语言：
- 我们的服务范围
- 生成式人工智能 (GenAI)
我们致力于创建、转换、测试和训练从文本、语音、音频、视频到结构化和非结构化数据的广泛内容，所处理的内容数量远超全球其他任何公司。
利用由 AI 支持的技术助推全球沟通。
- 行业
- LAⁱNGUAGE CLOUD™
利用 Lionbridge Lainguage Cloud 支持您的端到端本地化和内容生命周期
- 公司简介
我们致力于创建、转换、测试和训练从文本、语音、音频、视频到结构化和非结构化数据的广泛内容，所处理的内容数量远超全球其他任何公司。
内容服务
- 技术文献写作
- 培训和在线学习
- 财务报告
- 数字体验评估
- 数字营销
- 内容优化
翻译服务
- 视频本地化
- 软件本地化
- 受监管内容翻译与本地化
- 口译
- 现场活动
- 网站本地化
测试服务
- 功能 QA 和测试
- 兼容性测试
- 互操作性测试
- 性能测试
- 辅助功能测试
- UX/CX 测试
解决方案
- 翻译服务模式
- 机器翻译
- Smart Onboarding™
Lionbridge 知识中心
- 改善患者治疗结果
- 本地化的未来
- 将创新想法转化为免疫实践
- 新冠肺炎疫情资源中心
- 颠覆系列
- 患者配合度
- Lionbridge 见解
利用由 AI 支持的技术助推全球沟通。
生成式人工智能 (GenAI)
GenAI 市场营销解决方案
利用 Lionbridge Lainguage Cloud 支持您的端到端本地化和内容生命周期
Lainguage Cloud™ Platform
轻松连接
翻译团队
工作流程技术
Smairt Content™
Smairt MT™
Smairt Data™
选择语言：
上次更新时间：2024 年 3 月 18 日，上午 10:07
自 19 世纪起，人工智能概念便已萌芽，不过其全新迭代形态 — 生成式 AI (GenAI)/大型语言模型 (LLM) — 已经颠覆了 AI 输出。机器有史以来首次具备了模仿人类决策行为的能力。以前，机器多产出可预测结果，但如今，随着技术进步，其输出变得难以预料，这也引领我们迈入了信任新时代。
“当我们要求机器作出决策时，整个过程犹如黑匣子般神秘。这自然而然就会引出一个问题：‘我们是否应当信任机器作出的决策’？”
— Vincent Henderson，Lionbridge AI 专家
Lionbridge 网络研讨会《拥抱 AI：开启信任新时代》由 Will Rowlands-Rees 主持，汇集来自 Amazon Web Services (AWS) 的 Scott Schwalbach、Cisco 的 Jane Faraola 以及 Lionbridge 的 Vincent Henderson，就本地化进程中所面临的 AI 信任问题展开了激烈讨论。
如果您错过了该网络研讨会，可以点播回放视频。这场网络研讨会是“GenAI 与语言服务”主题系列的第五期。要观看其他网络研讨会的录像，请访问 Lionbridge 网络研讨会页面。
如果无暇观看，可通过阅读我们的回顾博客文章，快速掌握此次讨论的核心要点。
AI 信任新时代究竟有何深意？
迈入 AI 信任新时代，我们需要关注的不仅是 AI 引擎生成高质量输出内容的能力，还包括 AI 的用户群体、使用方式、AI 系统的具体功能，以及如何将这些信息有效地传达给公司的各方利益相关者。公司可以从以下几个关键层面全面思考 AI 信任问题：
合作伙伴 — 选择与哪些供应商合作？他们能否不负信赖、尽职尽责地管理 AI 技术？
流程 — 遵循哪些流程以实现本地化？这些流程是否可靠且有助于实现目标？
系统 — 采用何种技术方案以支持本地化工作流程？该技术是否安全，或者换句话说，它是否会利用您的数据自我训练？
管理 — 如何令内部各利益相关者安心，使其确信自己的内容可以得到妥善处理和管理，同时合理调整他们的期望值？
应从哪里开始？
专题讨论小组成员们一致认为现在正是积极接纳和应用 AI 的好时机。AI 经历了翻天覆地的变化，只有全力以赴，才能充分利用前沿 AI 技术所能带来的快速转型和成本节约优势。借助这项技术，企业能够通过提供更多语言版本，更精准地触及更多人群，从而最终提升收益。然而，在此过程中务必保持审慎态度。那么，究竟应从何处着手呢？
来自 Cisco 的 Jane Faraola 认为，首先要保持开放探寻的心态。“一切皆有可能。在我看来，正是人们的创新精神推动着我们在探索 AI 的道路上不断前行，”她这样说道。
