Faida:
- Uwezo wa kutofautisha nguvu na udhaifu wa tafsiri ya NMT na LLM na kuchagua injini inayofaa kulingana na aina ya biashara.
- Uwezo wa kuainisha mapema ufaafu wa maandishi kwa mashine na kutathmini mapema kwa wakati na bei halisi.
- Uwezo wa kupima haraka ubora wa pato la mashine mbichi katika vipimo vitano na hatari za bendera bila kuchanganya ulaini na usahihi.
Kiongeza kasi chenye nguvu zaidi ulicho nacho kama mfasiri ni utafsiri kwa mashine (MT) — lakini kutumia zana kwa uangalifu humaanisha kukitumia kwenye kazi inayofaa, katika jozi ya lugha inayofaa, na kwa matarajio yanayofaa. Katika kitengo hiki, utapata kujua familia mbili kuu za MT (Tafsiri ya NMT na LLM), kujifunza ni ipi bora kwa kazi gani, jinsi ya kupima kwa haraka ubora wa pato ghafi la tafsiri kabla ya kujifungua, na jinsi ya kuchagua injini kulingana na kazi. Kusudi ni kuachana na wazo la "yote sawa, kubandika-tafsiri" na kuwa mtaalam anayeweza kuona ni maandishi gani yanafaa kwa mashine na ambayo yanahitaji kazi kubwa ya kibinadamu.
Familia mbili: Tafsiri ya NMT na LLM
NMT (Neural Machine Translation) ni mifumo ambayo imejifunza kutoka kwa mamilioni ya sentensi za lugha mbili na kutafsiri sentensi kwa ujumla; Google Tafsiri, DeepL, Microsoft Translator ni mifano ya haya. Nguvu: haraka sana, thabiti, fasaha katika sentensi fupi. Udhaifu: mara nyingi haoni muktadha zaidi ya mpaka wa sentensi (maana kutoka kwa maandishi yote); Inaweza kuwa vigumu kuamua kama neno "benki" linamaanisha benki au ukingo wa mto kwa kuangalia aya na hailingani na orodha ya masharti yaliyotolewa.
Tafsiri inayotegemea LLM (Mfano wa Lugha Kubwa) ni matumizi ya miundo inayoendeshwa na maagizo kama vile ChatGPT, Claude, Gemini kwa tafsiri. Nguvu: huchukua maagizo — huelewa maagizo kama vile "tumia sauti rasmi," "fuata orodha hii ya maneno," "hadhira inayolengwa ni watoto"; anaona muktadha mpana; hunasa nahau na sauti bora zaidi. Udhaifu: wakati mwingine unaweza kuwa "wabunifu kupita kiasi" na kuongeza kwenye chanzo (hatari ya ndoto), hupoteza mshikamano katika maandishi marefu, na gharama/kasi hutofautiana kulingana na kazi.
Kanuni ya kidole gumba: katika maandishi yaliyonyooka, yanayorudiwa-rudiwa, ya kiufundi NMT kawaida huwa ya haraka na ya kutosha; LLM inaweza kunyumbulika zaidi ikiwa na maandishi yanayohitaji nidhamu katika toni, muktadha, msamiati na mafundisho. Wataalamu wengi leo hutumia zote mbili kwa pamoja: rasimu ya haraka kutoka NMT, marekebisho ya tone/muda kutoka LLM.
Kidokezo: Ubora wa mashine wa jozi ya lugha (k.m. Kituruki→Kiingereza) unaweza kutofautiana na mwelekeo tofauti (Kiingereza→Kituruki). Lugha zilizo na sintaksia ya agglutinative, inayoweza kunyumbulika, kama vile Kituruki, kwa ujumla ni changamoto zaidi kwa MT. Jihukumu mwenyewe ni injini ipi iliyo bora zaidi katika jozi yako na sampuli chache za maandishi.
Utangamano wa mashine ya maandishi: uliza hili kwanza
Sio kila maandishi yanafaa kwa mashine sawa. Kabla ya kuanza kutafsiri, pitisha maandishi kupitia kichujio cha "kufaa":
- Inafaa kwa mashine: mwongozo wa kiufundi, maelezo ya bidhaa, maandishi ya kiolesura yanayojirudia, mawasiliano ya kawaida, jedwali/orodha. Lugha ni wazi, istilahi imedhamiriwa, ubunifu ni haba.
- Inafaa kati: habari, maudhui ya ushirika, nyenzo za elimu. Mashine hutoa muhtasari mzuri lakini inahitaji uhariri wa kina baada ya toni na mtiririko.
- Haifai kwa mashine (hatari kubwa): mkataba wa kisheria, maandishi ya matibabu, tangazo/kauli mbiu, maandishi ya fasihi, ucheshi, ushairi. Hapa mashine inatoa mawazo tu; Kazi kwa kiasi kikubwa inaangukia watu.
Ukifanya tofauti hii tangu mwanzo, nyote wawili mtampa mteja wakati/bei inayofaa na kujilinda dhidi ya kuamini kwa upofu pato ghafi.
