የማሽን ትርጉም መሰረታዊ ነገሮች፡ NMT፣ LLM፣ ሞተር ምርጫ እና ቅድመ-ግምገማ

ትርፍ፡

• በ NMT እና LLM ላይ የተመሰረተ የትርጉም ጥንካሬን እና ድክመቶችን የመለየት ችሎታ እና እንደ የንግድ ሥራ ዓይነት ትክክለኛውን ሞተር መምረጥ
• ለማሽኑ የጽሑፍ ተስማሚነት ቅድመ-መመደብ እና ለተጨባጭ ጊዜ እና ዋጋ አስቀድሞ የመገምገም ችሎታ።
• ቅልጥፍናን ከትክክለኛነት ጋር ሳያደናግር የጥሬ ማሽን ውፅዓትን ጥራት በአምስት ልኬቶች እና በሰንደቅ ዓላማ በፍጥነት የመለካት ችሎታ

እንደ ተርጓሚ ያለዎት በጣም ኃይለኛ ማፍጠኛ የማሽን ትርጉም (ኤምቲ) ነው - ነገር ግን መሳሪያን አውቆ መጠቀም ማለት ለትክክለኛው ስራ፣ በትክክለኛው የቋንቋ ጥንድ እና በትክክለኛው የሚጠበቁ ነገሮች ላይ መተግበር ማለት ነው። በዚህ ክፍል ውስጥ ሁለቱን የኤምቲ (ኤንኤምቲ እና ኤልኤምኤም-ተኮር ትርጉም) ዋና ዋና ቤተሰቦችን ትተዋወቃላችሁ ፣ የትኛው ለየትኛው ሥራ የተሻለ እንደሆነ ፣ ከማቅረቡ በፊት የትርጉም ጥራትን በፍጥነት እንዴት እንደሚለኩ እና ሞተሩን እንደ ሥራው እንዴት እንደሚመርጡ ይወቁ ። ዓላማው "ሁሉም ተመሳሳይ, ለጥፍ - መተርጎም" ከሚለው ሀሳብ በመነሳት የትኛው ጽሑፍ ለማሽኑ ተስማሚ እንደሆነ እና ይህም የሰውን ጉልበት የሚጠይቅ ባለሙያ መሆን ነው.

ሁለት ቤተሰቦች፡ NMT እና LLM ላይ የተመሰረተ ትርጉም

ኤንኤምቲ (የነርቭ ማሽን ትርጉም) በሚሊዮኖች ከሚቆጠሩ የሁለት ቋንቋ አረፍተ ነገሮች የተማሩ እና አረፍተ ነገሩን በአጠቃላይ የሚተረጉሙ ስርዓቶች ናቸው; ጎግል ተርጓሚ፣ DeepL፣ Microsoft Translator የእነዚህ ምሳሌዎች ናቸው። ጥንካሬዎች፡ በጣም ፈጣን፣ ተከታታይ፣ በአጫጭር ዓረፍተ ነገሮች አቀላጥፎ የሚያውቅ። ድክመት፡ ብዙ ጊዜ ከዓረፍተ ነገሩ ወሰን በላይ አውድ አይታይም (ከጠቅላላው ጽሑፍ ማለት ነው)። አንቀጹን በመመልከት "ባንክ" የሚለው ቃል ባንክ ወይም የወንዝ ዳርቻ ማለት እንደሆነ ለመወሰን አስቸጋሪ ሊሆን ይችላል እና ከተጠቀሰው የቃላት ዝርዝር ጋር አይጣጣምም.

