Generative AI technology

生成式人工智慧 (AI) 線上研討會重點回顧:它們的時代來臨了嗎?

雖然目前已經有些與生成式 AI 相關的機會存在,但要充分發揮這個技術的潛能,恐怕還得再等幾年

Lionbridge 的產品暨開發團隊主管 Vincent Henderson 表示,生成式 AI (GenAI) 與大型語言模型 (LLM) 已然起飛,其發展勢不可擋。然而,它們的時代「已經」來臨了嗎?

換句話說,我們現在已經能充分掌握與發揮這個技術的效益了嗎?劇透一下:還沒。至少,還沒辦法充分發揮。但目前,我們已經可以運用這個技術,獲得包括大幅節省成本等一些具有商務價值的顯著好處 — 前提是我們要能先改變自己的習慣以及對這個劃時代典範的期望。

Lionbridge 針對生成式 AI 與大型語言模型推出了一系列線上研討會,而 Vincent 也分別在前兩個線上研討會中由淺入深地探討了這個議題。

如果您之前錯過了直播,歡迎自行選擇時間觀看研討會的影片。

想要概略了解研討會的內容?歡迎閱讀部落格文章。

生成式 AI:一路走來的進展

人工智慧 (AI) 的歷史可以追溯到 1800 年代初期,但一直要到變革速度飛快邁步後,這項技術才演進成今日令人振奮的面貌。想想看:AI 在 2020 年代前半段的重大發展次數,早已超過之前所有年代相加的總數。

隨著 GenAI 和 LLM 提供眾多有益開創新局的功能,今日的我們也正面臨重要的轉捩點。

「從 AI 的歷史沿革來看,LLM 和生成式 AI 可說是一次真正的相變 (phase change),因此我們必須要認真看待這個轉折點,否則後果堪慮。」

— Vincent Henderson

GenAI 時代與過往的轉折點有何不同?

想要真切體會 AI 典範的演進以及我們目前的進展,就得先回顧與思考過去的轉折點。

每當機器抵達一個里程碑,像是打敗西洋棋手等,技術人員總是會斷定機器並不是真的會思考,然後一直不斷地提高標準,以更具挑戰性的測試方法要機器展現它的智慧。

目前這個轉折點之所以特別,是因為以往機器得經過訓練才能完成特定的任務,例如偵測金屬薄片上的瑕疵等。但現在,理解語言、解決問題、寫程式碼以及產出具有意義的內容這些能力,已經是機器「普遍」具備的功能。

那麼,GenAI 和 LLM 到底有什麼了不起?

人機介面的本質正在改變,因為這是有史以來第一次,機器沒有經過特地訓練,就能運用推論和解決問題的能力來理解這個世界並執行工作。新的介面不是使用點選按鈕或上傳圖片等作法,而是採用語言、推論以及以語言為基礎的表達方式。

是什麼改變了人類與電腦之間的介面?這個轉折點就是自然語言。具備詮釋和推論能力的電腦,也開啟新的機會大門,可以應用於嶄新的使用案例與功能;憑藉著閱讀與理解語言、推論以及解決問題等能力,電腦將可以從事更加豐富多元的工作。

GenAI 將如何永久改變本地化?

運用 GenAI,本地化團隊將可創造過去無法實現的商業價值

本地化專業人員往往得花很多時間考量許多語言因素。他們會探究內容能否適切地呈現品牌調性,內容的語言品質能否達到預定的品質門檻。他們會花很多精力去解決這些問題,但這些心力往往對業務沒有很顯著的影響。

LLM 的出現,使我們有機會徹底實現價值生成的目標。這項技術如何發揮關鍵作用?隨著 LLM 的功能持續成長,將可應用於處理更多如機械性反覆的核心語言活動,這樣便能釋出更多時間,讓人們有餘力從事價值更高的活動,而這也正是 AI 對全球內容而言的重要價值。

如百花齊放般的 AI 解決方案,不但可為人類的創造力挹注更多能量,同時也會更投入於以下三個領域:

  • 內容構思 (產出來源主題)
  • 內容分析 (了解內容的影響力)
  • 內容適切性 (人們是否能從內容獲得價值)

像創譯這種價值更高的服務,價格會變得更平易近人,也更容易為公司企業所採用。成果呢?GenAI 支援的解決方案最終將可協助品牌推出更能引起消費者共鳴的內容,並在不同國家/地區的消費者心中建立更令人信服與信賴的形象。

GenAI/LLM 將會改變本地化服務的面貌

GenAI/LLM 的興起,會有越來越多的客戶向本地化服務供應商 (LSP) 尋求兩大類服務:LLM 開發支援,以及 LLM 內容製作。

  • LLM 開發支援的工作包括評估 LLM 輸出、抑制偏見,以及規劃有效的提示工程策略。
  • LLM 內容製作的工作則包括使用 LLM 輔助公司製作日後要發佈的內容,相關的服務有:最佳化多語言資產、改善本地化工作流程、支援多語言生成式 AI 的製作與使用,以及從頭重新創作內容等。
其上有 Lionbridge 標誌的處理器

內容製作:LLM 會如何影響本地化工作流程?

