Die Macht der KI in der Übersetzung: Die Durchbrüche von Smartling in Forschung und Entwicklung

Generative KI steht seit fast zwei Jahren ganz oben auf der Agenda. Jetzt fordern Führungskräfte aus allen Branchen und Funktionen ihre Teams auf, Wege zu finden, um Kosten zu senken oder die Effizienz zu steigern. Aber die Frage ist, funktioniert KI tatsächlich in der Übersetzung?

In den letzten 18 Monaten hat Smartling seine Forschungs- und Entwicklungsbemühungen darauf konzentriert, eine Antwort zu finden. Insbesondere wollten wir wissen, ob KI uns dabei helfen kann, Übersetzungslösungen mit der besten Qualität, den besten Kosten, der besten Geschwindigkeit und der besten Erfahrung der Welt zu liefern.

Die Antwort? Ein klares Ja! KI funktioniert, und zwar in großem Maßstab. Aber nicht jede Anwendung ist ein Gewinner.

Wo funktioniert KI heute in der Übersetzung?

Als Large Language Models (LLMs) zum ersten Mal auf den Markt kamen, begannen Unternehmen, sie als direkten Ersatz für maschinelle Übersetzung zu testen. Obwohl dieser Anwendungsfall Potenzial hat, gibt es noch ein paar Knicke, um eine konsistente Leistung zu gewährleisten.

Unser F&E-Team hat mehrere LLMs und maschinelle Übersetzungen in mehreren Sprachen und Qualitätsmetriken (z. BLEU, MQM, TER usw.). Dieses Experiment zeigte, dass die Verwendung von LLMs für Übersetzungen in allen Sprachen und automatisierte Qualitätsbewertungsmetriken darauf hindeuteten, dass maschinelle Übersetzungsmaschinen LLMs in Bezug auf die Übersetzungsqualität immer noch übertrafen. Darüber hinaus ist die maschinelle Übersetzung ein viel kostengünstigerer Ansatz für die Übersetzung als die Verwendung von LLMs.

LLMs sind zwar noch nicht die optimale Option für die Übersetzung, aber unser Team hat erkannt, dass sie bei der automatischen Nachbearbeitung und Bewertung von maschinellen Übersetzungsergebnissen glänzen. KI ist kein Ersatz für die maschinelle Übersetzung, sondern erweist sich als leistungsstarke Ergänzung zur maschinellen Übersetzung.

Insbesondere die folgenden Bereiche erweisen sich als starke Anwendungsgebiete für KI:

• Fuzzy-Match-Reparatur
• Einfügen von Glossarbegriffen
• Bearbeiten der Aufwandsschätzung
• Förmlichkeit
• Gender de-biasing

Mit diesem Wissen begannen wir, neue KI-Lösungen für unsere Kunden zu entwickeln und einzusetzen. Es begann mit AI-Powered Human Translation, einer Übersetzungslösung, die die erfahrenen Linguisten von Smartling und die KI-Technologie zusammenbringt, um qualitativ hochwertige Übersetzungen zum halben Preis und doppelt so schnell zu liefern.

Dann begannen Kunden uns zu fragen, ob sie unsere KI-Funktionen mit ihren externen Sprachdienstleistern nutzen könnten. Also haben wir ja gesagt.

Einführung des AI Translation Toolkit

Das AI Translation Toolkit von Smartling bietet eine Reihe von KI-Übersetzungsfunktionen, die die Übersetzungskosten deutlich senken und die Leistung der Übersetzer verbessern sollen, ohne die Qualität zu beeinträchtigen. Wir machen unsere KI-Technologie, die unseren AIHT-Kunden unglaubliche Ergebnisse geliefert hat, allen zugänglich, darunter:

• AI Fuzzy Match Reparatur: Erhöhen Sie die Auslastung von Translation Memorys um bis zu 35 Prozentpunkte, was zu erheblichen Kosteneinsparungen und Qualitätsverbesserungen führt.
• AI Glossar Term Insertion: Betten Sie Ihre Glossarbegriffe nahtlos in Inhalte ein und garantieren Sie so kontextuelle und grammatikalische Genauigkeit.
• Aufwandsschätzung bearbeiten: Gruppiert Übersetzungen basierend auf dem erwarteten Aufwand, um menschliche Qualität zu erreichen. Insights können in unserer Workflow-Automatisierung verwendet werden, um bestimmten Linguisten Zeichenfolgen zuzuweisen oder die menschliche Überprüfung vollständig zu umgehen.

