在2024年6月的SlatorCon Remote活動(dòng)中，Phrase的首席執(zhí)行官Georg Ell博士與首席產(chǎn)品官Simone Bohnenberger-Rich博士共同向與會(huì)者深入介紹了在本地化語言質(zhì)量評(píng)估（LQA）領(lǐng)域，人工智能自動(dòng)化所帶來的顯著成果。他們?cè)敿?xì)回答了關(guān)于如何將人工智能有效集成至各類產(chǎn)品，以及通過自動(dòng)化能夠?qū)崿F(xiàn)的具體優(yōu)勢(shì)等問題。
為了深入探討這一主題，Slator向Ell博士詢問了Phrase在幫助客戶應(yīng)對(duì)內(nèi)容生成和本地化方面，尤其是在大規(guī)模操作中的變化時(shí)所采取的策略。
Ell博士解釋說，目前，內(nèi)容生成方式的演變以及人工智能在推動(dòng)這些變化中所起的作用，已經(jīng)引起了人們的廣泛關(guān)注。他特別指出，這些變化包括在互聯(lián)網(wǎng)上實(shí)時(shí)傳輸?shù)暮Ａ繑?shù)據(jù)，以及為每個(gè)用戶定制的高度個(gè)性化內(nèi)容。據(jù)他估計(jì)，大約有20%的本地化客戶已經(jīng)開始采用自動(dòng)化技術(shù)，這是因?yàn)樗麄兤惹行枰獞?yīng)對(duì)不斷增長(zhǎng)的內(nèi)容量，并最終實(shí)現(xiàn)超自動(dòng)化。
在談到大規(guī)模內(nèi)容處理時(shí)，Bohnenberger-Rich博士提到，當(dāng)前關(guān)于人工智能的炒作正在改變?nèi)藗儗?duì)本地化成本的預(yù)期，使得人們期望能夠以更低的成本完成更多的工作。她警告說：“有時(shí)，我們會(huì)看到本地化團(tuán)隊(duì)的預(yù)算被削減，因?yàn)樗麄冨e(cuò)誤地認(rèn)為生成式人工智能會(huì)自然而然地降低成本。這就是我所說的‘盲目熱情’?！?
她進(jìn)一步指出，團(tuán)隊(duì)最終會(huì)認(rèn)識(shí)到，要實(shí)現(xiàn)真正的自動(dòng)化、降低成本并有效解決實(shí)際問題，僅僅依靠生成式人工智能和大型語言模型（LLM）是不夠的。
Phrase的首席產(chǎn)品官闡釋了公司如何“基于工作流組件和高級(jí)分析組件的功能，來實(shí)施大型語言模型和人工智能，從而創(chuàng)造最大的價(jià)值。這將為用戶提供大量關(guān)于他們能做什么以及何時(shí)進(jìn)行操作的智能信息。”
針對(duì)本地化過程中質(zhì)量保證（QA）環(huán)節(jié)的復(fù)雜性，Bohnenberger-Rich博士還詳細(xì)介紹了Phrase在QA方面的關(guān)鍵創(chuàng)新，這些創(chuàng)新有助于簡(jiǎn)化流程并減少不必要的人工干預(yù)。
她強(qiáng)調(diào)，要改變決定人工干預(yù)QA的方式，就需要從對(duì)主題或語言對(duì)難度的主觀假設(shè)，轉(zhuǎn)變?yōu)閷?duì)質(zhì)量水平的自動(dòng)化和系統(tǒng)化評(píng)估。她解釋說，Phrase的質(zhì)量性能評(píng)分（Phrase QPS）正是能夠完成這一任務(wù)的重要工具之一。
此外，她還談到了確保自動(dòng)化QA流程在不同規(guī)模上都能保持一致性表現(xiàn)的重要性。她解釋說，自動(dòng)化這樣一個(gè)高度主觀的過程，需要通過嚴(yán)格的一致性來消除主觀性。同時(shí)，產(chǎn)品還需要透明地展示低質(zhì)量和高質(zhì)量的標(biāo)準(zhǔn)，以便客戶能夠理解人工智能做出特定決策的原因。
在談到語言服務(wù)提供商（LSP）的機(jī)遇時(shí)，Ell博士指出，翻譯公司可以通過實(shí)施自動(dòng)化來增加收入，并幫助客戶實(shí)現(xiàn)更多內(nèi)容的本地化。他認(rèn)為，LSP可以作為技術(shù)合作伙伴，因?yàn)樵S多買家在決定人工智能本地化自動(dòng)化的方向時(shí)缺乏必要的知識(shí)。
Ell博士強(qiáng)調(diào)，需要將語言行業(yè)視為一個(gè)生態(tài)系統(tǒng)的一部分，例如Phrase這樣的語言技術(shù)公司。在這個(gè)生態(tài)系統(tǒng)中，LSP所擁有的數(shù)據(jù)和專家資源可以幫助改進(jìn)LLM。他認(rèn)為，“將這兩者結(jié)合在一起是解鎖大型語言模型價(jià)值的關(guān)鍵，因?yàn)槟阈枰獙⑺鼈兌ㄖ频教囟ǖ挠美??！?
