VÄLJ SPRÅK:

Using a laptop for complicated computations

Detta gör ChatGPT rätt och fel och därför kommer tekniken förmodligen rita om spelplanen för lokaliseringsbranschen

Lionbridges syn på den nya tekniken och kommande steg för att förverkliga dess fulla potential

Sedan ChatGPT lanserades för allmänheten den 30 november 2022 har användningen fullkomligt exploderat och lockat till sig aldrig tidigare skådad uppmärksamhet och synpunkter. Efter att ha ägnat några dagar (och nätter) åt samtal med ChatGPT har jag kokat ner det hela till följande väsentliga frågor:

  • Vad gör den rätt?

  • Vad gör den fel?

  • Hur kan vi använda den?

Vill du veta svaren på frågorna och hur jag ser på framtiden för det här nya lokaliseringsverktyget? Läs vidare. Vi kommer också att publicera ett längre och mer utförligt whitepaper i det här ämnet inom kort.

Vad blir fel med ChatGPT?

Det finns gånger då du inte kan förlita dig på ChatGPT:

  1. Den talar inte alltid sanning. ChatGPT säger sådant som folk vill höra, utifrån tillgänglig information.

  2. Den har ingen som helst koll på den verkliga världen. Den känner bara till en utvald version av vad människor säger om den verkliga världen och använder den informationen för att skapa ett väldigt övertygande språk för att presentera vad den har lärt sig.

  3. Den kan inte räkna. Jag försökte upprepa Jonas Degraves simulering i bloggen Engraved med en mer komplicerad beräkning, och fick ett felaktigt resultat. Den försöker korrekt multiplicera de två talen från Python-kommandot som den vet hur man simulerar, vilket är ganska imponerande. Den kan bara inte räkna.

  4. Den kan inte tänka. Den skriver ofta något som beskriver korrekta förutsättningar och sanna utsagor om vad jag har bett den göra, och tillämpar det självsäkert på ett felaktigt sätt. I princip kan den inte resonera, det är alltså inte en finit tillståndmaskin.

  5. Dess blygsamma skrytsamhet är lite pinsam. ChatGPT uttrycker sig med stor auktoritet och pondus, men säger samtidigt fåraktigt att den bara är till för att hjälpa dig och blir generande ångerfull när du berättar att den har gjort fel.
The vast scope of human intelligence and reasoning

Detta gör ChatGPT rätt

Efter att ha fastställt vad ChatGPT gör rätt och fel ska vi nu ta en titt på vad den kan göra som skapare och tolkare av text. ChatGPT kan:

  • Skriva bättre än du. Jag blev övertygad om detta efter att ha haft många samtal med ChatGPT. De kan skriva texter med många olika svårighetsgrader och använda ett stort ordförråd. Den här generativa AI:n är enligt min uppfattning lika skicklig som de bästa tio procenten av mänskliga författare av innehåll.

  • Följa anvisningar. Den ändrar texter exakt på specifika sätt, både till form och innehåll. Viktigast av allt är att den kommer ihåg sammanhanget kring samtalet och förstår när du hänvisar till vad den gjorde förut, till och med på ett väldigt vardagligt sätt.

  • Förändra texten med bibehållen betydelse. ChatGPT kan utgå från valfri text och följa instruktioner för att göra ändringar i innehåll, form eller stil. Den bibehåller textens semantiska innehåll eller ändrar det om du ber den.

  • Hantera flerspråkig terminologi, en viktig fråga vid lokalisering. Jag vet inte ännu om det är realistiskt vid storskalig översättning. Men jag kunde se att ChatGPT lyckades ganska bra med att lägga in specifik terminologi vid redigering av tidigare översatt material, även när den inte var den ursprungliga översättaren.

  • Upptäcka stötande text. Jag gav ChatGPT utdrag från domstolsförhandlingar i ett brottmål med rasistiska och homofobiska textmeddelanden och bad den sedan att identifiera stötande text. Den klarade det utan problem och kunde också förklara hur den resonerat.

  • Urskilja entiteter. Jag bad ChatGPT att utföra en standardprocedur med entitetsdetektering och att sätta taggar runt entiteter. Den missade ett par. Men med lite ytterligare vägledning kunde den enkelt märka dem också.

  • Klassificera saker utifrån en taxonomi. En av de mest imponerande sakerna med ChatGPT är hur den kan använda allmänna kunskaper i en specifik situation.

Vi har fastställt att du inte kan lita på att ChatGPT talar sanning eller vet vad som är rätt. (Det betyder att skapare av innehåll behöver kontrollera om den pratar strunt.) När vi väl har en text med en betydelse som vi är nöjda med kan ChatGPT dock manipulera eller förändra dess form och innehåll – och samtidigt behålla den avsedda betydelsen. Det här skapar möjligheter för lokaliseringsleverantörer, eftersom vi inte behöver skapa meningsfullt innehåll från grunden. Låt oss ta en närmare titt på vad som händer i lokaliseringsbranschen och hur ChatGPT kan påverka det vi gör i dag. Den här generativa AI:n:

  • Är väldigt bra på att översätta. På språk med en stor språkkorpus presterar ChatGPT förmodligen i klass med förstklassiga motorer när det gäller maskinöversättning utan träning, kanske till och med bättre i vissa hänseenden.

  • Verkar vara väldigt bra på att följa terminologiska instruktioner.

  • Kan tillämpa anvisningar om stilnivå, antingen generellt eller specifikt. Som jämförelse är det inte helt lätt att få maskinöversättningsmotorer att utföra den här sortens uppgifter.

