LLMs haben zu einem großen Wandel im Bereich der Übersetzung geführt. In dieser Folge wollen wir die Vor- und Nachteile des Einsatzes von LLMs in der Lokalisierung entmystifizieren. Wir bieten Einblicke, wie Sie fundierte Entscheidungen über den Einsatz von LLMs im Übersetzungs-/Lokalisierungsprozess treffen können, und untersuchen die sprachlichen Fähigkeiten von LLMs.
Diese Diskussion wird von Mei Zheng und Valerie Dehant geleitet.
Mythen entlarven: Haben LLMs die Kunst des Übersetzens gemeistert?
In der sechsten Folge der "Reality Series" von Smartling befassten sich Mei Zheng, Senior Data Scientist, und Valérie Dehant, Senior Director of Language Services, mit einigen gängigen Mythen im Zusammenhang mit LLMs und maschineller Übersetzung (MT) und der Frage, ob Large Language Models (LLMs) die Kunst des Übersetzens wirklich beherrschen.
Einige Mythen über LLMs und Übersetzung entlarven
Mythos #1: LLMs sind besser als maschinelle Übersetzung
Der erste Mythos war, ob LLMs im Bereich der Übersetzung besser abschneiden als MT. Mei räumte mit dem Mythos auf und behauptete, dass LLMs zwar ein lobenswertes allgemeinsprachliches Verständnis haben, ihre Fähigkeiten jedoch nicht besonders für das Übersetzen geeignet sind. Sie werden die MÜ-Systeme nicht übertreffen (zumindest zu diesem Zeitpunkt), aber sie schaffen einen Mehrwert für Übersetzungen, indem sie zur grammatikalischen Präzision beitragen und die Sprachflüssigkeit verbessern.
Mythos #2: LLMs können alle Sprachpaare übersetzen
Der zweite Mythos stellte die allumfassenden Fähigkeiten von LLMs in Frage, indem er behauptete, dass sie über alle Sprachpaare hinweg übersetzen können. Mei widersprach dieser Überzeugung und wies darauf hin, dass die Mehrheit der LLMs in ihren mehrsprachigen Fähigkeiten eingeschränkt sei. Mei betonte insbesondere die Bedeutung der Untersuchung von Modellkarten, einem Tool für die Transparenz in großen Sprach- und maschinellen Lernmodellen, um zu verstehen, welche Sprachen es unterstützt, und um sie für bestimmte Anwendungsfälle bei der Übersetzung zu testen.
Mythos #3: LLMs besiegen Menschen
Schließlich befasste sich die Sitzung mit der gängigen Behauptung, dass Linguisten durch LLMs ersetzt werden könnten. Valérie unterstrich die Stärken von LLMs und zeichnete ein klares Bild davon, warum menschliche Linguisten nach wie vor unverzichtbar sind. LLMs können, selbst mit ihren Fähigkeiten zur Mustererkennung, Nuancen übersehen, die von menschlichen Linguisten bewusst wahrgenommen werden. Außerdem neigen LLMs dazu, Informationen zu halluzinieren – sie liefern "Übersetzungen" für Phrasen, die im Ausgangstext nicht vorkommen!
In dem Maße, in dem sich die Rollen der Linguisten zusammen mit der generativen KI weiterentwickeln, verwandeln sie sich in Co-Piloten, die die Qualität von MÜ-Vorschlägen überwachen und bewerten. Das Fachwissen menschlicher Linguisten ist nach wie vor entscheidend, um die Qualität und Genauigkeit von Übersetzungen zu erhalten.
Ein weiterer Blick auf LLMs und Übersetzung
Während sie die Mythen und Realitäten rund um LLMs klärten, tauchten unsere Referenten tiefer in die aktuelle Dynamik des Übersetzens im Zeitalter von LLMs und MÜ-Systemen ein. Mei erklärte weiter, dass die Herausforderung bei der Bewertung der Übersetzungsqualität über die Sprachgewandtheit hinausgeht und Komplexitäten wie HT (die Ergebnisse nach menschlichem Lektorat) und semantische Ähnlichkeit umfasst. Hervorgehoben wurde auch die Herausforderung, dass LLMs aufgrund mehrerer Bedeutungen in der Zielsprache falsche Übersetzungen liefern.
Valérie veranschaulichte die positive Seite der KI und erklärte, wie Sprachteams mit höherer Effizienz mehr Inhalte im gleichen Zeitrahmen übersetzen können, ohne das Personal aufstocken zu müssen. Auf die Frage nach dem Training von LLMs sprach Mei über das Feinabstimmungsverfahren, bei dem die oberste Schicht des Modells angepasst wird, während die grundlegenden Parameter unverändert bleiben. Die Datenaufbereitung für LLMs ist weitgehend auf die MÜ abgestimmt, LLMs erfordern jedoch möglicherweise spezifische Eingabeaufforderungen, um Übersetzungen besser anzupassen.
Beim Vergleich von LLM-Übersetzungen mit professionellen Übersetzungen bestätigte Mei, dass trotz aller Fortschritte weiterhin menschlicher Input erforderlich ist. Die Branche findet aktiv heraus, welche Teile menschliches Eingreifen erfordern und welche nicht.
Das Urteil
Episode 6 kam zu dem Schluss, dass KI und LLM zwar einen erheblichen Einfluss auf die Übersetzung hatten, menschliches Eingreifen jedoch unerlässlich ist, um die Qualität und Genauigkeit von Übersetzungen zu gewährleisten. Menschliche Übersetzung wird auf absehbare Zeit nicht mehr wegzudenken. LLMs machen zwar Fortschritte, haben aber im Bereich der Übersetzung noch nicht den Thron bestiegen. Sie spielen jedoch eine wichtige ergänzende Rolle bei der Erweiterung der Übersetzungsmöglichkeiten und der Gestaltung der Zukunft dieser Branche. Letztendlich können sich maschinelle Übersetzung und große Sprachmodelle gegenseitig ergänzen, um bessere Übersetzungsdienstleistungen zu erbringen. Denken Sie jedoch daran, dass die menschliche Note unersetzlich bleibt.