Lassen Sie uns näher auf jede dieser Funktionen und die sie unterstützende Forschung eingehen.

Deep Dive: AI Fuzzy Match Reparatur

Heute ist die Nutzung von Translation Memorys eine gängige Praxis. AI Fuzzy Match Repair geht jedoch gegenüber dem herkömmlichen Ansatz noch einen Schritt weiter, indem es LLMs zum Reparieren und Glätten von Zeichenfolgen verwendet, die normalerweise nicht zum Einsparen genutzt würden.

In der Abbildung unten sehen Sie beispielsweise, dass der Ausgangstext und die Translation Memory-Übereinstimmung nur ein Wort voneinander entfernt sind. Bei einem regulären Translation Memory müsste der Ausgangstext in der Regel komplett neu übersetzt werden. Mit der Reparatur von Fuzzy-Übereinstimmungen ist das LLM jedoch in der Lage, den Unterschied zu erkennen und eine reparierte Übersetzung bereitzustellen. Die vorgeschlagene Übersetzung wäre nun für Fuzzy-Match-Rabatte berechtigt, die den Kunden mehr Einfluss auf ihre TMs geben und die Arbeitsbelastung für Linguisten verringern.

Obwohl es sich um ein Konzept handelt, klingt das nach einem wirklich coolen Feature - unser Forschungs- und Entwicklungsteam wollte sicherstellen, dass es funktioniert. Noch wichtiger war, dass sie sicherstellen wollten, dass sie einen echten Mehrwert in Form von Kosten-, Qualitäts- oder Geschwindigkeitsverbesserungen bietet.

Zu diesem Zweck übersetzten sie denselben Inhalt zweimal – einmal mit aktivierter KI-Fuzzy-Match-Reparatur und einmal ohne. Sie bewerteten beide Szenarien auf der Grundlage des HTER der Ausgangsübersetzung und der endgültigen menschlichen Übersetzung. Wir wollten sehen, wie viele Zeichenfolgen nach der Fuzzy Match Repair kein menschliches Eingreifen mehr benötigen.

Die Studie ergab, dass die KI-Fuzzy-Match-Reparatur die Translation Memory-Übereinstimmungen um bis zu 35 Prozentpunkte erhöhte, und zwar ziemlich konsistent in allen Sprachen. Dies bedeutet, dass Kunden für einen Großteil ihrer Inhalte Translation Memorys nutzen können, was zu erheblichen Kosteneinsparungen und verbesserter Konsistenz führt.

Deep Dive: Einfügen von Begriffen im KI-Glossar

Eine weitere gängige Praxis bei der Übersetzung ist das Einfügen von Glossarbegriffen. Der traditionelle Ansatz besteht darin, Begriffe im Ausgangs- und Zieltext einfach zu zerreißen und durch die relevanten Begriffe aus dem Glossar zu ersetzen. Dies führt jedoch tendenziell zu neuen Problemen bei der Sprachflussbildung, wenn diese Glossarbegriffe nicht mit der numerischen Anzahl, den Flexionen oder anderen grammatikalischen Elementen des Gesamtsatzes übereinstimmen.

