Translated เปิดตัว Lara 3, แสดงเหตุผลสำหรับ AI การแปลเฉพาะด้าน

การแปลอาจอ่านสวยงามแต่ยังทำให้ผลลัพธ์ผิดพลาดได้ คำศัพท์ของผลิตภัณฑ์อาจเปลี่ยนกลางคู่มือ, ข้อความสนับสนุนอาจสูญเสียบริบท, หรือแคมเปญอาจมาถึงในภาษาต่างประเทศโดยไม่มีเสียงต้นฉบับ นั่นคือปัญหาที่ Translated มุ่งแก้ด้วยการเปิดตัว Lara 3 รุ่นทั่วไปของโมเดล AI การแปลเฉพาะด้านของมัน

ประกาศเมื่อ 7 ตุลาคม การเปิดตัวทำให้ Lara 3 พร้อมให้บริการแก่องค์กร, นักแปลมืออาชีพและผู้ใช้รายบุคคลผ่าน Lara API, TranslationOS และ Lara Translate. มันเป็นการต่อจากการแนะนำให้กับพันธมิตรที่เลือกในเดือนกรกฎาคมและนำระบบการแปลที่มุ่งเน้นเข้าสู่ตลาดที่เต็มไปด้วยโมเดล AI เพื่อการใช้งานทั่วไปมากขึ้น

คำอ้างหลักเป็นเรื่องสำคัญ: ในการประเมินแบบลับของ Translated, นักแปลมืออาชีพให้คะแนน 82% ของการแปลโดย Lara 3 ว่าเป็นที่สมบูรณ์แบบ ไม่ต้องแก้ไข บริษัทรายงานคะแนนที่ต่ำกว่าสำหรับ AI ทั่วไปและเครื่องมือการแปลเฉพาะที่ทดสอบ คำถามที่น่าสนใจกว่าคือการเชี่ยวชาญมีส่วนช่วยอย่างไรเมื่อการแปลกลายเป็นส่วนหนึ่งของกระบวนการผลิตจริง

สิ่งที่เกณฑ์วัดประเมิน

ตามประกาศการเปิดตัว การประเมินครอบคลุมการแปล 16,800 รายการจากภาษาอังกฤษเป็น 21 ภาษาการแปลสำหรับองค์กร โดยรวมเนื้อหา WMT25 ที่ครอบคลุมหนังสือ, ข่าวสารและการสนทนาของผู้ใช้กับเนื้อหาองค์กรที่เป็นกรรมสิทธิ์ในด้านการท่องเที่ยว, เทคโนโลยีและการเงิน

โดยเฉลี่ยจาก 21 คู่ภาษา, Translated รายงานสัดส่วนการแปลที่ได้รับการให้คะแนนสมบูรณ์แบบดังต่อไปนี้:

• Lara 3: 82%
• GPT-5.6 Sol: 69%
• Claude Fable 5: 67%
• DeepL: 57%
• Google Translate: 53%

ประกาศระบุว่า Lara ได้อันดับหนึ่งใน 20 จาก 21 คู่ภาษา โน้ต บันทึกวิธีการประเมินมาตรฐานสาธารณะ ของ Lara อธิบายการตัดสินใจส่วนใหญ่โดยอย่างน้อยสองจากสามนักแปลมืออาชีพ ผลลัพธ์เหล่านี้เป็นการรายงานของบริษัทบนชุดทดสอบที่กำหนดไว้ ไม่ใช่การให้คะแนนความแม่นยำสากลสำหรับทุกภาษา, ด้านหรือเอกสาร

ความแตกต่างนั้นมีความสำคัญ ประสิทธิภาพจากอังกฤษไปยังภาษาปลายทางไม่ได้กำหนดอันดับเดียวกันสำหรับทุกทิศทางของการแปล และคะแนนรวมที่สูงอาจซ่อนความแตกต่างระหว่างภาษา หรือประเภทเนื้อหา สำหรับทีม Localization การทดสอบที่เกี่ยวข้องยังคงเป็นคำศัพท์, วัสดุและมาตรฐานการตรวจสอบของตนเอง

โมเดลที่ฝึกฝนก่อนการใช้งาน

บทนำเชิงเทคนิคของ Lara 3 ของ Translated อธิบายแนวทางการฝึกที่เรียกว่า “การเรียนรู้ด้วยการทำ” การเลียนแบบยังคงเป็นพื้นฐาน แต่โมเดลต่อมาจะฝึกสร้างการแปลทางเลือก ตัวประเมินอัตโนมัติที่ได้รับการสร้างโดยความเชี่ยวชาญของผู้ตรวจสอบมืออาชีพ จะประเมินความพยายามเหล่านั้น และโมเดลจะเสริมการเลือกที่ประสบความสำเร็จพร้อมแก้ไขข้อบกพร่อง

บริษัทกล่าวว่ารอบนี้ทำงานหลายล้านครั้งระหว่างการฝึกพฤติกรรมที่ได้จะถูกฝังไว้ในโมเดลที่ใช้งานแล้ว; ไม่ได้หมายความว่าทุกคำขอของลูกค้าจะทำให้เกิดกระบวนการฝึกใหม่

แนวทางนี้แก้ไขความยากที่คุ้นเคยในการแปล: มีหลายเวอร์ชันของประโยคที่อาจถูกต้อง แต่เพียงบางส่วนที่สอดคล้องกับเนื้อหารอบข้าง การเรียนรู้ที่จะประเมินทางเลือกเหล่านั้นให้เป้าหมายที่แตกต่างจากการคัดลอกคำตอบอ้างอิงเพียงอย่างเดียว

