La nuova versione introduce Trust Attention, una nuova tecnica ispirata all’abilità del cervello umano di assegnare priorità alle informazioni provenienti da fonti affidabili, migliorando la qualità delle traduzioni fino al 42% (vedi grafico).
Questa innovazione stabilisce un nuovo standard di settore, marcando la distanza dai tradizionali sistemi di MT che sono limitati dall’incapacità di distinguere tra dati affidabili e materiale di qualità inferiore durante il processo di addestramento.
ModernMT ora utilizza un sistema di ponderazione unico nel suo genere per dare priorità all’apprendimento da dati qualificati e di alta qualità, ovvero traduzioni eseguite e riviste da traduttori professionisti, rispetto ai contenuti non verificati ottenuti dal Web. Come ha fatto con l’introduzione dell’adattività, Translated si è ispirata al cervello umano per sviluppare questa nuova tecnica. Proprio come gli esseri umani valutano più fonti di informazione per identificare quelle più affidabili e credibili, ModernMT V7 identifica in modo simile i dati di addestramento maggiormente validi e organizza il proprio apprendimento in base a ciò.
“La capacità di ModernMT di dare la priorità a dati di qualità superiore per migliorare il modello di traduzione è il passo in avanti più significativo nella traduzione automatica da quando è stata introdotta l’adattività dinamica cinque anni fa”, ha affermato Marco Trombetti, CEO di Translated. “Questa innovazione apre nuove opportunità per le aziende di utilizzare la traduzione automatica per portare l’esperienza dei loro clienti in tutto il mondo a un livello superiore. Allo stesso tempo, aiuterà i traduttori ad aumentare la propria produttività e i guadagni.”
L’introduzione di questo nuovo approccio è un importante passo avanti per le aziende che cercano una maggiore accuratezza nella traduzione di grandi volumi di contenuti o che richiedono un alto livello di personalizzazione del motore di traduzione automatica. Inoltre, i traduttori che integrano la MT nel proprio flusso di lavoro trarranno significativi benefici da questa innovazione.
Oggi si discute molto sull’applicazione dei large language model (LLM) nella traduzione. Mentre la traduzione automatica tradizionale privilegia l’accuratezza rispetto alla fluidità, gli LLM tendono a enfatizzare la fluidità. Ciò a volte può comportare risultati fuorvianti a causa di “allucinazioni”, ovvero output non basati sugli input ricevuti dai dati forniti in fase di addestramento. Riteniamo che la Trust Attention di Translated possa migliorare l’accuratezza dei modelli generativi, riducendo le possibilità di tali errori. Questo potrebbe preparare il terreno per la prossima era della traduzione automatica.
Tutti i clienti di Translated beneficeranno dei vantaggi derivanti dal miglioramento della qualità del nuovo modello di traduzione automatica, che si tradurrà in una riduzione significativa delle tempistiche di consegna dei progetti. I traduttori che collaborano con Translated potranno sfruttare le funzionalità del nuovo modello attraverso Matecat, la web app di traduzione assistita dall’IA (CAT tool) distribuito gratuitamente da Translated. Anche i traduttori che utilizzano uno degli altri software ufficialmente supportati (Matecat, memoQ e Trados) con una licenza ModernMT attiva sperimenteranno la potenza del nuovo modello.
BlogInnovazione.it
Un intervento di oftalmoplastica con l'utilizzo del visore commerciale Apple Vision Pro è stato eseguito al Policlinico di Catania La…
Lo sviluppo delle abilità motorie fini tramite il colorare prepara i bambini a competenze più complesse come la scrittura. Colorare…
Il settore navale è una vera e propria potenza economica mondiale, che ha navigato verso un mercato da 150 miliardi…
Lunedì scorso, il Financial Times ha annunciato un accordo con OpenAI. FT concede in licenza il suo giornalismo di livello…