Pima kwa haraka ubora wa pato ghafi
Unapoona pato la MT unajiuliza "ni nzuri au mbaya?" Jibu swali kwa orodha ya haraka, sio intuition. Angalia vipimo hivi vitano: usahihi (maana ni amini kwa chanzo?), ukamilifu (je sentensi imeachwa au imeongezwa?), istilahi (je ni sahihi na inalingana?), ufasaha (je ni asili katika lugha lengwa?), umbizo (je, vitambulisho, nambari, uumbizaji umehifadhiwa?). Tutaongeza vipimo hivi katika kitengo kinachofuata cha ubora; Kwa sasa, acha iwe reflex yako ya kabla ya kuwasilisha.
Tahadhari: Makosa hatari zaidi ya pato la MT ni "fasaha lakini sio sahihi". Huenda sentensi hiyo ikawa katika Kituruki kamili, lakini "punguzo la 15%" katika chanzo linaweza kuwa limebadilishwa kuwa "punguzo la 50%. Usikatishwe tamaa na ufasaha; Kila mara angalia nambari, hasi, na nomino sahihi kando.
kesi tatu ndogo
Kesi ya 1 - Injini inayofaa ilipunguza wakati kwa nusu. Mtafsiri mmoja alichagua kutafsiri kiolesura cha programu cha maneno 12,000 na NMT na kijitabu cha uuzaji cha ujazo sawa na LLM. Uthabiti wa NMT kwenye kiolesura ulifanya kazi kuwa haraka; Unyumbulifu wa sauti wa LLM katika kijitabu ulipunguza mzigo wa kuandika upya kwa 40%. Kutoa kazi zote mbili kwa injini moja kungepoteza muda.
Kesi ya 2 - Tathmini ya awali ilihifadhi bei. Ofisi ilikuwa karibu kutoa maandishi ya kisheria kwa sababu "inaweza kutengenezwa na mashine, itakuwa nafuu". Katika tathmini ya awali, sampuli ya maneno 500 ilitafsiriwa; Mashine ilirejesha masharti mawili ya kisheria na mfumo usio sahihi. Ofisi iliweka bei ya kazi kama "uhariri mzito baada ya kuhariri" na kutoa tarehe ya mwisho ya kweli; Aliepuka kupoteza pesa kwa sababu ya ofa isiyofaa.
Kesi ya 3 — Tofauti ya jozi ya lugha. Timu ilifikiri kwamba injini iliyofanya kazi vizuri kwa Kiingereza→Kijerumani kilikuwa cha ubora sawa kwa Kituruki→Kiarabu. Jaribio la maneno 300 lilionyesha kuwa matokeo ya Kiarabu yanahitaji marekebisho zaidi. Timu ilitenga injini tofauti na bajeti tofauti za baada ya kuhariri kulingana na jozi ya lugha.
Violezo vinne vinavyoweza kunakiliwa
1) Tathmini ya ufaafu wa maandishi:
Jukumu lako: mtaalamu mkuu wa MTPE. Je, umekadiria maandishi yafuatayo kwa kufaa kwa tafsiri ya mashine: halisi/kiufundi au ubunifu/muktadha? Iainishe kama (1) inafaa kwa mashine sana, (2) kati, (3) hatari kubwa na uandike sababu zako. Kadiria mzigo unaotarajiwa wa baada ya kuhariri kuwa mwepesi/wa kati/nzito. Mfano wa maandishi: [bandika maneno 200-300]
2) Tafsiri ya LLM iliyoelekezwa (iliyo na istilahi na udhibiti wa sauti):
Tafsiri maandishi haya [chanzo]→[lengo].Hadhira: [nani]. Toni: [k.m. rasmi]. Shamba: [k.m. fedha].Orodha ya istilahi (hakikisha unatumia): [A→a, B→b].Sheria: usijumlishe kisichokuwa kwenye chanzo, weka nambari/tarehe/majina, badilisha kila sentensi na sentensi. Weka alama mahali ambapo huna uhakika na [?]. Maandishi: [...]
3) Ulinganisho wa injini mbili:
Hapa chini kuna tafsiri mbili tofauti za sentensi moja chanzi (A na B). Linganisha kila moja kwa suala la usahihi, istilahi na asili, na uniambie ni ipi itahitaji marekebisho kidogo, na uhalalishaji. Chanzo: [...] | Tafsiri A: [...] | Tafsiri B: [...]
4) ukaguzi wa haraka wa pato:
Ifuatayo ni tafsiri ya chanzo na mashine. Weka alama kwenye zifuatazo:(1) taarifa iliyoachwa/iliyoongezwa, (2) nambari/tarehe/jina lisilo sahihi, (3) hitilafu ya kukanusha, (4) neno lisilolingana. Usiandike masahihisho yoyote, orodhesha tu maeneo hatarishi.Chanzo: [...] | Tafsiri: [...]
Mwongozo dhaifu / Mwongozo thabiti
Dhaifu: "Tafsiri maandishi haya na yatakuwa mazuri." (Kwa injini, "nzuri" haijafafanuliwa; hakuna sauti, hakuna neno, hakuna wingi.)
