Метин нови модел ВИ може да преведе говор и текст са скоро 100 језика

Компанија „Мета“ је представила нови модел за превођење „све у једном“ – модел вештачке интелигенције који је успео да направи велики корак напред у „настојању да се створи универзални преводилац“.

Модел, назван „СимлесиМ4Т“ (Seamless – беспрекорно), може да обрађује више врста превода – укључујући текст у говор, говор у текст, говор у говор и текст у текст – на скоро 100 језика. За разлику од других модела, „СимлесМ4Т“ је јединствен систем, за који „Мета“ каже да „смањује грешке и кашњења“ и повећава „ефикасност и квалитет процеса превођења“.

„СимлесМ4Т“ се надовезује на претходни рад „Мете“. У јулу 2022. године, компанија је покренула свој пројекат No Language Left Behind, који користи ВИ за превод текста у текст за 200 језика са нагласком на побољшању превода за ређе или мање коришћене језике.

Данас се у свету говори преко седам хиљада језика. Просечна особа зна најмање два. Највероватније, један од њих је њихов матерњи језик, а други који су учили у школи.

Језик је једна од највећих препрека за разумевање других људи, култура и заједница. И мада бисмо сви волели да имамо вештине полиглота, али пошто не можемо да научимо све језике које свет нуди, окрећемо се технологији.

„СимлесМ4Т“ може да изврши препознавање и превођење говора за скоро 100 улазних на 35 излазних језика, што је ипак корак ближе спајању различитих заједница, а може бити од користи за некога ко жели да научи нови језик или је у новој земљи чији језик не зна.

Модел отвореног кода

Остајући верна свом приступу отвореног кода, „Мета“ је поставила свој модел на HuggingFace, платформу која омогућава програмерима и компанијама да отпреме своје моделе за машинско учење. Модел долази у две контролне тачке различитих величина – „СимлесМ4Т“ – мидиум и „СимлесМ4Т“ – ларџ, што омогућава програмерима и истраживачима да надограде овај рад.

„Мета“ је такође објавила и скуп метаподатака на којима је „СимлесМ4Т“ обучен. Зове се SeamlessAlign, а према наводима компаније, то је „највећи отворени мултимодални скуп података о превођењу до сада, који укупно има 270.000 сати унетог поравнања говора и текста“.

Све ближе универзалном језичком преводиоцу

Као и многе друге велике технолошке компаније, „Мета“ је ове године ставила већи нагласак на развој и израду алата и услуга које покреће вештачка интелигенција. „Мајкрософт“ је у фебруару објавио своју нову Бинг претрагу са вештачком интелигенцијом, која користи исту технологију која покреће OpenAI ChatGPT. „Амазон“ је недавно навео да ће користити генеративну вештачку интелигенцију за анализу и сумирање рецензија купаца.

Као пионир у овој области, Гугл преводилац се углавном користи за превођење чланка или за претварање говора са једног језика на други. Технолошка фирма сада гради Универзални модел говора ( Search Generative Experience) за подршку језицима које говори ограничен број људи и који ће да „преобликује онлајн претрагу“.

Овај модел ВИ би требало да подржи хиљаду језика до нивоа Б2 који ће бити обучен на 12 милиона сати говора и 28 милијарди реченица текста. Ово би такође побољшало и Јутјубов софтвер за аутоматско препознавање говора који се користи за титловање.

Пошто „СимлесМ4Т“ покрива само делић свих светских језика, модел се може сматрати одскочном даском ка универзалном преводиоцу. OpenAI ChatGPT може да разговара на 95 језика. „Гуглов“ Бард може да говори 40 језика. Колико год да је данас брз темпо напретка технологије, посебно у области вештачке интелигенције и генеративног ВИ простора, пред нама је дуг пут у стварању алата који може без напора да преводи на све језике.