finalizzate a migliorarli. Queste soluzioni possono essere abbinate al nostro servizio di post-editing basato sull'AI per ottimizzare ulteriormente la strategia dei contenuti.

La nostra soluzione di post-editing basato sull'AI consente di identificare con precisione dove l'intervento umano è più prezioso.

Basandoci sul nostro framework REACH, collaboriamo con i clienti per valutare gli obiettivi in materia di contenuti e configurare la soluzione AI in modo da ottimizzare l'output della traduzione. In questo modo possiamo definire diversi livelli di coinvolgimento umano, assicurandoci che il livello di impegno sia proporzionato alle esigenze e ai profili dei contenuti.

Gestire la terminologia specifica del settore, che varia a seconda della lingua e dell'area, è una sfida complessa, ma che è possibile affrontare in diversi modi.

Sfruttando i metadati, possiamo fornire un contesto più ampio agli strumenti di intelligenza artificiale e istruire l'LLM affinché soddisfi requisiti aggiuntivi, ad esempio le sfumature locali, a condizione che i contenuti siano etichettati e contrassegnati correttamente. Lionbridge può supportare le aziende con servizi di dati per soddisfare questo requisito.

Per la terminologia che deve essere adattata in base alla città o alla regione, usiamo un framework RAG. Nell'applicazione del post-editing basato sull'AI definiamo linee guida che consentono all'LLM di eseguire azioni specifiche in base a regole linguistiche definite.

La configurazione della nostra soluzione consente inoltre di fare riferimento a materiali esterni come esempi aggiuntivi, per aiutare l'LLM a generare contenuti più mirati e pertinenti al contesto.

Poiché questi contenuti tendono a evolversi nel tempo, è fondamentale aggiornare e gestire i prompt linguistici. Ecco perché le nostre soluzioni AI sono progettate per essere tenute sotto controllo e supervisionate da esperti.

Sì. La nostra piattaforma incentrata sull'AI è indipendente dall'LLM e non è quindi vincolata ad alcun modello specifico. Anche se è ottimizzata sui modelli GPT di OpenAI, possiamo collaborare con i clienti per integrare i loro motori LLM.

Questo scenario necessita di una configurazione personalizzata e potrebbe richiedere una valutazione/configurazione aggiuntiva per garantire che l'LLM soddisfi gli standard di qualità.

Per queste soluzioni, consigliamo di collaborare con i nostri team che si occupano di soluzioni e tecnologia linguistica, in modo da definire le esigenze, gli obiettivi e i requisiti.

La nostra soluzione di post-editing basato sull'AI include prompt linguistici configurabili che possono essere adattati in base all'evoluzione dei contenuti e ai requisiti normativi. Pur proponendo un approccio incentrato sull'AI, il controllo e la gestione dei prompt continuano a essere svolti da esseri umani, come linguisti computazionali, esperti in diverse materie (SME) e linguisti professionisti, per garantire ottimizzazione e conformità.

I modelli LLM basati su chatbot che non sono stati addestrati o sono generici faticano a gestire tono, contenuto e sfumature culturali. La nostra soluzione affronta questa sfida usando un approccio configurabile basato su una catena di prompt, che fornisce all'LLM istruzioni precise su stile, tono, terminologia e linee guida linguistiche in base al contesto del testo originale. Attraverso un'attenta configurazione dei parametri linguistici e dei prompt, possiamo sfruttare il post-editing basato sull'AI per migliorare il processo di traduzione.

La nostra soluzione inizia chiedendo all'LLM di comprendere il contesto del contenuto di origine. Tale contesto guida il processo decisionale dell'LLM durante l'editing, insieme a istruzioni specifiche per valutare la terminologia, correggere le corrispondenze parziali e convalidare le traduzioni a livello di segmento, facendo in modo che l'intelligenza artificiale operi sempre entro parametri controllati. Il nostro approccio consente anche un aggiornamento continuo dei prompt linguistici. In questo modo, se dovessero verificarsi allucinazioni, possiamo intervenire e correggere il problema.

I tester sono in genere linguisti computazionali o linguisti esperti in progettazione di prompt. Si occupano di progettare, testare e aggiornare i parametri della soluzione di post-editing basato sull'AI. Convalidano gli output e forniscono un feedback, che viene poi usato per affinare e ottimizzare ulteriormente prompt linguistici e parametri.