Güçlü: "Tafsiri maelezo haya ya bidhaa kutoka Kiingereza hadi Kituruki. Eneo: e-commerce. Hadhira: mtumiaji mdogo. Toni: ya kirafiki lakini ya kutia moyo. 'checkout' → 'hatua ya kulipa', 'orodha ya matamanio' → 'orodha ya matamanio'. Badilisha nambari na jina la chapa. Kituruki fasaha bila harufu yoyote ya tafsiri."
Tofauti: haraka haraka huipa injini lengo linaloweza kupimika; matokeo yanakaribia rasimu iliyohaririwa moja kwa moja.
Chati ya kulinganisha ya NMT dhidi ya LLM
Ukubwa
NMT (Google, DeepL)
LLM (ChatGPT, Claude)
kasi
haraka sana
kati
Pokea maagizo/toni
dhaifu
nguvu
Zingatia orodha ya masharti
mdogo
Nzuri (kwa haraka)
Muktadha mpana
dhaifu
nzuri
Hatari ya hallucinations
chini
Wastani (udhibiti unahitajika)
kazi inayofaa zaidi
Moja kwa moja/kiufundi/inarudiwa
Toni/muktadha/bunifu
Makosa ya kawaida
- Kutumia injini sawa kwa kila kazi. Kutochagua injini kulingana na aina ya kazi husababisha upotezaji wa wakati na ubora.
- Kutoa bei/muda bila tathmini ya awali. Jaribio la maneno 200-300 linaonyesha mshangao tangu mwanzo.
- Kukosea ufasaha kwa usahihi. Sentensi nzuri haimaanishi sentensi sahihi.
- Kupuuza jozi ya lugha na tofauti ya mwelekeo. Injini nzuri katika jozi moja inaweza kuwa dhaifu katika nyingine.
- Bila kugundua nyongeza za LLM. LLM wakati mwingine huongeza sentensi sio katika chanzo "kusaidia"; angalia hii.
Dirisha la muktadha na uthabiti
Wakati wa kutafsiri maandishi marefu kwa LLM, ni muhimu kujua kikomo kimoja cha kiufundi: dirisha la muktadha - kiasi cha maandishi ambacho mtindo anaweza "kuona" na kukumbuka kwa wakati mmoja. Ikiwa maandishi ni makubwa kuliko dirisha hili, itabidi ugawanye katika vipande, na mfano unaweza "kusahau" katika sehemu inayofuata uamuzi wa neno au sauti uliyofanya katika vipande vilivyotangulia. Kwa hivyo, badala ya kutafsiri kitabu kirefu au hati katika kipande kimoja, kukumbusha kila sehemu ya muhtasari na muhtasari wa mtindo hudumisha uthabiti. Tatizo hili halitokei katika maandishi mafupi; Walakini, katika kazi ndefu kama vile riwaya na miongozo, inahitajika kuangalia uthabiti katika vifungu. Suluhisho la vitendo: kuandaa "kumbukumbu ya mradi" (masharti + wahusika + maamuzi ya sauti) na kuiongezea mwanzoni mwa kila kipande na uchanganue kwa uthabiti kati ya vipande mwishoni mwa tafsiri. Katika NMT, tatizo hili hupatikana kwa njia tofauti: Kwa kuwa NMT hutafsiri sentensi kwa sentensi, uthabiti wa urefu wa aya tayari ni dhaifu, kwa hivyo istilahi hutekeleza neno nidhamu.
Kwa muhtasari
Kuna familia mbili za utafsiri wa mashine: NMT, ambayo ni ya haraka na thabiti, na LLM, ambayo inachukua maelekezo na kuona muktadha na toni bora zaidi. Mtafsiri mkuu huweka alama za kufaa kwa maandishi kwa mashine mapema, huchagua injini kulingana na kazi, hupima haraka ubora wa pato la ghafi kabla ya kujifungua, na kamwe huchanganya ufasaha na usahihi. Reflex hii ya kutathmini mapema hukuruhusu kutoa wakati/bei halisi na kujilinda dhidi ya uaminifu wa upofu.
Jukumu la maombi
Tafsiri maandishi sawa ya maneno 200 kwa zana ya NMT na LLM. Linganisha matokeo mawili kwenye vipimo vitano (usahihi, ukamilifu, istilahi, ufasaha, umbizo) na uandike sababu ambazo mtu huhitaji uhariri mdogo wa baada ya maandishi haya. Kisha ripoti suala/dharura/matatizo ya hatari kwa zote ukitumia kiolezo cha "kagua matokeo ghafi".
orodha ya ukaguzi
- [ ] Niliainisha ufaafu wa maandishi kwa mashine (hatari ya chini/kati/kubwa).
- [ ] Kulingana na aina ya kazi, niliamua kama nitatumia NMT au LLM.
- [ ] Nilifanya tathmini ya awali kwa sampuli ndogo na kuamua muda/bei ipasavyo.
- [ ] Nilikagua kwa haraka pato ghafi katika vipimo vitano.
- [ ] Niliangalia nambari, tarehe, jina na hasi kando bila kudanganywa na ufasaha.