Comments 8
Я использую переводчики при чтении контента на иностранном языке. Я же не буду на каждую незнакомую фразу описывать задание для ИИ. Так что переводчики, которые позволяют переводить в один клик тут гораздо удобнее. И качество перевода у deepl в таком применении возможно будет лучше.
Спасибо за ваш комментарий и развернутое мнение!)
По-моему, и гугловский, и яндексовский переводчики, и даже DeepL уже полгода как списаны в утиль и представляют исключительно исторический интерес.
Конечно, тут можно много перебирать все "за" и "против" перевода с помощью GPT. Цель нашей статьи - обсудить именно движки перевода и технологии, с помощью которых они переводят. Для нас, как для других переводчиков, работающих в cat-системах со встроенными в них движками перевода, это актуально.
Согласитесь, если бы МП ушел в прошлое, компании не вкладывали бы в их развитие миллионы долларов. К тому же, практически все МП сейчас содержат нейронку, тот же DeepL. Нейронка + другие виды машинного перевода в сочетании дают неплохие результаты, для совершенствования которых компаниям остаётся только одно - заниматься обучением системы ( а может и не только этим))). Возможно, такими темпами мы когда-нибудь приблизимся к идеальному переводу без помощи человека.
Хочется упомянуть тут коллег по цеху и отправить ссылку на их публикацию с тестированием: https://t.me/bitvamachine/156
Лайфхаки в вашей публикации тоже можно использовать, почему бы и нет))) они подходят для людей, готовых работать с промтами и описывать задания, а не для тех, кому нужно решить проблему здесь и сейчас и просто закинуть информацию в переводчик.
Не приходилось ли вам сталкиваться с галлюцинациями нейросетей при переводе (упущение сегментов текста или, наоборот, "творческие" вставки)? Всё же классические движки МТ им подвержены в меньшей степени.
"дать нейросетке возможность уточнить область поиска слов" - в этом направлении сейчас продвинулись, кстати, ModernMT, они же Translated. У них можно довкидывать контекст и домен, чтобы шлифовать перевод прямо в интерфейсе.
Машинный перевод нейросетками: несколько приёмов чтобы улучшить качество