  • Den är ganska bra på att kategorisera saker, särskilt för text, i godtyckliga taxonomier. Den här förmågan kan lokaliseringsbranschen ha nytta av, eftersom vi ofta vill tillämpa vissa instruktioner på specifika typer av innehåll och andra instruktioner på andra.

  • Är väldigt bra på att redigera utvald text, den allra viktigaste delen av lokalisering av hög kvalitet. Den är ganska bra på de fyra huvudsakliga beståndsdelarna i att granska och översätta text.

  • Den hjälper till med innehållsanalys och analyserar text för effektiv bearbetning och förbättringar eller utifrån avkastning. Den kan hjälpa till att förutse eller undvika problem med översättningskvalitet och anpassa den för mer effektiva resultat sett till räckvidd, SEO och CTA/CTR-resultat, göra både käll- och måltext mer lättläst och mycket mer.

  • Den hjälper till att skriva och redigera fungerande kod. Elitprogrammerare tvistar om ChatGPT kan skriva på deras nivå – och så verkar inte vara fallet. Jag bad den dock att skriva lite XML-kod för att extrahera innehåll och den producerade fungerande kod som jag kunde köra. Det gör det enklare för andra än kodare att skapa kod (och lära sig hur).

ChatGPT kommer att definiera nya färdigheter och metoder

Jag har utvecklat en rudimentär uppfattning om vilken typ av kommandon ChatGPT behöver. Den här speciella tekniken kan bara tolka naturligt språk. För att kunna använda tekniken i produktion behöver vi lära oss hur vi effektivt kan ge den instruktioner. För att kunna omvandla innehåll på specifika sätt kommer det förmodligen att krävas serier av instruktioner som var och en utför en viss uppgift: rensning, för- och efterbehandling osv. Det blir en intressant resa när vi ska lära oss använda kommandon på naturligt språk som en del i våra automatiseringspipelines, på ett sätt som är både relevant för sammanhanget och tillräckligt förutsebart i resultatet.

The nuances of digital tools

Vad gör vi härnäst?

Vi vet att vi definitivt inte kan blunda för den här nya generativa AI:n. Den kommer förmodligen ställa hela vår bransch på ända. Därför behöver vi gå i täten och driva på övergången till automatiserad språkbehandling, så att vi inte hamnar på efterkälken. ChatGPT kan omvandla och märka text lika bra som en genomsnittlig mänsklig redigerare och förmodligen arbeta mer effektivt. Den kan utföra arbetsuppgifter där den förlitar sig på en rad olika färdigheter som praktiskt tagit ingen enskild människa besitter, och den kan generalisera sina kunskaper och använda dem i nya situationer.

Viktigast av allt är att den verkar ha förmåga att lösa vissa kvardröjande automatiseringsproblem inom lokalisering. Det är naturligtvis en sak att föra ett samtal med den med hjälp av påhittade exempel och en helt annan sak att tänka sig att använda den i stor skala för att utföra de här uppgifterna. Framöver behöver vi:

  • Utföra verkliga, storskaliga tester för att utvärdera felfrekvenser för varje slags lokaliserings- och redigeringsuppgift som undersöks här.

  • Analysera detaljerade användarresor i värdekedjor för lokalisering på makro- och mikronivå och fastställa var det förmodligen kommer att ske förändringar med den här sortens textautomatisering.

  • Lära oss hur vi ska instruera och förse ChatGPT med relevant kontext i stor skala och dokumentera fallgropar och metodtips.

  • Ta fram nya arbetsflöden för automatiserad redigering med manuella inslag och fundera ut vad efterredigering och kvalitetsgranskning ska betyda i morgon när sådan AI ingår i processen.

  • Utforma nya interaktionssammanhang för automatisering och användarupplevelser (UX) för både lokaliseringsmedarbetare och kunder för alla tänkbara förbättringsmöjligheter.

  • Se till att kostnaderna för licenser, driftsättning och underhåll lönar sig för vår verksamhet

Några tankar om språk och användning av ChatGPT i verkliga världen

En av de saker som jag tyckte var mest uppseendeväckande var hur ChatGPT fick fram nästan rätt lösning i svåra beräkningar, men ändå fel. Den fuskar inte. Den lär sig verkligen allt av språket den tränas med. Det faktum att den nästan hittar rätt svar på en beräkning som överstiger en viss storlek (och rätt svar med mindre tal) visar att en tillräckligt stor språkkorpus innehåller statistiskt signifikant kunskap om den verkliga världen. Men det visar också att dedikerade formella system (som matematik) krävs för att producera meningsfull, tillförlitlig och korrekt information om den verkliga världen.

ChatGPT är en tankeväckande påminnelse om att ett självständigt system som refererar till sig självt inte i och av sig självt kan rymma sanningen om världen, som existerar oberoende av det. Det här är ett eko av Gödels ofullständighetsteorem. Som medvetna individer kan vi inte frikoppla vårt medvetande från formella och materiella system som grundar vår förståelse för världen i en verklighet som finns överallt omkring oss och som vi inte kan bortförklara enbart genom språket.

Kontakta oss

Har du ett eget översättnings- eller lokaliseringsprojekt? Behöver du se till att det utförs korrekt, snabbt och inom budget? Vi använder innovativ och generativ AI som ChatGPT för att hjälpa dig. Kontakta oss i dag för att få veta mer om Lionbridges översättnings- och lokaliseringstjänster.

linkedin sharing button

Vincent Henderson, Head of Product Language Services
FÖRFATTARE
Vincent Henderson, Head of Product Language Services
  • #technology
  • #blog_posts
  • #translation_localization