Bei der AI Glossary Term Insertion wird ein LLM verwendet, um die Einfügung des Glossarbegriffs zu „glätten“ und so kontextuelle und grammatikalische Genauigkeit sicherzustellen. Beispielsweise können Sie in der Abbildung unten sehen, dass die herkömmliche Anwendung des Glossarbegriffs „publicación“ einen Grammatikfehler in die gesamte Zeichenfolge eingeführt hat, da das zugehörige Adjektiv jetzt die falsche Beugung aufweist („primer“ vs. „primera“). Mithilfe eines LLM wird die entsprechende Adjektivform eingesetzt und der Fehler behoben.

Basierend auf unseren Untersuchungen können LLMs einen großen Einfluss auf die Anzahl morphologisch korrekter Glossareinfügungen haben. Beim Test auf russische und spanische Inhalte erhöhte die Funktion AI Glossary Term Insertion die Anzahl der korrekten Einfügungen um 25 % bzw. 17,5 %. Das sind Inhalte, für deren Behebung keine menschliche Anstrengung mehr erforderlich ist.

Deep Dive: Aufwandsschätzung bearbeiten

Unsere Technologie zur Aufwandsschätzung gruppiert Übersetzungen auf der Grundlage des erwarteten Aufwands, um menschliche Qualität zu erreichen. Alle Zeichenfolgen werden mit unserer proprietären Eingabeaufforderung an ein LLM gesendet, das Zeichenfolgen basierend auf Folgendem auswertet:

• Grammatikalische Korrektheit
• Geläufigkeit
• Semantische Kohärenz
• Lexikalische Genauigkeit
• Qualitätskontrollen
• Styleguide (für jeden Kunden einzigartig)

Diese Gruppierungen (Level 1, Level 2 und Level 3) können innerhalb der dynamischen Workflow-Automatisierung verwendet werden, um Zeichenfolgen basierend auf ihrem erwarteten Aufwand zu behandeln. Ein Unternehmen könnte beispielsweise Zeichenfolgen, die umfangreiche Änderungen erfordern, erfahreneren Linguisten zuweisen oder bei Zeichenfolgen, die nur wenige oder keine Änderungen erfordern, die menschliche Überprüfung vollständig umgehen. Kunden können auch unsere Rabatte für die Bearbeitungsaufwandschätzung nutzen, um Rabattstufen für leistungsstarke Stings zu erstellen.

Dadurch können Unternehmen potenziell viel Zeit und Kosten einsparen, insbesondere wenn sie in großem Umfang menschliche Übersetzungsabläufe nutzen. Darüber hinaus erhalten die Teams tiefere Einblicke in ihren Übersetzungsprozess.

Revolutionieren Sie Ihre Übersetzungsstrategie

Wir haben gesehen, wie KI dazu beiträgt, die Hebelwirkung zu steigern, die Genauigkeit beim Einfügen von Glossarbegriffen zu verbessern, Formalitäten anzuwenden und vieles mehr. Es erfordert jedoch viel Zeit und Forschung, um die Bereiche zu identifizieren, in denen KI am effektivsten sein und eine hohe Kapitalrendite erzielen kann. Hier kommt die Hilfe eines Partners wie Smartling ins Spiel, sodass Sie es nicht alleine tun müssen.

Ein wichtiger Bestandteil unserer Strategie sind unsere Investitionen in Forschung und Entwicklung, um sicherzustellen, dass wir in der Lage sind, die umfassendste LanguageAI-Lösung™ der Branche anzubieten. Wir haben mehrere Patente auf unsere Arbeit mit generativer KI, und unser Engineering-Team hat allein im vergangenen Jahr über 70 wichtige Funktionen oder Verbesserungen in erstaunlichen 3300 Produktionsversionen geliefert.

Das ist es, was es braucht, um wirklich sicherzustellen, dass KI-Lösungen die beste Qualität, Kosten, Geschwindigkeit und Erfahrung der Welt bieten.

Erfahren Sie mehr über unsere neuesten Forschungsergebnisse und was wir als nächstes erforschen, in der Global Ready Conference-Sitzung: Research Revealed - jetzt auf Abruf.