Perché Crediamo negli LLM rispetto a DeepL per il nostro Plugin di Traduzione WordPress

Robbert Vermeulen

Robbert Vermeulen

· 14 min di lettura

Nel campo in rapida evoluzione della traduzione automatica, i modelli linguistici di grandi dimensioni (LLM) sono emersi come strumenti potenti che spesso superano i servizi di traduzione tradizionali. Presso EPIC WP, abbiamo scelto di sfruttare gli LLM per il nostro plugin di estensione di traduzione automatica AI per Polylang, credendo che offrano risultati superiori rispetto a servizi come DeepL. Questo articolo esplora le ragioni dietro la nostra decisione e i vantaggi che gli LLM apportano al processo di traduzione.

Breve panoramica degli LLM e dei servizi di traduzione tradizionali

I modelli linguistici di grandi dimensioni sono sistemi di intelligenza artificiale addestrati su vaste quantità di dati testuali in più lingue e domini. Utilizzano tecniche di apprendimento profondo, in particolare architetture transformer, per comprendere e generare testo simile a quello umano. D’altra parte, i servizi di traduzione tradizionali come DeepL tipicamente utilizzano modelli di traduzione automatica neurale (NMT) più specializzati focalizzati specificamente sul compito della traduzione.

Vantaggi chiave degli LLM nella traduzione

  1. Comprensione contestuale: Gli LLM hanno una comprensione più profonda del contesto e delle sfumature nel linguaggio. Possono cogliere meglio le espressioni idiomatiche, i riferimenti culturali e i significati sottili che possono essere persi nelle traduzioni letterali.
  2. Capacità multilingue: Molti LLM sono addestrati su dati provenienti da numerose lingue contemporaneamente, permettendo loro di performare bene su un’ampia gamma di coppie linguistiche senza richiedere modelli separati per ogni coppia.
  3. Adattabilità ai domini: Gli LLM possono adattarsi a vari domini e stili di testo più facilmente rispetto ai modelli di traduzione specializzati, rendendoli versatili per diversi tipi di contenuto.
  4. Gestione dell’ambiguità: Con la loro più ampia comprensione del linguaggio, gli LLM sono spesso migliori nel risolvere ambiguità nel testo sorgente, portando a traduzioni più accurate.
  5. Coerenza nei contenuti lunghi: Gli LLM possono mantenere la coerenza nella terminologia e nello stile su testi più lunghi, cosa cruciale per documenti come articoli di ricerca o opere letterarie.
  6. Creatività nella traduzione: Quando si tratta di testi creativi o letterari, gli LLM possono spesso fornire traduzioni più naturali e fluide che catturano l’essenza del testo originale.

Il potere dei suggerimenti conversazionali e dei prompt di sistema

Una delle ragioni più convincenti per cui crediamo negli LLM rispetto ai servizi di traduzione tradizionali come DeepL è la possibilità di utilizzare suggerimenti conversazionali e prompt di sistema. Questa caratteristica è un punto di svolta nel campo della traduzione, soprattutto per i siti web con contenuti specifici del settore.

Personalizzare le traduzioni per settori specifici

Con gli LLM, possiamo effettivamente “programmare” il traduttore per diventare esperto nel campo dei siti web dei nostri clienti. Questo è realizzato attraverso prompt di sistema e contesti conversazionali attentamente elaborati. Ecco perché questo è importante:

  1. Terminologia specifica del settore: Possiamo istruire l’LLM a utilizzare il vocabolario e il gergo specifico di un particolare settore, garantendo che le traduzioni non siano solo linguisticamente corrette, ma anche professionalmente accurate.
  2. Sfumature contestuali: Fornendo contesto sul settore o sul campo nel prompt di sistema, l’LLM può comprendere e trasmettere meglio le sfumature sottili che potrebbero perdersi in una traduzione generale.
  3. Adattamento del tono e dello stile: Possiamo guidare l’LLM ad adottare il tono e lo stile appropriati per un determinato settore, che sia formale per contenuti legali, tecnico per siti web di ingegneria, o informale per blog di lifestyle.
  4. Coerenza della voce del brand: Per i siti web aziendali, possiamo istruire l’LLM a mantenere una voce del brand coerente in tutto il contenuto tradotto, preservando lo stile di comunicazione unico dell’azienda.
  5. Gestione dei contenuti specializzati: Che si tratti di terminologia medica, specifiche tecniche, o copy creativo di marketing, l’LLM può essere indotto a gestire adeguatamente questi tipi di contenuti specializzati.