LLM ላይ የተመሰረተ ትርጉም (ትልቅ የቋንቋ ሞዴል) እንደ ቻትጂፒቲ፣ ክላውድ፣ ጀሚኒ ለትርጉም በመሳሰሉት መማሪያ-ተኮር ሞዴሎችን መጠቀም ነው። ጥንካሬ: መመሪያዎችን ይወስዳል - እንደ "መደበኛ ቃና ይጠቀሙ", "ይህን የቃላቶች ዝርዝር ይከተሉ," "የዒላማ ታዳሚዎች ልጆች ናቸው" የመሳሰሉ መመሪያዎችን ይረዳል; ሰፊውን አውድ ይመለከታል; ፈሊጥ እና ድምጽን በተሻለ ሁኔታ ይይዛል። ድክመት፡- አንዳንድ ጊዜ “በጣም ፈጣሪ” ሊሆን ይችላል እና ወደ ምንጭ (የቅዠት ስጋት) ይጨምራል፣ የረዥም ፅሁፎችን ቁርኝት ያጣል፣ እና ወጪ/ፍጥነቱ እንደ ስራው ይለያያል።

የአውራ ጣት ህግ: በቀጥታ, ተደጋጋሚ, ቴክኒካዊ ጽሑፎች NMT ብዙውን ጊዜ ፈጣን እና በቂ ነው; LLM በድምፅ፣ በዐውደ-ጽሑፍ፣ በቃላት እና በማስተማር ተግሣጽን ከሚጠይቁ ጽሑፎች ጋር የበለጠ ተለዋዋጭ ነው። ዛሬ አብዛኞቹ ባለሙያዎች ሁለቱንም አንድ ላይ ይጠቀማሉ፡ ፈጣን ረቂቅ ከኤንኤምቲ፣ የቃና/የቃል እርማት ከኤል.ኤም.ኤም.

ጠቃሚ ምክር፡ የአንድ ቋንቋ ጥንድ የማሽን ጥራት (ለምሳሌ ቱርክ → እንግሊዝኛ) ከተቃራኒ አቅጣጫ (እንግሊዝኛ → ቱርክኛ) ሊለያይ ይችላል። እንደ ቱርክ ያሉ አግግሎቲነቲቭ፣ ተለዋዋጭ አገባብ ያላቸው ቋንቋዎች በአጠቃላይ ለኤምቲ የበለጠ ፈታኝ ናቸው። በጥቂት የናሙና ጽሑፎች በእራስዎ ጥንድ የትኛው ሞተር የተሻለ እንደሆነ ለራስዎ ይፍረዱ።

የማሽን የጽሑፍ ተኳኋኝነት፡ ይህን መጀመሪያ ይጠይቁ

እያንዳንዱ ጽሑፍ ለማሽኑ እኩል ተስማሚ አይደለም. ትርጉሙን ከመጀመርዎ በፊት ጽሑፉን በ"ተስማሚነት" ማጣሪያ ውስጥ ያስተላልፉ፡-

• ለማሽኑ በጣም ተስማሚ: ቴክኒካዊ መመሪያ, የምርት መግለጫ, ተደጋጋሚ የበይነገጽ ጽሑፍ, መደበኛ ደብዳቤዎች, ሰንጠረዥ / ዝርዝር. ቋንቋው ግልጽ ነው፣ የቃላት አጠቃቀሙ የተስተካከለ ነው፣ ፈጠራው ብዙ ነው።
• መካከለኛ ተስማሚ: ዜና, የድርጅት ይዘት, የትምህርት ቁሳቁስ. ማሽኑ ጥሩ ንድፎችን ያመነጫል ነገር ግን ለድምፅ እና ፍሰት ከባድ የድህረ-አርትዖት ያስፈልገዋል.
• ለማሽን ተስማሚ አይደለም (ከፍተኛ አደጋ): ህጋዊ ውል, የሕክምና ጽሑፍ, ማስታወቂያ / መፈክር, ሥነ-ጽሑፋዊ ጽሑፍ, ቀልድ, ግጥም. እዚህ ማሽኑ ሃሳቦችን ብቻ ይሰጣል; ሥራው በአብዛኛው በሰዎች ላይ ይወድቃል.