ในประกาศ ผู้ร่วมก่อตั้งและซีอีโอ Marco Trombetti ให้เหตุผลว่าคุณภาพการแปลขึ้นอยู่กับความเข้าใจปัญหาอย่างลึกซึ้ง ความคล่องแคล่วเพียงอย่างเดียวไม่เพียงพอเมื่อวลีที่กำกวม, คำเทคนิคที่ไม่ถูกต้อง หรือสัญญาณวัฒนธรรมที่พลาดทำให้ผู้อ่านเข้าใจเปลี่ยนไป

บริบทเป็นส่วนหนึ่งของกระบวนการทำงาน

การฝึกเป็นเพียงชั้นเดียวเท่านั้น เอกสารสำหรับนักพัฒนา ของ Lara อธิบายว่าระบบใช้บริบทของเอกสารที่เกี่ยวข้องเมื่อแปลประโยคเดี่ยว สำหรับอินพุตที่ยาวกว่า ระบบสามารถแปลประโยคพร้อมกันพร้อมให้ข้อความรอบข้างเป็นข้อมูลเพิ่มเติมสำหรับโมเดล

นักพัฒนายังสามารถให้บริบทภายนอกที่ควรมีอิทธิพลต่อการแปลโดยไม่ต้องแปลตัวบริบทนั้นเอง ตัวอย่างเช่น ชื่อบล็อกอาจมาพร้อมกับเนื้อหาบทความ, หรือข้อความแชทใหม่อาจอ้างอิงการสนทนาก่อนหน้า สิ่งนี้มีประโยชน์เป็นพิเศษเมื่อเครื่องมือการแปลมืออาชีพได้แบ่งเอกสารเป็นส่วนย่อยแล้ว

สำหรับผู้ใช้ระดับองค์กร ความสามารถนี้มีวัตถุประสงค์เชิงปฏิบัติ: ทำให้ส่วนเนื้อหาเล็ก ๆ เชื่อมต่อกับข้อมูลที่ให้ความหมายแก่พวกมัน พจนานุกรมและหน่วยความจำการแปลที่ได้รับการอนุมัติเพิ่มชั้นความสอดคล้องอีกหนึ่งชั้น โดยเฉพาะเมื่อคำศัพท์ของผลิตภัณฑ์เดียวกันปรากฏทั่วเว็บไซต์, เอกสารและการสนับสนุนลูกค้า

จากคะแนนคุณภาพสู่เศรษฐศาสตร์การผลิต

ประกาศยังรายงานเกณฑ์ความเร็วและต้นทุนแยกต่างหาก ในการทดสอบแบบสลับเดียว Translated ระบุว่า Lara 3 มีอัตราการประมวลผลสูงกว่า Claude Fable 5 ถึง 23 เท่าและแปลอักขระได้มากกว่า 3.75 เท่าสำหรับงบประมาณเดียวกัน การเปรียบเทียบเหล่านี้แตกต่างจากการประเมินคุณภาพและควรเข้าใจในบริบทของการทดสอบนั้น

แพลตฟอร์ม แพลตฟอร์ม API ของ Lara ขยายขอบเขตไกลกว่าข้อความธรรมดาไปสู่เนื้อหา HTML และ XLIFF สำหรับการแปลโลคัลไลเซชัน, เอกสาร, รูปภาพและเสียง. หน้าแสดงผลิตภัณฑ์อธิบายว่ามีการสนับสนุนรูปแบบเอกสารกว่า 70 รูปแบบพร้อมการรักษาโครงร่าง, รวมถึงการบูรณาการพจนานุกรมและหน่วยความจำการแปล. การครอบคลุมจะแตกต่างตามประเภทของข้อมูลที่ป้อน, ดังนั้นการสนับสนุนภาษาในข้อความไม่ควรถือว่าใช้ได้เท่ากันกับเสียงหรือรูปภาพ.

Translated ก่อตั้งขึ้นในปี 1999 โดยนักภาษาศาสตร์ Isabelle Andrieu และนักวิทยาศาสตร์คอมพิวเตอร์ Marco Trombetti. ในการเปิดตัวครั้งแรกระบุว่าบริษัทให้บริการลูกค้ามากกว่า 300,000 รายใน 200 ภาษาและกว่า 40 สาขาวิชา. ประวัตินี้ช่วยอธิบายเหตุผลที่ Lara ให้ความสำคัญกับความต้องการที่ไม่โดดเด่นของการแปลโลคัลไลเซชัน: คำศัพท์ที่สอดคล้อง, ความแม่นยำตามบริบทและผลลัพธ์ที่ตรงกับการใช้งานที่ตั้งใจ.

การเปิดให้ใช้ทั่วไปของ Lara 3 ทำให้ข้อโต้แย้งเรื่องความเชี่ยวชาญกลายเป็นการตัดสินใจเลือกผลิตภัณฑ์. การนำเสนอผลการทดสอบเบนช์มาร์คที่เหนือกว่านั้นเป็นเหตุผลให้ต้องตรวจสอบต่อ; การทดสอบที่สำคัญยิ่งกว่าคือว่ามันจะลดงานแก้ไขและการบูรณาการบนเนื้อหาจริงได้หรือไม่. สำหรับทีมที่แปลในระดับใหญ่, การรักษาความหมายอย่างเชื่อถือได้คือสิ่งที่ทำให้โมเดลมีประโยชน์ต่อเนื่องหลังจากประโยคแรกที่น่าประทับใจ.