Sammanfattning av webbinarium om generativ AI: Hur långt har vi kommit?

Generativ AI (GenAI) och stora språkmodeller (LLM) har verkligen tagit fart och nu finns det ingen återvändo, enligt Vincent Henderson som leder Lionbridges produkt- och utvecklingsteam. Men hur långt har vi kommit?

Med andra ord, kan vi utnyttja tekniken fullt ut redan i dag? Spoilervarning: Nej, inte ännu. I alla fall inte helt och hållet. Men vi kan redan uppnå betydande fördelar som leder till affärsvärde, bland annat avsevärda kostnadsbesparingar – genom att förändra våra vanor och förväntningar.

Vincent undersökte bland annat den här frågan under det andra webbinariet i vår serie om generativ AI och stora språkmodeller.

Om du missade sessionen kan du se en inspelad version.

Vill du få en översikt av sessionen? Läs vidare.

Generativ AI: Hur långt har vi kommit?

Den artificiella intelligensens (AI) historia kan spåras så långt tillbaka som till början av 1800-talet, men det är den allt snabbare utvecklingen som gör tekniken så spännande i dag. Fundera på det här: När det gäller framsteg inom AI har vi redan nått fler milstolpar under 2020-talets första halva än under alla föregående decennier tillsammans.

Vi befinner oss vid ett vägskäl i dag, eftersom både GenAI och LLM erbjuder möjligheter som helt ritar om spelplanen.

Hur skiljer sig GenAI-eran från tidigare vägskäl?

För att kunna bedöma hur AI-paradigmet har utvecklats och var vi befinner oss i dag, behöver vi fundera över tidigare vägskäl.

Varje gång en maskin har nått en milstolpe – till exempel vunnit över en schackspelare – har teknikexperterna dragit slutsatsen att maskinen egentligen inte tänkte. De höjde hela tiden ribban med ett ännu mer krävande lackmustest för att låta maskinen bevisa sin intelligens.

Det som gör att vi i dag står inför ett helt annat slags vägskäl är maskinernas allmänna förmåga att förstå språk, lösa problem, koda och producera meningsfullt innehåll, till skillnad från att kunna utföra en viss uppgift som den har tränats till, exempelvis upptäcka avvikelser hos metallplåtar.

Så vad är det egentligen som är så märkvärdigt med GenAI och LLM?

Gränssnittet mellan människa och dator håller på att förändras till sin natur, eftersom maskinerna för första gången kan förstå världen och göra saker på ett sätt som inbegriper resonemang och problemlösning som de inte specifikt har tränats för. I stället för att användaren klickar på en knapp eller överför en bild, används språk, resonemang och språkbaserade uttryck för att kommunicera med det nya gränssnittet.

På vilket sätt kommer GenAI förändra lokalisering för gott?

Med hjälp av GenAI kommer lokaliseringsteam kunna skapa affärsvärde på ett sätt som tidigare inte har varit möjligt

Lokaliseringsexperter ägnar sin tid åt många språkliga utmaningar. De funderar över om innehållet representerar varumärket på rätt sätt eller om innehållets språkliga kvalitet uppfyller de fastställda kvalitetskraven. De lägger mycket energi på att lösa de här problemen, men insatserna påverkar inte affärerna i någon större utsträckning.

Det är här LLM kommer in i bilden, liksom möjligheten att ta reda på vad som verkligen genererar värde. Tekniken kan göra skillnad på följande sätt. I takt med att LLM blir allt skickligare kan de ta över enkla och grundläggande, språkliga aktiviteter. Deras bidrag skapar större utrymme för mer värdefulla, mänskliga aktiviteter, och det är här AI kan tillföra ett viktigt värde till globalt innehåll.

AI-drivna lösningars intåg kommer att frigöra tid för mänsklig kreativitet och öka användningen av dem på följande tre områden:

• Idéutformning av innehåll (producera källämnen).
• Innehållsanalys (förstå effekten av innehåll).
• Innehållets lämplighet (huruvida mottagare får ett värde av innehållet).

Värdefulla tjänster som transkreation kommer att bli mer överkomliga för företag rent kostnadsmässigt. Och resultatet? GenAI-drivna lösningar kommer i slutändan hjälpa företag att leverera innehåll som är mer intressant för deras köpare och mer övertygande och tillförlitligt för köpare i olika länder.

GenAI/LLM kommer att förändra marknaden för lokaliseringstjänster

I och med framväxten av GenAI/LLM kommer allt fler kunder vända sig till leverantörer av lokaliseringstjänster (LSP) för att köpa tjänster i två huvudkategorier: LLM-utvecklingsstöd och innehållsproduktion med LLM.

• LLM-utvecklingsstöd handlar om allt från att analysera LLM-resultat, söka efter fördomar och ta fram effektiva strategier för utformning av prompter.
• Innehållsproduktion med LLM innebär att LLM används för att producera innehåll som företag ska publicera. I kategorin ingår tjänster som optimering av flerspråkiga tillgångar, förbättring av lokaliseringsarbetsflöden, hjälp med att skapa och använda flerspråkig generativ AI samt att skapa innehåll från grunden.

Innehållsproduktion: Hur kommer LLM påverka lokaliseringsarbetsflöden?

