Translated, ein führender Anbieter von KI-gestützten Sprachlösungen, kündigt die Einführung von ModernMT Version 7 an – ein bedeutendes Upgrade seines adaptiven, maschinellen Übersetzungssystems (MT). Die aktuelle Version verfügt über eine neuartige Technologie namens Trust Attention. Diese ist inspiriert von der Fähigkeit des menschlichen Gehirns, Informationen aus vertrauenswürdigen Quellen zu priorisieren. Auf diese Weise wird eine Verbesserung der Übersetzungsqualität um bis zu 42 % erreicht (siehe beigefügte Grafik). Diese Innovation setzt einen neuen Standard in der Branche und löst sich von herkömmlichen MT-Systemen. Jene traditionellen Systeme werden nämlich durch ihre Unfähigkeit behindert, beim Training zwischen vertrauenswürdigen Daten und minderwertigem Material zu unterscheiden.
Diese Pressemitteilung enthält multimediale Inhalte. Die vollständige Mitteilung hier ansehen: https://www.businesswire.com/news/home/20230727931377/de/
Percentage of cases where the new model is more accurate than the previous one. Consensus-based evaluation by 3 professional linguists. (Graphic: Business Wire)
ModernMT verwendet jetzt ein einzigartiges Gewichtungssystem, um bevorzugt von qualitativ hochwertigen, qualifizierten Daten (d. h. von Übersetzungen, die von professionellen Übersetzern angefertigt und überprüft wurden) und nicht von ungeprüften Inhalten aus dem Web zu lernen. Wie bereits bei der Einführung der Adaptivität ließ sich Translated auch bei der Entwicklung dieser neuen Technologie vom menschlichen Gehirn inspirieren. Genau wie Menschen mehrere Informationsquellen durchforsten, um die vertrauenswürdigsten und zuverlässigsten zu identifizieren, erkennt auch ModernMT V7 auf ähnliche Weise die wertvollsten Trainingsdaten und priorisiert das Lernen auf dieser Grundlage.
„Die Fähigkeit von ModernMT, hochwertigere Daten zu priorisieren, um das Modell zu verbessern, ist der bedeutendste Fortschritt in der maschinellen Übersetzung seit der Einführung der dynamischen Adaptivität vor fünf Jahren.“, kommentiert Marco Trombetti, CEO von Translated. „Diese spannende Innovation eröffnet Unternehmen völlig neue Möglichkeiten, MT zu nutzen und damit ihr globales Kundenerlebnis auf die nächste Stufe zu heben. Zudem hilft sie Übersetzern dabei, ihre Produktivität und ihren Umsatz zu steigern.“
Dieser neue Ansatz ist ein bedeutender Fortschritt für alle Unternehmen, die bei der Übersetzung großer Inhalte mehr Genauigkeit anstreben oder eine MT-Engine mit hoher Anpassungsfähigkeit verwenden möchten. Auch für Übersetzer, die MT in ihren Arbeitsablauf integrieren, ist dies zukunftsweisend.
Derzeit wird viel über die Anwendung von Large Language Models (LLM) in der Übersetzung diskutiert. Während die traditionelle maschinelle Übersetzung die Genauigkeit über den Lesefluss stellt, legen LLMs tendenziell mehr Wert auf den Lesefluss. Dies kann manchmal aufgrund von sogenannten „Halluzinationen“ zu irreführenden Ergebnissen führen. So etwas kommt zustande, wenn die Ergebnisse nicht den Eingaben entsprechen, die das Modell aus den Trainingsdaten gelernt hat. Wir sind überzeugt, dass Trust Attention von Translated die Genauigkeit von generativen Modellen verbessern kann, indem sie das Auftreten solcher Fehler reduziert. Dies könnte die nächste Ära der maschinellen Übersetzung auf den Weg bringen.
Sämtliche Kunden von Translated werden von der verbesserten Qualität des neuen MT-Modells profitieren und damit auch von kürzeren Bearbeitungszeiten ihrer Projekte. Übersetzern, die mit Translated arbeiten, steht dieses leistungsstarke Modell im Rahmen von Matecat zur Verfügung: dem kostenlosen, webbasierten, KI-gestützten CAT-Tool von Translated. Übersetzer, die ein offiziell unterstütztes CAT-Tool (Matecat, memoQ und Trados) mit aktiver ModernMT-Lizenz nutzen, profitieren ebenfalls von dieser leistungsstarken Neuerung.
Ab heute ersetzt ModernMT V7 seinen Vorgänger V6. Es ist per API für alle 200 von ModernMT unterstützten Sprachen zur gleichen Preisstruktur verfügbar. Wir laden Neukunden ein, die neueste Version von ModernMT unter modernmt.com zu testen.
Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20230727931377/de/