ይህንን ልዩነት ከመጀመሪያው ጀምሮ ካደረጉት ሁለታችሁም ለደንበኛው ትክክለኛውን ጊዜ/ዋጋ ይሰጡታል እና ጥሬውን በጭፍን ከመተማመን እራስዎን ይጠብቃሉ.

የጥሬ ምርት ጥራት በፍጥነት ይለኩ።

የኤምቲ ውፅዓት ሲያዩ "ጥሩ ነው ወይስ መጥፎ?" ጥያቄውን በፈጣን የፍተሻ ዝርዝር ይመልሱ እንጂ በእውቀት አይደለም። እነዚህን አምስት መመዘኛዎች ተመልከት፡ ትክክለኛነት (ትርጉሙ ምንጩ ታማኝ ነው?)፣ ሙሉነት (ዓረፍተ ነገሩ የተተወ ነው ወይስ የተጨመረ ነው?)፣ የቃላት አገባብ (ትክክል እና ወጥ ነው?)፣ ቅልጥፍና (በዒላማው ቋንቋ ተፈጥሯዊ ነው?)፣ ቅርፀት (መለያዎች፣ ቁጥሮች፣ ቅርጸቶች ተጠብቀዋል?)። በሚቀጥለው የጥራት አሃድ ውስጥ እነዚህን ልኬቶች ጥልቀት እናደርጋለን; ለአሁን፣ የቅድመ-መላኪያ ምላሽዎ ይሁን።

ጥንቃቄ፡ የ MT ውፅዓት በጣም አደገኛ ስህተቶች "ቅልጥፍና ያላቸው ግን የተሳሳቱ" ናቸው። ዓረፍተ ነገሩ ፍጹም በሆነ የቱርክኛ ሊሆን ይችላል፣ ነገር ግን በምንጩ ውስጥ ያለው "የ15% ቅናሽ" ወደ "50% ቅናሽ" ተቀይሮ ሊሆን ይችላል። በቅልጥፍና አትሰናከል; ሁል ጊዜ ቁጥሩን ፣ አሉታዊውን እና ትክክለኛውን ስም ለየብቻ ይመልከቱ።

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 - ትክክለኛው ሞተር ጊዜውን በግማሽ ይቀንሳል. አንድ ተርጓሚ የ12,000 ቃል ሶፍትዌር በይነገጽ ከኤንኤምቲ እና ከኤልኤልኤም ጋር ተመሳሳይ መጠን ያለው የግብይት ቡክሌት ለመተርጎም መረጠ። በበይነገጽ ላይ የኤንኤምቲ ወጥነት ስራውን ፈጣን አድርጎታል; በቡክሌቱ ውስጥ ያለው የኤልኤልኤም የቃና ተለዋዋጭነት የመጻፍ ሸክሙን በ40 በመቶ ቀንሷል። ሁለቱንም ስራዎች ለአንድ ሞተር መስጠት ጊዜን ያጠፋል.

ጉዳይ 2 - ቅድመ-ግምገማ ዋጋውን አስቀምጧል. አንድ ቢሮ ህጋዊ ጽሑፍ ሊያቀርብ ነበር ምክንያቱም "በማሽን ሊሰራ ይችላል, ርካሽ ይሆናል." በቅድመ-ግምገማ, የ 500 ቃላት ናሙና ተተርጉሟል; ማሽኑ ሁለት ህጋዊ ቃላትን ከተሳሳተ የስርዓት አቻ ጋር መልሷል። ጽህፈት ቤቱ ሥራውን እንደ "ከባድ የድህረ-ማስተካከያ" ዋጋ ሰጠው እና ትክክለኛ የጊዜ ገደብ ሰጥቷል; በተፈጠረው የተሳሳተ አቅርቦት ምክንያት ገንዘብን ከማጣት ተቆጥቧል።