Det kommer alltid att finnas lokaliseringsarbetsflöden. Därför förutspår vi hög efterfrågan på LLM-relaterade tjänster som i ännu högre grad automatiserar och förbättrar arbetsflöden. Det finns stora möjligheter att uppnå resultat med generativ AI.

Räkna med att LLM förbättrar alla steg i lokaliseringsarbetsflödet när de utvecklas, för allt från förberedelse av källinnehåll till granskning av innehåll.

Här är några exempel på hur tekniken kommer att påverka lokaliseringsarbetsflöden:

Under källanalys – LLM kan utföra källanalyser och avgöra om källinnehållet är lämpligt för effektiv lokalisering. Det blir allt viktigare att automatisera det här steget, eftersom en allt större andel av innehållet om produkter på engelska skapas av personer med ett annat modersmål. LLM kan förenkla källinnehållet tidigare i arbetsflödet och göra det tydligare, så att det lämpar sig bättre för lokalisering.

Under översättning – Dagens LLM är ingen konkurrent till befintliga maskinöversättningsmotorer (MT) på grund av höga kostnader och lägre översättningshastighet än MT-motorer. Samtidigt kan LLM-tekniken erbjuda nya möjligheter under det här arbetsflödessteget, eftersom den kan översätta varierat eller översätta utifrån särskilda instruktioner.

Under efterredigering och kvalitetssäkring – Be en LLM granska en befintlig MT-översättning, så får du se den briljera. LLM kan lätta på den manuella arbetsbördan rejält under efterredigering. På liknande sätt kan du låta en LLM granska en kvalitetssäkringsrapport och be den avgöra vad ni ska göra åt befintliga problem. LLM kan avgöra om det aktuella problemet inte är något problem, enkelt kan åtgärdas eller är något som behöver skickas vidare till en språkexpert.

GenAI/LLM: Var är vi just nu?

Just nu är det mest lovande användningsområdet för LLM inom efterredigering. Men det finns en hake. Företag behöver vara öppna för en ny tolkning av språkkvalitet, framför allt eftersom det inte finns något objektivt mått på det. Våra tester visar hur subjektiva bedömningar är.

När vi gav tre professionella språkgranskare samma segment kunde de inte alls enas om kvaliteten på efterredigering utförd av en LLM. En granskare tyckte att resultatet var acceptabelt, medan en annan gav samma segment ett något sämre betyg. I vart och ett av våra testfall ansåg minst en granskare att kvaliteten var bra. Det ledde oss till slutsatsen att det inte var något anmärkningsvärt med resultatet och att LLM numera är ett verktyg som mycket väl kan användas till en första efterredigering.

Hur mycket kan företag spara genom att använda LLM?

Användning av LLM i hela lokaliseringsarbetsflödet kommer att leda till betydligt bättre lokaliseringsresultat med mindre arbete och lägre pris.

Vi förväntar oss att LLM kommer att få avsevärd inverkan på efterredigering och ser framför oss att tekniken kan analysera innehåll efter en inledande MT-översättning och att språkexperter sedan slutför efterredigeringsprocessen. Till att börja med kommer LLM dock inte att lämpa sig för alla språkkombinationer, branscher och ämnesområden. Vi arbetar med att identifiera områden där tekniken kan göra skillnad för både resultat och budget.

Enligt våra undersökningar kan generativ AI/LLM beroende på språkkombination minska lokaliseringskostnaden med upp till 25 procent om det används till efterredigering efter en inledande MT-översättning. Vi håller fortfarande på att utvärdera de exakta ekonomiska konsekvenserna inom olika användnings- och ämnesområden. Våra inledande efterforskningar tyder på att de blir avgörande.

Vad kan vi förvänta oss i framtiden?

LLM är här för att stanna och kommer att förändra lokaliseringen för gott. Lionbridge utvecklar tillämpningar för att kunna utnyttja LLM:ernas fulla potential och automatisera lokaliseringsarbetsflöden ännu mer.

I takt med att GenAI utvecklas och mognar kan vi förvänta oss en ny regulatorisk miljö.

Även om kapaciteten i GenAI/LLM lär utökas dramatiskt, kan det hända att tillsynsmyndigheter bromsar framstegen i viss mån i ett försök att skydda användare och hantera de verkliga faror och etiska överväganden som AI medför.

Hur långt har vi kommit? Slutsats:

Generativ AI skapar redan konkreta affärsfördelar, framför vid användning inom efterredigering. Vi har emellertid en lång väg framför oss i arbetet med att undersöka alla användningsområden som möjliggörs av generativ AI och innan tekniken kan nå sin fulla potential.

Ett av de viktigaste problemen att lösa blir att överbrygga förtroendegapet mellan oss och maskinen. Vi behöver ställa oss frågan i vilken mån vi litar på att maskinen kan producera ett acceptabelt resultat och i vilken mån vi litar på vår egen bedömning av maskinen.

Varje användningsområde måste utvärderas och testas. Under kommande månader och år tänker vi genomföra de här utvärderingarna, en lösning i taget.

Om du vill ta del av en mer djupgående analys av generativ AI/LLM och deras effekt på lokalisering, titta på webbseminariet i en inspelad version nu och besök Lionbridges sida med webbseminarier, där du hittar fler webbseminarier i samma serie.

Kontakta oss

Är du redo att börja använda AI-verktyg för att spara pengar och nå ut längre? Kontakta oss för att ta reda på hur.