A 2025 márciusában megjelent Slator Localization Buyer Survey 2025 a fordítási és lokalizációs szolgáltatások 50 vállalati vevőjének válaszait gyűjti össze számos témában, beleértve az MI hatásával kapcsolatos elvárásokat, a költségvetést, az árképzést és a minőséget.

A felmérés egyik szakaszában arra kérték a vásárlókat, hogy számoljanak be a fordítással és lokalizációval kapcsolatos legnagyobb kihívásaikról. A válaszokból öt visszatérő téma merült fel, köztük az MI-eszközökkel kapcsolatos elvárások kezelése.

Sok válaszadó az MI teljesítményével kapcsolatos irreális elvárásokat említette az érdekeltek részéről, akik az MI fordítási eszközöket „gyors megoldásnak tekintik a költségek és az átfutási idő csökkentésére”.

A válaszadók nehézségekről számoltak be, amelyek a nem megfelelő translation-as-a-feature (TAAF, azaz más platformokba, például tartalomkezelő rendszerekbe beépített fordítás) miatt merültek fel. Különösen a TAAF minőségét nem tartják elég jónak ahhoz, hogy lemondjanak az emberi beavatkozásról, beleértve az utólagos szerkesztést is. A válaszadók „súrlódásokról” számoltak be, amikor az érdekelt feleknek elmagyarázták az emberi minőségellenőrzés szükségességét.

Általánosságban a válaszadók hangsúlyozták, hogy tisztázni kell az MI-eszközök jelenlegi korlátait, és hogy „el kell oszlatni az MI-ről mint mindenre kiterjedő megoldásról alkotott tévhiteket”.

A mesterséges intelligencia fordítási teljesítménye változó

Az MI nyelvi megoldások felhasználóinak meg kell érteniük, hogy nem minden nagy nyelvi modell (LLM) egyforma. Ezeket különböző adathalmazok felhasználásával képzik, és a fejlesztők gyakran konkrét célokat és funkciókat tartanak szem előtt, amikor egy LLM által működtetett új eszközt hoznak létre.

Néhány olyan probléma, amely gyakran még mindig emberi beavatkozást igényel (az adott felhasználási esettől és az MI-fordítóeszköztől függően), többek között a természetes hangzású stílust és hangot nélkülöző MI-fordítási kimenetek, a szakterület-specifikus tartalmak pontatlan átalakítása és a gyengébb teljesítmény az alacsony forrású nyelvek esetében.

Azt is fontos felismerni, hogy még az ugyanazon fejlesztőtől kiadott modellek is érezhetően eltérő fordítási minőséget produkálhatnak, mivel valószínűleg eltérő jellemzőkkel és képzéssel rendelkeznek.

Ez nyilvánvaló volt a Slator korábbi korlátozott tesztjei során, amelyekben az OpenAI széleskörű multimodális modelljét, a GPT-4o-t, valamint a jobb érvelési képességre kifejlesztett GPT-o1 modellt használták, és amelyek néhány MI-fordítási problémát tártak fel.

Amikor a Slator megkérte a GPT-4o-t, hogy fordítson le egy mintaszöveget angolról franciára, spanyolra és németre, a fordítások általában magas általános pontosságúak voltak, de a természetes stílus tekintetében gyengébbek. A modell képes volt kezelni a szakterminológiát, a rövidítéseket és a szlenget, mégis olyan szó szerinti fordításokat kínált, hogy „egy anyanyelvi beszélő azonnal azonosítaná [a fordításokat] szerkesztetlen gépi fordításként (MT)”.

Ezzel szemben, amikor Slator informálisan tesztelte a ChatGPT-o1 (2024 decemberében megjelent) fordítási képességét, a modell általában pontos fordításokat produkált, amelyek természetesebbnek és stilisztikailag árnyaltabbnak tűntek. A modell azonban küszködött néhány betűszóval, nem tudta átírni azokat nem latin betűs írásmódokba, és a jobbra-balra orientált írásmódokkal is nehézségei voltak, különösen az írásjelek tekintetében.

Nagy kockázatú szakterületi megfontolások

A mesterséges intelligencia alapú fordítási megoldások mérlegelésekor mindig indokolt a szakterület-specifikus kockázatelemzés. Azok a felhasználók, akik nem beszélik az MI által lefordított/generált nyelvet, nem lesznek képesek megmondani, hogy a végső minőség elfogadható-e az igényeiknek anélkül, hogy szakértő ellenőröket hívnának.

Nem nyelvspecifikus célokra, és a folyamatos fejlesztések ellenére a mesterséges intelligencia hallucinációi (a lekérdezésekre adott hamis válaszok) állandó aggodalomra adnak okot. Nemrég, 2024 októberében az Associated Press (AP) számolt be az OpenAI többnyelvű mesterséges intelligencia-átíró modelljének, a Whispernek a jelentős és gyakori hallucinációiról. Egyes példákban a modell még olyan rasszista vagy erőszakos kommentárokat is hozzáfűzött az átiratokhoz, amelyek a rögzített hangfelvételen nem szerepeltek.

Ez aggodalomra ad okot, mivel az AP cikke szerint a Whisper-alapú eszközt már több egészségügyi intézményben is használták, ami a szolgáltatók és a betegek közötti, pontatlanul rögzített kommunikáció kockázatát hordozza magában.

Az MI-eszközök gyenge teljesítményének kockázata ilyen nagy tétet jelentő felhasználási esetekben rávilágít arra, hogy - ahogyan a Slator felmérésének egyik válaszadója fogalmazott - „az MI-vel és általában a szoftverekkel kapcsolatos vállalati elvárásokat (a költségek csökkentése) össze kell hangolni egy robusztus lokalizációs folyamattal”.

Azzal, hogy elősegítik annak reálisabb megértését, hogy az MI-fordítóeszközök mit tudnak elérni emberi beavatkozás nélkül, a szervezetek hatékonyabban navigálhatnak a fejlődő nyelvtechnológiai környezetben, és megfelelő elvárásokat állíthatnak fel a minőség, a költségek és az átfutási idők tekintetében.

Forrás: slator.com