ጉዳይ 3 - የቋንቋ ጥንድ ልዩነት. አንድ ቡድን በእንግሊዘኛ →ጀርመንኛ ጥሩ የሚሰራ ሞተር በቱርክ →አረብኛ ተመሳሳይ ጥራት እንዳለው አሰበ። የ 300 ቃላት ፈተና እንደሚያሳየው የአረብኛ ውፅዓት ብዙ ተጨማሪ እርማት ያስፈልገዋል። ቡድኑ በቋንቋው ጥንድ ላይ በመመስረት የተለያዩ ሞተሮችን እና የተለያዩ የድህረ-አርትዖት በጀቶችን መድቧል።

አራት ሊገለበጡ የሚችሉ አብነቶች

1) የጽሑፍ ተስማሚነት ግምገማ;

የእርስዎ ሚና፡ ከፍተኛ የMTPE ስፔሻሊስት። ለሚከተለው ጽሑፍ ለማሽን ትርጉም ተስማሚነት ደረጃ ይስጡት፡ በጥሬው/በቴክኒክ ወይስ በፈጠራ/በአውድ? እንደ (1) በጣም ለማሽን ተስማሚ፣ (2) መካከለኛ፣ (3) ከፍተኛ ስጋት መድበው እና ማረጋገጫዎን ይፃፉ። የሚጠበቀው የድህረ-አርትዖት ጭነት ቀላል/መካከለኛ/ከባድ እንደሆነ ይገምቱ።የጽሑፍ ምሳሌ፡ [200-300 ቃላትን ለጥፍ]

2) የታዘዘ የኤልኤልኤም ትርጉም (ከቃላቶች እና ከድምጽ ቁጥጥር ጋር)

ይህን ጽሑፍ ተርጉም [ምንጭ]→[ዒላማ]።ተመልካቾች፡ [ማን]። ቃና፡ [ለምሳሌ፡. ኦፊሴላዊ] ። መስክ፡ [ለምሳሌ፡. ፋይናንስ።የቃላት ዝርዝር (መጠቀምዎን እርግጠኛ ይሁኑ)፡ [A→a፣ B→b]።ሕጎች፡ በምንጭ ውስጥ ያልሆነውን አይጨምሩ፣ ቁጥሮች/ቀኖችን/ስሞችን ያስቀምጡ፣ እያንዳንዱን ዓረፍተ ነገር በአረፍተ ነገር ይተኩ። በ[?] እርግጠኛ ባልሆኑበት ቦታ ላይ ምልክት ያድርጉ። ጽሑፍ፡ [...]

3) ሁለት የሞተር ንጽጽር;

ከታች ያሉት የአንድ ምንጭ ዓረፍተ ነገር (A እና B) ሁለት የተለያዩ ትርጉሞች አሉ። እያንዳንዳቸውን ከትክክለኛነት፣ የቃላት አነጋገር እና ተፈጥሯዊነት አንፃር አወዳድሩ እና የትኛው ትንሽ እርማት እንደሚያስፈልገው ንገረኝ፣ ከፅድቁ ጋር። ምንጭ፡ [...] | ትርጉም A፡ [...] | ትርጉም B፡ [...]

4) ጥሬ ውፅዓት ፈጣን ምርመራ;

ከታች ያለው ምንጭ እና የማሽን ትርጉም ነው. ልክ የሚከተለውን ምልክት ያድርጉ፡(1) የተተወ/የተጨመረ መረጃ፣ (2) የተሳሳተ ቁጥር/ቀን/ስም፣ (3) የስህተት ስህተት፣ (4) ወጥ ያልሆነ ቃል። ምንም አይነት እርማት አይጻፉ, አደገኛ የሆኑትን ቦታዎች ብቻ ይዘርዝሩ.ምንጭ: [...] | ትርጉም፡ [...]