Flessibilità e personalizzazione

Questo livello di personalizzazione è semplicemente impossibile con i servizi di traduzione tradizionali come DeepL. Con la nostra estensione di traduzione automatica AI per Polylang, i proprietari di siti web possono beneficiare di traduzioni che non sono solo linguisticamente accurate, ma anche:

  • Contestualmente appropriate per il loro specifico settore
  • Allineate con la voce del brand e lo stile di comunicazione
  • Capaci di gestire contenuti specializzati o tecnici
  • Adattabili alle diverse sezioni di un sito web (es. formali per pagine legali, coinvolgenti per post di blog)

Sfruttando il potere dei suggerimenti conversazionali e dei prompt di sistema, siamo in grado di fornire una soluzione di traduzione che va oltre la semplice traduzione parola per parola. Invece, offre un servizio di traduzione sofisticato e consapevole del contesto in grado di catturare veramente il significato e il tono previsti del contenuto originale, indipendentemente dall’industria o dal campo.

Esempi comparativi: DeepL vs. LLM basati su OpenAI

Per illustrare i vantaggi degli LLM nella traduzione, esaminiamo tre esempi in cui un LLM basato su OpenAI (come usato nella nostra estensione di traduzione automatica AI per Polylang) supera DeepL grazie alla sua superiore comprensione contestuale e alla gestione del linguaggio sfumato.

Esempio 1: Comprensione contestuale e linguaggio colloquiale

Questo esempio proviene da un sito web olandese che vende prodotti per festival. La descrizione del prodotto utilizza un linguaggio colloquiale e riferimenti culturali che richiedono una comprensione sfumata per essere tradotti efficacemente.

Originale (Olandese): “De doorgewinterde festival bezoeker herkent het wel. Lekker zeuren bij de bar om een dopje voor je flesje te scoren. Ook een heel arsenaal aan dopjes smokkelen is met de PartyDop verleden tijd! Deze blauwe universele dop past op alle waterflesjes die op festivals worden verkocht.”

Traduzione DeepL: “Il visitatore esperto di festival lo riconoscerà. Lamentarsi al bar per ottenere un tappo per la tua bottiglia. Contrabbandare un intero arsenale di tappi è anche una cosa del passato con il PartyDop! Questo tappo blu universale si adatta a tutte le bottiglie d’acqua vendute nei festival.”

Traduzione OpenAI LLM: “Il frequentatore di festival esperto lo conosce bene: la seccatura di implorare un tappo per la tua bottiglia al bar. Contrabbandare un intero arsenale di tappi è cosa del passato con il PartyCap! Questo tappo universale blu si adatta a tutte le bottiglie d’acqua vendute nei festival.”

Analisi: Mentre entrambe le traduzioni sono generalmente accurate, la traduzione OpenAI LLM mostra una migliore comprensione del contesto e del linguaggio colloquiale:

  1. “Frequentatore di festival” vs. “visitatore di festival”: L’LLM sceglie un termine più naturale in inglese.
  2. “Conosce bene” cattura meglio la familiarità implicita rispetto a “riconoscerà”.
  3. “La seccatura di implorare” esprime la frustrazione implicita in “Lekker zeuren” più efficacemente di “Lamentarsi”.

Questo esempio dimostra come l’LLM catturi meglio il tono e i significati impliciti nel testo originale, producendo una traduzione che risulta più naturale e coinvolgente per il pubblico di destinazione.

Esempio 2: Traduzione letteraria e sfumature culturali

Questo esempio è un paragrafo di una famosa storia cinese, che richiede non solo accuratezza linguistica ma anche una comprensione del contesto culturale e dello stile letterario.

Originale (Cinese): 我从十二岁起,便在镇口的咸亨酒店里当伙计,掌柜说,样子太傻,怕侍候不了长衫主顾,就在外面做点事罢。外面的短衫主顾,虽然容易说话,但唠唠叨叨缠夹不清的也很不少。他们往往要亲眼看着黄酒从坛子里舀出,看还如何舀法,然后各种指摘:酒色太深,是旧酒;酒色太浅,是水酒;喝了一口,烧喉咙,哪里是好酒?……我早就知道这种顾客的话不足深信,但谁叫他们是顾客呢?顾客自然可以随意饶舌。只有一种顾客,叫作孔乙己的,总是匿在柜台的角落里,才是值得只配外面的短衫主顾的。

Traduzione DeepL (Inglese): “Since I was twelve years old, I have been working as a waiter in the Xian Heng Hotel at the entrance of the town. The shopkeeper said that I was too stupid to serve the long-shirted customers, so I had to do some work outside. The short-shirted customers outside were easy to talk to, but there were also many nagging and pestering customers. They often have to watch the yellow wine from the altar scooped out, see how to scoop method, and then all kinds of accusations: wine colour is too dark, is the old wine; wine colour is too light, is the water wine; drink a mouthful, burning throat, where is the good wine? …… I have long known that this kind of customer’s words are not convinced, but who asked them to be customers? Customers are naturally free to speak their minds. There is only one kind of customer, the one called Kong Yi Ji, who always stays in the corner of the counter, and is worthy of the short-shirted patrons who are only worthy of the outside.”