他還補(bǔ)充說，在處理大量數(shù)據(jù)時(shí)，某些商業(yè)模式將需要進(jìn)行調(diào)整，以適應(yīng)在更短時(shí)間內(nèi)完成更多工作的需求，包括確定何時(shí)進(jìn)行人工干預(yù)以進(jìn)行質(zhì)量檢查。同時(shí)，他表示，LSP將有多種方式來實(shí)現(xiàn)這些變革。
最后，在談到順序QA循環(huán)的終結(jié)時(shí)，Bohnenberger-Rich博士解釋了如何在眾多不同的QA循環(huán)中實(shí)現(xiàn)多個(gè)QA類別的自動(dòng)化。她提到，在利用高質(zhì)量翻譯記憶庫等資源來訓(xùn)練和微調(diào)LLM時(shí)，人們已經(jīng)認(rèn)識(shí)到，某些QA類別是可以信賴地實(shí)現(xiàn)適當(dāng)自動(dòng)化的，但這完全取決于具體的用例。
她補(bǔ)充說，在考慮到每個(gè)用例的具體需求時(shí)，QA過程的部分環(huán)節(jié)將實(shí)現(xiàn)不同程度的自動(dòng)化。她將這一過程描述為從用例出發(fā)——即需要解決的問題——然后反向工作，以在流程中分配自動(dòng)化步驟。
她總結(jié)道：“客戶可以根據(jù)他們的用例和需求，來決定他們希望在速度、可擴(kuò)展性和自動(dòng)化方面取得多大的進(jìn)展，以及他們更傾向于為哪種類型的資產(chǎn)設(shè)置異常循環(huán)。”
在Phrase，團(tuán)隊(duì)已經(jīng)認(rèn)真考慮了客戶反饋，并對(duì)QPS模型進(jìn)行了微調(diào)，Ell博士補(bǔ)充道。在他看來，理想情況下——也許就在不久的將來——一個(gè)自動(dòng)化的QA系統(tǒng)將能夠?yàn)榭蛻籼峁└嗟倪x擇權(quán)，使他們能夠根據(jù)具體的用例和內(nèi)容類型來選擇更加嚴(yán)格或更加靈活的QA方式。
化如何加速語言質(zhì)量評(píng)估 | &pic=http://m.epga.cn/wp-content/uploads/2024/08/20240819080426.jpg&ralateUid=5788774445&language=zh_cn){kind=link}
化如何加速語言質(zhì)量評(píng)估&summary=在2024年6月的SlatorCon Remote活動(dòng)中，Phrase的首席執(zhí)行官Georg Ell博士與首席產(chǎn)品官Simone Bohnenberger-Rich博士共同向與會(huì)者深入介紹了在本地化語言質(zhì)量評(píng)估（LQA）領(lǐng)域，人工智能自動(dòng)化所帶來的顯著成果。他們?cè)敿?xì)回答了關(guān)于如何將人工智能有效集成至各類產(chǎn)品，以及通過自動(dòng)化能夠?qū)崿F(xiàn)的具體優(yōu)勢(shì)等問題。 為了深入探討這一主題，Slator向Ell博士詢問了Phrase在幫助客戶應(yīng)對(duì)內(nèi)容生成和本地化方面，尤其是在大規(guī)模操作中的變化時(shí)所采取的策略。 Ell博士解釋說，目前，內(nèi)容生成方式的演變以及人工智能在推動(dòng)這些變化中所起的作用，已經(jīng)引起了人們的廣泛關(guān)注。他特別指出，這些變化包括在互聯(lián)網(wǎng)上實(shí)時(shí)傳輸?shù)暮Ａ繑?shù)據(jù)，以及為每個(gè)用戶定制的高度個(gè)性化內(nèi)容。據(jù)他估計(jì)，大約有20%的本地化客戶已經(jīng)開始采用自動(dòng)化技術(shù)，這是因?yàn)樗麄兤惹行枰獞?yīng)對(duì)不斷增長(zhǎng)的內(nèi)容量，并最終實(shí)現(xiàn)超自動(dòng)化。 在談到大規(guī)模內(nèi)容處理時(shí)，Bohnenberger-Rich博士提到，當(dāng)前關(guān)于人工智能的炒作正在改變?nèi)藗儗?duì)本地化成本的預(yù)期，使得人們期望能夠以更低的成本完成更多的工作。她警告說：“有時(shí)，我們會(huì)看到本地化團(tuán)隊(duì)的預(yù)算被削減，因?yàn)樗麄冨e(cuò)誤地認(rèn)為生成式人工智能會(huì)自然而然地降低成本。這就是我所說的‘盲目熱情’。” 她進(jìn)一步指出，團(tuán)隊(duì)最終會(huì)認(rèn)識(shí)到，要實(shí)現(xiàn)真正的自動(dòng)化、降低成本并有效解決實(shí)際問題，僅僅依靠生成式人工智能和大型語言模型（LLM）是不夠的。 