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ፡ "ይህን ጽሑፍ ተርጉመው ጥሩ ይሆናል።" (ለሞተሩ፣ “ጥሩ” አልተገለጸም፤ ቃና የለም፣ ቃል የለም፣ ምንም ብዛት የለም።)

Güçlü: "ይህን የምርት መግለጫ ከእንግሊዝኛ ወደ ቱርክኛ ተርጉም. አካባቢ: ኢ-ኮሜርስ. ታዳሚዎች: ወጣት ሸማቾች. ቃና: ወዳጃዊ ግን የሚያረጋጋ. 'Checkout' → 'Checkout step', 'የምኞት ዝርዝር' → 'የምኞት ዝርዝር'. ቁጥሮቹን እና የምርት ስሙን ይቀይሩ. አቀላጥፎ ቱርክኛ ያለምንም የትርጉም ሽታ. "

ልዩነት: ኃይለኛ ፍጥነት ለኤንጂኑ ሊለካ የሚችል ኢላማ ይሰጣል; ውጤቱ የድህረ አርትዖት ረቂቅን በቀጥታ ይገመታል።

NMT vs LLM ንጽጽር ገበታ

መጠን

NMT (Google፣ DeepL)

LLM (ቻትጂፒቲ፣ ክላውድ)

ፍጥነት

በጣም ፈጣን

መካከለኛ

መመሪያ/ድምፅ ተቀበል

ደካማ

ጠንካራ

የቃሉን ዝርዝር ያክብሩ

የተወሰነ

ጥሩ (ከጥያቄ ጋር)

ሰፊ አውድ

ደካማ

ጥሩ

የቅዠት ስጋት

ዝቅተኛ

መካከለኛ (መቆጣጠር ያስፈልጋል)

በጣም ተስማሚ ሥራ

ቀጥ ያለ / ቴክኒካዊ / ተደጋጋሚ

ቃና/አውድ/ፈጣሪ

የተለመዱ ስህተቶች

• ለእያንዳንዱ ሥራ አንድ አይነት ሞተር መጠቀም. እንደ ሥራው ዓይነት ሞተር አለመምረጥ ጊዜን እና ጥራትን ማጣት ያስከትላል.
• ያለ ቅድመ-ግምገማ ዋጋ / ጊዜ መስጠት. የ 200-300 የቃላት ፈተና ከመጀመሪያው ጀምሮ አስገራሚዎቹን ያሳያል.
• ለትክክለኛነት የተሳሳተ ቅልጥፍና. ቆንጆ ዓረፍተ ነገር ማለት ትክክለኛ ዓረፍተ ነገር ማለት አይደለም.
• የቋንቋ ጥንድ እና የአቅጣጫ ልዩነትን ችላ ማለት. በአንድ ጥንድ ውስጥ ያለው ጥሩ ሞተር በሌላኛው ደካማ ሊሆን ይችላል.
• የኤል.ኤም.ኤል. ተጨማሪዎችን አላስተዋሉም። LLM አንዳንድ ጊዜ "ለመረዳት" ምንጭ ውስጥ ያልሆኑ ዓረፍተ ያክላል; ይህንን ይመልከቱ።

