生成式 AI 网络研讨会简要回顾：未来之路还有多远？

Lionbridge 产品和开发团队主管 Vincent Henderson 表示，生成式 AI (GenAI) 和大型语言模型 (LLM) 已取得长足发展，并且会继续发展下去。但未来之路还有多远 呢？

换句话说，我们现在能否充分利用这项技术呢？剧透一下：目前不能。至少不能完全充分利用。不过，我们现在已经能够从这项技术中明显受益，既能获得商业价值，又能节约大量成本，但前提是我们改变惯常做法并改变对这一划时代意义的范式的期望。

Vincent 在我们的 GenAI 和 LLM 系列网络研讨会第二期中探讨了这个话题并提供了更多信息。

如果您错过了这期网络研讨会，可以点播回放视频。

想简要了解本期网络研讨会？请继续阅读。

GenAI：现已发展到何种程度？

人工智能 (AI) 的历史可以追溯到 19 世纪初，而在如今日新月异的变局之下，这项技术变得更加引人瞩目。例如，我们在 21 世纪 20 年代前半段见证的 AI 发展里程碑，比过去几十年还要多。

鉴于 GenAI 和 LLM 具有颠覆性能力，如今的我们正处于一个转折点。

GenAI 时代较过去的转折点有何不同？

要理解 AI 范式的发展历程和现状，就必须回顾过去的几个转折点。

每当机器取得里程碑式的成功（例如打败了棋手），技术专家都会得出结论：机器并未真正具有思维能力。他们会不断提高标准，使用更具挑战性的有效测试来证明机器具有智能。

当前转折点的与众不同之处在于，机器具有综合 能力，能够理解语言、解决问题、进行编码以及生成有意义的内容，而不只是能够完成受训执行的特定任务（例如检测金属板上的瑕疵）。

那么，GenAI 和 LLM 有何重要意义？

鉴于机器首次可以理解世界并在未经针对性训练的情况下进行推理和解决问题，人机互动的本质正在不断变化。新型人机互动使用语言、推理和语言表述，而不是单击按钮或上传图片。

GenAI 将如何永久颠覆本地化行业？

GenAI 可助力本地化团队创造之前无法实现的商业价值

本地化专业人士需要处理许多语言事项。他们需要检查内容是否精准展现品牌形象或内容的语言质量是否符合预设的质量标准。解决这些问题将占用他们大量精力，但并不会对业务产生显著影响。

采用 LLM，则有机会直击价值创造的核心。以下是这项技术的与众不同之处。随着功能不断发展，LLM 越来越多地解决死板的核心语言活动问题，因此，人类将有更多时间精力来执行具有更高价值的活动，这便是 AI 在全球化内容中起到的关键价值。

AI 解决方案的爆发将提升人类创造力，并提高人类在以下三个领域的参与程度：

• 内容构思（构思源主题）
• 内容分析（理解内容的意义）
• 内容适合度（人们能否从内容中获取价值）

对于公司来说，创译等具有更高价值的服务会更加经济实惠。结果就是，GenAI 解决方案最终将助力品牌提供优质内容，使之更好地与不同国家/地区的顾客产生共鸣，让顾客更加信服和信任品牌。

GenAI/LLM 将颠覆本地化服务领域

随着 GenAI/LLM 的兴起，客户将越来越多地选择本地化服务提供商 (LSP) 提供两大领域的服务：LLM 开发支持和 LLM 内容创作。

• LLM 开发支持包括评估 LLM 输出、控制偏见以及制定有效的提示工程策略。
• LLM 内容创作包括使用 LLM 来协助创作公司要发布的内容。服务可能包括优化多语言资产、改进本地化工作流程、支持创作和使用多语言 GenAI 以及从零开始创作内容。