既然本地化工作流程永遠都在,我們認為對 LLM 相關服務的需求會大幅增加,以便能進一步自動化與增強這個工作流程。生成式 AI 將有許多機會發揮它的影響力。

從來源內容準備一直到內容審閱,持續演進的 LLM 將可增進本地化工作流程的每一個步驟。

以下是這項技術對本地化工作流程帶來的一些影響:

來源分析期間:LLM 可以執行來源分析,判斷來源內容是否有利於日後有效率地進行本地化。這個步驟自動化的重要性可說是與日俱增,因為有越來越多與產品相關的英文內容,是由非英文母語人士所撰寫,而 LLM 可以簡化這些來源內容,製作出清楚明確、更適合後續進行本地化作業的初期內容。

翻譯期間:與現有的機器翻譯 (MT) 引擎相比,LLM 的成本較高,翻譯速度也不及 MT 引擎,但 LLM 技術仍可能為工作流程中的這個步驟帶來新的機會,因為它能配合不同情境產出不同的譯文,或根據特殊指示進行翻譯。

譯後編修和品管期間:只要叫 LLM 審閱某個現有的 MT 翻譯,您就可以實際看到它在這方面的卓越表現。LLM 可以大幅減少原本需要由人工進行的譯後編修工作負荷;同樣地,您也可以請 LLM 檢查品管報告,並要求它判斷如何處理找出的問題,因為 LLM 可以針對報告列出的項目,判斷它是不成問題、很容易修正,還是必須要由語言專家處理。

GenAI/LLM:目前的進展

譯後編修是 LLM 目前最具前景的應用領域,但這其中有個關鍵。公司必須保持開放心態,願意接受對語言品質的新詮釋,尤其是因為語言品質根本沒有客觀的評量方法。我們做的一個測試,便證實了評估是非常主觀的。

我們請三位專業審閱人員審閱相同文本的 LLM 譯後編修輸出,但三人對譯後編修的品質評價並不一致,沒有共識。一位審閱人員覺得成果是可接受的,另一位則對同一段文字給了明顯偏低的評價。但是在我們的每一個測試案例中,都至少會有一名審閱人員認為品質不錯,這也讓我們得出結論:這些輸出中並沒有什麼嚴重的錯誤,因此目前 LLM 是很值得用來進行部分譯後編修的工具。

如果您能夠接受品質應該根據用途而非語言專家的意見而定,那麼對您而言,LLM 技術已經能用來進行部分譯後編修,協助您大幅降低成本。

使用 LLM 能讓公司企業節省多少錢?

在整個本地化工作流程中妥善運用 LLM,將可大幅改善本地化的成果、投入的心力以及成本。

我們估計 LLM 會對譯後編修流程產生重大的影響,公司企業可望先使用這項技術處理 MT 翻譯的初始內容,然後再由語言專家完成整個譯後編修流程。然而,剛開始時,不是所有的語言組合、產業和主題都能應用 LLM。我們正持續尋找在成果及成本上都具有合理效益的最適切情境。

根據我們的研究,在初始 MT 翻譯之後運用生成式 AI/LLM 進行譯後編修,最高可將本地化成本降低達百分之 25 之多。我們仍在持續針對不同的使用案例和領域,評估這個技術確切的經濟影響,而初步研究結果顯示這個影響會非常明顯。

一個人按下發光的電子介面

未來有何展望?

LLM 不但會是新的常態,也將永遠改變本地化。Lionbridge 正在開發應用程式,希望能充分善用與發揮 LLM 的最大功能,進一步將本地化工作流程自動化。

隨著 GenAI 的持續發展及應用範疇不斷擴展,我們也該留意法規監管環境的演進。

GenAI/LLM 的功能勢必會大幅提升,但監管機關可能會在某種程度上減緩進展速度,以保護使用者的安全,並妥善避開和 AI 有關的實際危險及道德疑慮。

總結:它們的時代來臨了嗎?

生成式 AI 已經能提供具體的商務好處,尤其是在譯後編修工作上的應用。然而,我們還有好長的一段路要走,必須要窮盡一切探索生成式 AI 的所有使用案例,才能充分發揮這項技術的潛能。

其中一個重要的問題,就是如何弭平我們與機器之間的信任鴻溝。我們終究得捫心自問,自己有多信任機器能產出可接受的成果,又有多信任我們對機器的評估。

每一個使用案例,都需要進行評估與測試。我們也將一次針對一種解決方案,持續數月甚至數年進行這些評估。

如要了解有關生成式 AI/LLM 應用於本地化的深入分析,歡迎觀看可隨選即看的線上研討會影片,並前往 Lionbridge 網路研討會頁面查看本系列的其他網路研討會。

與我們聯絡

準備好開始使用 AI 工具來節省成本並提高生產力嗎?歡迎立即與我們聯絡,了解如何達成目標。

請輸入公司電子郵件
勾選以下的方塊,就代表您同意收到我們的行銷電子郵件。您將會收到來自 Lionbridge 語言服務領域的領導思維、最佳實務做法以及市場趨勢的相關資訊。

如要取消訂閱,以及了解我們如何處理您的個人資料,請參閱我們的隱私權政策

linkedin sharing button

作者
Janette Mandell
  • #consumer_packaged_goods
  • #webinar
  • #ai
  • #generative-ai
  • #blog_posts
  • #automotive
  • #industrial_manufacturing
  • #technology
  • #retail
  • #content_creation
  • #translation_localization
  • #travel_hospitality