የአውድ መስኮት እና ወጥነት

ረጅም ጽሑፍን ከኤል.ኤም.ኤም ጋር ሲተረጉሙ አንድ ቴክኒካዊ ገደብ ማወቅ ያስፈልጋል የአውድ መስኮቱ - ሞዴሉ "ማየት" የሚችልበት የጽሑፍ መጠን እና በአንድ ጊዜ በአእምሮ ውስጥ ሊቆይ ይችላል. ጽሁፉ ከዚህ መስኮት የሚበልጥ ከሆነ ወደ ክፍልፋዮች መከፋፈል አለቦት እና ሞዴሉ በቀደሙት ቁርጥራጮች ላይ ያደረጉትን የቃል ውሳኔ ወይም ድምጽ በሚቀጥለው ክፍል "ሊረሳው" ይችላል። ስለዚህ፣ ረጅም መጽሐፍን ወይም ሰነድን በአንድ ቁራጭ ከመተርጎም ይልቅ፣ እያንዳንዱን የተርጓሚ እና የአጻጻፍ ስልት ማጠቃለያ ማሳሰቢያ ወጥነትን ይጠብቃል። ይህ ችግር በአጭር ጽሑፎች ውስጥ አይከሰትም; ነገር ግን፣ እንደ ልብ ወለዶች እና መመሪያዎች ባሉ ረጅም ስራዎች ውስጥ፣ በተጨማሪ ምንባቦች ውስጥ ያለውን ወጥነት ማረጋገጥ ያስፈልጋል። ተግባራዊ መፍትሔ: "የፕሮጀክት ማህደረ ትውስታ" (ውሎች + ቁምፊዎች + የቃና ውሳኔዎች) ለማዘጋጀት እና በእያንዳንዱ ክፍል መጀመሪያ ላይ ይጨምሩ እና በትርጉሙ መጨረሻ ላይ ባሉት ክፍሎች መካከል ያለውን ወጥነት ይቃኙ. በኤንኤምቲ፣ ይህ ችግር በተለየ መንገድ አጋጥሞታል፡ NMT ዓረፍተ ነገርን በአረፍተ ነገር ስለሚተረጉም፣ የአንቀጽ ርዝመት ወጥነት ቀድሞውንም ደካማ ነው፣ ስለዚህ ተርምቤዝ ተግሣጽ የሚለውን ቃል ይወስዳል።

በማጠቃለያው

ሁለት የማሽን ትርጉም ቤተሰቦች አሉ፡ ኤንኤምቲ፣ ፈጣን እና ወጥነት ያለው፣ እና LLM፣ መመሪያን የሚወስድ እና አውድ እና ድምጽን በተሻለ ሁኔታ የሚያይ። ማስተር ተርጓሚው የጽሑፉን ተስማሚነት ለማሽኑ አስቀድሞ ደረጃ ሰጥቶ፣ ሞተሩን እንደየሥራው ይመርጣል፣ ከማቅረቡ በፊት የጥሬ ዕቃውን ጥራት በፍጥነት ይለካል፣ እና ቅልጥፍናን ከትክክለኛነት ጋር ፈጽሞ አያምታታም። ይህ የቅድመ-ግምገማ ምላሽ ሁለታችሁም እውነተኛ ጊዜ/ዋጋ እንድትሰጡ እና እራስህን ከጭፍን እምነት እንድትጠብቅ ያስችልሃል።

የመተግበሪያ ተግባር

ተመሳሳዩን ባለ 200-ቃል ጽሑፍ በሁለቱም በNMT መሣሪያ እና በኤልኤልኤም ተርጉም። ሁለቱን ውጤቶች በአምስት ልኬቶች (ትክክለኛነት፣ ምሉዕነት፣ ቃላቶች፣ ቅልጥፍና፣ ቅርፀት) ያወዳድሩ እና ለዚህ ጽሑፍ ያነሰ የድህረ-ማስተካከያ የሚፈልግበትን ምክንያቶች ይፃፉ። ከዚያም በ"ጥሬ ውፅዓት ፈጣን ፍተሻ" አብነት በሁለቱም ላይ ችግር/አደጋ/ጊዜ ስጋቶችን ጠቁም።

የማረጋገጫ ዝርዝር

• [] የጽሑፉን ለማሽኑ ተስማሚነት መደብኩኝ (ዝቅተኛ/መካከለኛ/ከፍተኛ አደጋ)።
• [] እንደየሥራው ዓይነት፣ NMT ወይም LLM ለመጠቀም ወሰንኩ።
• [ ] በትንሽ ናሙና የመጀመሪያ ደረጃ ግምገማ አድርጌያለሁ እና የሚቆይበትን ጊዜ/ዋጋ በዚሁ መሰረት ወሰንኩ።
• [] ጥሬውን በአምስት ልኬቶች በፍጥነት መረመርኩት።
• [ ] በንግግሩ ሳላታለል ቁጥሩን፣ ቀኑን፣ ስሙን እና አሉታዊዎቹን ለየብቻ አጣራሁ።