Traduzione OpenAI LLM (Inglese): “Since I was twelve, I have worked as a servant at the Xianheng Tavern by the town’s entrance. The shopkeeper said I looked too foolish and might not be able to serve the long-robed customers properly, so he had me work outside instead. Although the short-robed customers outside were easier to talk to, there were still quite a few who were incessantly picky and unclear in their demands. They often insisted on watching the yellow wine being ladled from the jar, scrutinizing how it was done, and then complaining in various ways: the wine is too dark, it’s old wine; the wine is too light, it’s watered down; after a sip, it burns the throat—how can this be good wine? … I knew long ago that such customers’ words were not to be fully trusted, but since they were customers, they were naturally allowed to speak freely. There was only one type of customer, named Kong Yiji, who always hid in the corner of the counter, and was truly only worthy of being with the short-robed customers outside.”

Analisi: La traduzione LLM dimostra una comprensione superiore del contesto culturale e dello stile letterario:

  1. “Xianheng Tavern” vs. “Xian Heng Hotel”: L’LLM identifica correttamente che si tratta di una taverna, non di un hotel moderno, preservando il contesto storico.
  2. “Long-robed customers” vs. “long-shirted customers”: La scelta dell’LLM trasmette meglio lo status sociale implicato dall’abbigliamento.
  3. “Ladled from the jar” vs. “scooped out from the altar”: L’LLM descrive accuratamente l’azione senza la confusione introdotta dalla traduzione errata di “坛子” (barattolo) come “altar”.
  4. “Watered down” vs. “water wine”: L’LLM usa un’espressione inglese più naturale per trasmettere il significato.
  5. Nel complesso, la traduzione dell’LLM ha un flusso narrativo più coeso, catturando lo stile letterario del testo originale meglio della versione DeepL.

Questo esempio dimostra come l’LLM possa gestire testi letterari complessi, preservando non solo il significato letterale ma anche il tono, le sfumature culturali e lo stile narrativo dell’opera originale.

Esempio 3: Gergo tecnico ed espressioni idiomatiche

Questo esempio presenta una descrizione del prodotto per uno strumento software fittizio, che combina terminologia tecnica con espressioni idiomatiche e linguaggio creativo.

Originale (Inglese): “TechWizPro is not your run-of-the-mill coding assistant. It’s a game-changer that kills two birds with one stone – boosting productivity while squashing bugs like nobody’s business. Our AI-powered syntax predictor is so smart, it’ll make you feel like it’s reading your mind! Say goodbye to hair-pulling debugging sessions and hello to silky-smooth code deployments. With its quantum-inspired algorithms, TechWizPro doesn’t just think outside the box – it shatters the box entirely. Whether you’re a coding newbie or a seasoned pro, this tool will be your secret weapon in the digital arms race. Don’t let your projects become a bull in a china shop – let TechWizPro be your coding rodeo clown, keeping those wild bugs at bay!”

Traduzione DeepL (Spagnolo): “TechWizPro no es el típico asistente de programación. Es un cambio de juego que mata dos pájaros de un tiro – aumentar la productividad mientras aplasta errores como nadie. Nuestro predictor de sintaxis basado en IA es tan inteligente que te hará sentir como si leyera tu mente. Despídete de las sesiones de depuración que te tiran de los pelos y da la bienvenida a despliegues de código suaves como la seda. Con sus algoritmos de inspiración cuántica, TechWizPro no sólo piensa fuera de la caja, sino que la rompe por completo. Tanto si eres un novato en codificación como un profesional experimentado, esta herramienta será tu arma secreta en la carrera armamentística digital. No deje que sus proyectos se conviertan en un toro en una cacharrería: ¡deje que TechWizPro sea su payaso de rodeo de codificación, manteniendo a raya a esos bichos salvajes!”