Phrase的首席產(chǎn)品官闡釋了公司如何“基于工作流組件和高級(jí)分析組件的功能，來實(shí)施大型語言模型和人工智能，從而創(chuàng)造最大的價(jià)值。這將為用戶提供大量關(guān)于他們能做什么以及何時(shí)進(jìn)行操作的智能信息?！?針對(duì)本地化過程中質(zhì)量保證（QA）環(huán)節(jié)的復(fù)雜性，Bohnenberger-Rich博士還詳細(xì)介紹了Phrase在QA方面的關(guān)鍵創(chuàng)新，這些創(chuàng)新有助于簡(jiǎn)化流程并減少不必要的人工干預(yù)。 她強(qiáng)調(diào)，要改變決定人工干預(yù)QA的方式，就需要從對(duì)主題或語言對(duì)難度的主觀假設(shè)，轉(zhuǎn)變?yōu)閷?duì)質(zhì)量水平的自動(dòng)化和系統(tǒng)化評(píng)估。她解釋說，Phrase的質(zhì)量性能評(píng)分（Phrase QPS）正是能夠完成這一任務(wù)的重要工具之一。 此外，她還談到了確保自動(dòng)化QA流程在不同規(guī)模上都能保持一致性表現(xiàn)的重要性。她解釋說，自動(dòng)化這樣一個(gè)高度主觀的過程，需要通過嚴(yán)格的一致性來消除主觀性。同時(shí)，產(chǎn)品還需要透明地展示低質(zhì)量和高質(zhì)量的標(biāo)準(zhǔn)，以便客戶能夠理解人工智能做出特定決策的原因。 在談到語言服務(wù)提供商（LSP）的機(jī)遇時(shí)，Ell博士指出，翻譯公司可以通過實(shí)施自動(dòng)化來增加收入，并幫助客戶實(shí)現(xiàn)更多內(nèi)容的本地化。他認(rèn)為，LSP可以作為技術(shù)合作伙伴，因?yàn)樵S多買家在決定人工智能本地化自動(dòng)化的方向時(shí)缺乏必要的知識(shí)。 Ell博士強(qiáng)調(diào)，需要將語言行業(yè)視為一個(gè)生態(tài)系統(tǒng)的一部分，例如Phrase這樣的語言技術(shù)公司。在這個(gè)生態(tài)系統(tǒng)中，LSP所擁有的數(shù)據(jù)和專家資源可以幫助改進(jìn)LLM。他認(rèn)為，“將這兩者結(jié)合在一起是解鎖大型語言模型價(jià)值的關(guān)鍵，因?yàn)槟阈枰獙⑺鼈兌ㄖ频教囟ǖ挠美?。?他還補(bǔ)充說，在處理大量數(shù)據(jù)時(shí)，某些商業(yè)模式將需要進(jìn)行調(diào)整，以適應(yīng)在更短時(shí)間內(nèi)完成更多工作的需求，包括確定何時(shí)進(jìn)行人工干預(yù)以進(jìn)行質(zhì)量檢查。同時(shí)，他表示，LSP將有多種方式來實(shí)現(xiàn)這些變革。 最后，在談到順序QA循環(huán)的終結(jié)時(shí)，Bohnenberger-Rich博士解釋了如何在眾多不同的QA循環(huán)中實(shí)現(xiàn)多個(gè)QA類別的自動(dòng)化。她提到，在利用高質(zhì)量翻譯記憶庫等資源來訓(xùn)練和微調(diào)LLM時(shí)，人們已經(jīng)認(rèn)識(shí)到，某些QA類別是可以信賴地實(shí)現(xiàn)適當(dāng)自動(dòng)化的，但這完全取決于具體的用例。 她補(bǔ)充說，在考慮到每個(gè)用例的具體需求時(shí)，QA過程的部分環(huán)節(jié)將實(shí)現(xiàn)不同程度的自動(dòng)化。她將這一過程描述為從用例出發(fā)——即需要解決的問題——然后反向工作，以在流程中分配自動(dòng)化步驟。 她總結(jié)道：“客戶可以根據(jù)他們的用例和需求，來決定他們希望在速度、可擴(kuò)展性和自動(dòng)化方面取得多大的進(jìn)展，以及他們更傾向于為哪種類型的資產(chǎn)設(shè)置異常循環(huán)。” 在Phrase，團(tuán)隊(duì)已經(jīng)認(rèn)真考慮了客戶反饋，并對(duì)QPS模型進(jìn)行了微調(diào)，Ell博士補(bǔ)充道。在他看來，理想情況下——也許就在不久的將來——一個(gè)自動(dòng)化的QA系統(tǒng)將能夠?yàn)榭蛻籼峁└嗟倪x擇權(quán)，使他們能夠根據(jù)具體的用例和內(nèi)容類型來選擇更加嚴(yán)格或更加靈活的QA方式。&url=https%3A%2F%2Fm.epga.cn%2Farchives%2F35007.html&pics=http://m.epga.cn/wp-content/uploads/2024/08/20240819080426.jpg){kind=link}