内容创作：LLM 将如何影响本地化工作流程？

鉴于本地化工作流程将会始终存在，我们预测，品牌对 LLM 相关服务的需求会非常旺盛，以便进一步自动执行和改善工作流程。GenAI 可以在诸多方面发挥影响力。

从源内容准备到内容审校，LLM 在其不断发展过程中有望改善本地化工作流程的每个步骤。

此技术可以从以下方面影响本地化工作流程：

在源内容分析过程中 — LLM 可以进行源内容分析并确定是否适合进行高效的本地化。与产品相关的英语内容越来越多地由非英语母语人士创作，因此自动执行此步骤愈发重要。LLM 可简化源内容，使其对于上游环节来说更加清晰，以便更适合进行本地化。

在翻译过程中 — 尽管由于成本和翻译速度方面的劣势，LLM 现在不敌机器翻译 (MT) 引擎，但 LLM 技术可以生成不同的译文或按照特殊说明进行翻译，因此仍旧在工作流程的这一步骤中提供了新的可能性。

在后期编辑和质量保证过程中 — 使用 LLM 审校现有的 MT 翻译，即可切实见证它的优势。LLM 可大幅减少人工后期编辑的工作量。同样，还可以让 LLM 检查质量保证报告以及确定针对现有问题的解决措施。LLM 可以确定某个问题是否算是问题、是否易于修复或是否需要语言专家关注。

GenAI/LLM：现状如何？

目前，LLM 最有前景的用途是进行后期编辑。但也有小问题，即公司必须对语言质量的新解读持开放态度，尤其是在没有客观衡量方法的情况下。我们的测试证实了评估具有主观性。

在测试中，我们请三名专业审校人员评估相同句段译文，而三人并未就 LLM 后期编辑译文的质量达成共识。对于同一句段，一名审校人员认为质量可以接受，而另一名审校人员则打出了远低于合格标准的分数。在我们的每次测试中，至少有一名审校人员认为质量良好。我们据此得出结论，译文质量中规中矩，LLM 现可用于部分后期编辑工作。

使用 LLM 可以为公司节省多少资金？

在整个本地化工作流程中充分利用 LLM，可以显著改善本地化结果，减少工作量并降低成本。

我们希望 LLM 能够对后期编辑流程产生实质性影响，期待这项技术能够在初步 MT 后对内容进行评估，并由语言专家完成后期编辑过程。不过，LLM 一开始并不适合所有语言对、行业和主题。我们正根据结果和经济效益确定适用场景。

根据我们的研究，如果在初步使用 MT 后将 GenAI/LLM 用于后期编辑，可将本地化成本降低多达 25%，具体取决于语言对。此外，我们还在评估各种用例和领域的精确经济效益。我们的初步研究表明，经济效益会非常可观。

未来之势如何？

LLM 大行其道，颇有永久颠覆本地化行业之势。Lionbridge 致力于开发可充分利用 LLM 全部功能的应用，以便进一步实现本地化工作流程自动化。

随着 GenAI 的发展和普及，需留意不断变化的监管环境。

尽管 GenAI/LLM 功能数量的迅猛增加已成定局，但由于监管机构会采取行动保护用户和应对与 AI 相关的实际危险和道德问题，因此可能会在某种程度上打断该发展过程。

概要总结：未来之路还有多远？

GenAI 已带来实实在在的商业利益，用于后期编辑工作时更是如此。然而，前路漫漫，我们需要探索 GenAI 可以提供助力的所有用例，以便发挥该项技术的全部潜力。

决定性问题之一是需要弥合人和机器之间的信任缺口。我们需要在以下方面进行自我提问：我们对于机器生成可接受译文的信任程度如何以及我们对机器评估结果的信任程度如何。

每个用例均需进行评估和测试。我们会持续评估数月、甚至数年，每次评估一个解决方案。

如需了解 GenAI/LLM 对本地化之影响的更深入分析，请立即点播观看网络研讨会并访问 Lionbridge 网络研讨会页面来观看本系列中的其他网络研讨会。

联系我们

准备好开始使用 AI 工具节省资金和提高资源利用率了吗？立即联系我们，了解具体方法。