Meta пусна AI, който превежда текст на сто езика

Meta пусна модела с изкуствен интелект SeamlessM4T, способен да превежда от 101 езика. Проектът е стъпка към създаването на универсален преводач в реално време, който може да обработва говоримия език, докато комуникираме.

Традиционните AI модели за превод работят по многоетапен начин: първо говоримият език се преобразува в текст, след което се превежда на друг език и текстът на новия език се преобразува обратно в говорима реч. Този метод не винаги е достатъчно ефективен, тъй като на всеки етап има възможност за грешки, които могат да доведат до неправилен резултат от превода. Новият Meta SeamlessM4T превежда директно и се казва, че е 23% по-точен от най-добрите текущи модели. Арсеналът на Google включва модела AudioPaLM, който поддържа 113 езика, но превежда само на английски; SeamlessM4T превежда от 101 езика на 36.

Ключът към успеха на проекта беше процесът на паралелно събиране на данни: AI записва случаите в сканираните данни на източници в мрежата, които съответстват на аудио или видео със субтитри на друг език. В резултат на това моделът се е научил да свързва тези звуци на един език със съответните фрагменти от текст на друг. Авторите на проекта обаче признават, че човешкото участие в превода остава важно: човек е в състояние да вземе предвид културния контекст и да гарантира прехвърлянето на значението на изявлението от един език на друг. В медицината или правото машинният превод трябва да бъде внимателно проверен от човек, в противен случай може да възникнат недоразумения.

Трябва също така да се вземе предвид, че AI моделите може да имат различни количества данни за обучение на отделните езици: може да има много примери за превод от гръцки на английски, но няма данни за превод от суахили на гръцки. За да решат този проблем, разработчиците на SeamlessM4T предварително са обучили модела на милиони часове аудиозаписи на разговори на различни езици. Това обучение е помогнало на AI да разпознае общите модели в езиците, което улеснява обработката на по-рядко срещаните езици, тъй като моделът вече има основните познания за това как трябва да звучи говоримият език в тях.

Системата е достъпна като отворен код, което е надеждата на разработчиците за насърчаване на останалите да надграждат настоящите ѝ възможности. Някои експерти все още се съмняват колко полезен може да бъде SeamlessM4T на практика и посочват, че затвореният модел на Google е много по-бърз. Meta твърди, че специалистите на компанията вече са създали по-нова версия на Seamless, която не отстъпва по скорост на хората преводачи.