来自 AWS 的 Scott Schwalbach 建议企业在选择使用 GenAI 解决方案时应持审慎态度。“首先要明确您的最终目标，然后自那个目标出发逆向规划实现路径。”他表示。
尤其值得一提的是，专题讨论小组成员们着重指出，在将 AI 流程整合到各自系统的过程中，人员参与是必不可少的。
如何切实解决 AI 信任问题？
我们提出了一种便于记忆的方式来理解并构建信任，即 TRUST 框架，该框架涵盖了五个关键衡量指标：
- 透明度 (Transparency)
- 可靠性 (Reliability)
- 实用性 (Usefulness)
- 安全性 (Safety)
- 时效性 (Timeliness)
这些要素共同构成了在本地化环境中全方位审视和解决信任问题的关键所在。
透明度
透明度涉及揭示 GenAI/LLM 模型在本地化过程中的应用情况。这一做法将极大程度地令内部各利益相关者安心，使其确信自己的内容可以得到妥善处理和管理。要考虑的问题是：您的语言合作伙伴是否清晰公开他们使用 AI 工具的方式？
可靠性
在流程初期实施干预可确保取得可靠的输出成果。事先明确您希望机器完成的工作内容，向引擎给出清晰指令，并进行试验性运行。在进入下一步之前，重复测试、验证直至得到满意的结果。运用 GPT-4 对输出句段进行持续的抽样评估，以提高信任度。我们的测试结果显示，GPT-4 评估的准确性优于人工评估。
观看视频，了解 Lionbridge 如何协助 Cisco 开展内容试行项目，助力其作出战略决策。
实用性
务必审慎挑选 GenAI 能够派上用场的具体项目。这些项目应具有实际用途，并能助推企业向前发展，从而使您能够充分受益于这项技术节约时间和降低成本的益处。
安全性
保障知识产权的安全，务必防止 LLM 擅自摄取和利用您的内容进行训练或用于其他未授权的目的。同时，还要留意您使用的 LLM 所在的数据中心隶属的地缘政治管辖区域及其潜在的倾向性问题，尤其是为满足监管合规性要求而使用特定的机器学习模型或使用经政府批准的模型时。
时效性
利用 GenAI/LLM 技术能够加快本地化进程，但若企业急于求成，则容易忽略关键的成功要素。对 LLM 进行调整优化，集成检索增强生成 (RAG) 模块，并对其进行充分测试，这一系列工作不仅耗时费力，还会直接影响到投资回报的周期长短。
在实践中运用 GenAI：致力于构建信任与完善流程为何至关重要
AWS 负责制作课件，利用 GenAI 技术进一步打造个性化内容，并提升学员的参与度。例如，AWS 如今已改变以往从英语课程入手的做法，转而直接用母语来构建在线学习课程。同时，AWS 还能够根据受众需求调整课程的语言风格，如通过向 AI 引擎给出提示，使课程内容更富趣味性，或者让学员学习技术内容时不会感觉到枯燥乏味。
Scott Schwalbach 认为：“对于每一处细节都苛求完美并无太大意义。我们更看重的是，学员是否会打开课程页面？是否开始学习课程？能否完成课程？以及是否会进修下一门课程？更重要的是，学员是否会为我们积极宣传，并向其他人强烈推荐这些课程，鼓励他们参与学习？”
除了提升学员的参与度，GenAI 还可以帮助企业大幅缩短课程制作耗费的时间。AWS 正使用 GenAI 和新流程，力求将耗时 90 天的课程制作周期缩短至两周。
寻找值得信赖的语言合作伙伴：您应该注重什么？
要通过 AI 方案实现您的目标，选择合适的语言合作伙伴至关重要。
首先，要明确您的需求。一旦确立了目标，在 RFP 流程中就需要提出以下问题，以评估潜在合作伙伴的优势与劣势：
您的候选合作伙伴选择采用何种技术方案？是否曾提议您购买如翻译管理系统 (TMS) 等复杂却非必要的技术工具？
供应商是否会保护您的知识产权，避免将您的数据用于训练用途？
该语言提供商是否遵循数据驱动原则，以及能否提供客观、实用的数据以决定何时运用 GenAI 及何时采用其他替代方案？供应商能否提供数据帮助您确定当前和未来应重点覆盖哪些语言市场？
供应商在流程方面是否足够透明且始终以您的需求为先？
上述这些考量要素将助您制定一套周详且正确的评估准则。同样重要的是，您需要发掘公司内部能够评估现有或潜在合作伙伴资质的合适团队成员。
查阅我们的 TRUST 框架速查表，获取更多关于 AI 信任的指导信息。
联系我们
Lionbridge 在 AI 应用领域已然成为行业翘楚，即使在先进技术发展初期，也已为近 500 位客户提供了量身定制的 GenAI 解决方案，并开展了众多合作项目。是否准备好与值得信赖的合作伙伴共同踏上 GenAI 探索之路？欢迎立即联系我们！