Traduzione OpenAI LLM (Spagnolo): “TechWizPro no es tu asistente de codificación común y corriente. Es un cambio de juego que mata dos pájaros de un tiro: aumenta la productividad mientras elimina errores como nadie. Nuestro predictor de sintaxis impulsado por IA es tan inteligente que te hará sentir como si leyera tu mente. ¡Di adiós a las sesiones de depuración frustrantes y hola a implementaciones de código sin problemas! Con sus algoritmos inspirados en la computación cuántica, TechWizPro no solo piensa fuera de la caja, ¡la destruye por completo! Ya seas un principiante en programación o un profesional experimentado, esta herramienta será tu arma secreta en la carrera digital. No dejes que tus proyectos se conviertan en un toro en una tienda de porcelana: deja que TechWizPro sea tu payaso de rodeo de codificación, manteniendo a raya esos errores salvajes.”

Analisi: Entrambe le traduzioni sono generalmente accurate, ma la traduzione LLM mostra alcuni sottili miglioramenti nella gestione delle espressioni idiomatiche e nel mantenimento del tono complessivo:

  1. “Run-of-the-mill”: L’LLM con “común y corriente” cattura meglio l’idioma rispetto al più letterale “típico” di DeepL.
  2. “Squashing bugs”: L’LLM con “elimina errores” è più naturale rispetto al letterale “aplasta errores” di DeepL.
  3. “Hair-pulling debugging sessions”: L’LLM trasmette la frustrazione con “sesiones de depuración frustrantes,” mentre il “sesiones de depuración que te tiran de los pelos” di DeepL è più letterale.
  4. “Silky-smooth code deployments”: L’LLM con “implementaciones de código sin problemas” trasmette il significato più naturalmente rispetto al letterale “despliegues de código suaves como la seda” di DeepL.
  5. “Quantum-inspired algorithms”: L’LLM con “algoritmos inspirados en la computación cuántica” è più preciso rispetto al “algoritmos de inspiración cuántica” di DeepL.
  6. Coerenza nel tono informale: L’LLM mantiene un tono informale coerente (usando la forma “tu”), mentre DeepL passa tra formale e informale (“tu” e “usted”).
  7. “Bull in a china shop”: Entrambe le traduzioni adattano bene questo idioma, ma “tienda de porcelana” dell’LLM è più comunemente usato rispetto a “cacharrería” di DeepL.

Questo esempio dimostra come la traduzione LLM fornisca una gestione più sfumata delle espressioni idiomatiche e mantenga un tono più coerente, mostrando anche un leggero vantaggio nella traduzione della terminologia tecnica. Le differenze sono sottili, ma si sommano a una traduzione più naturale e coinvolgente che cattura meglio lo spirito del testo originale.

Sfide e considerazioni

Mentre gli LLM offrono vantaggi significativi, ci sono alcune sfide da considerare:

  1. Risorse computazionali: Gli LLM richiedono una potenza di calcolo significativa, il che può renderli meno pratici per compiti di traduzione in tempo reale rispetto a modelli più leggeri.
  2. Limiti di token: Gli LLM hanno spesso un numero massimo di token che possono elaborare in una volta, il che può essere un limite quando si traducono documenti molto lunghi.
  3. Velocità: Le traduzioni utilizzando gli LLM tipicamente impiegano più tempo rispetto ai servizi di traduzione specializzati. Tuttavia, riteniamo che questo compromesso valga la pena per migliorare la qualità e l’accuratezza contestuale delle traduzioni.

Conclusione

Mentre i servizi di traduzione tradizionali come DeepL hanno fatto passi significativi nella traduzione automatica, crediamo che i modelli linguistici di grandi dimensioni offrano un approccio superiore grazie alla loro comprensione contestuale, capacità multilinguistiche e adattabilità. Nonostante le sfide come i requisiti computazionali e la velocità di elaborazione, la qualità delle traduzioni prodotte dagli LLM spesso giustifica questi compromessi.

La capacità di utilizzare suggerimenti conversazionali e prompt di sistema distingue gli LLM nel campo della traduzione. Permettendoci di personalizzare il processo di traduzione per settori e contesti specifici, gli LLM offrono un livello di personalizzazione e accuratezza che i servizi tradizionali semplicemente non possono eguagliare.

I nostri esempi comparativi dimostrano come gli LLM eccellano nella gestione del linguaggio colloquiale, nel preservare le sfumature culturali nei testi letterari e nel navigare nelle complessità del gergo tecnico mischiato con espressioni idiomatiche. Queste capacità portano a traduzioni che non sono solo linguisticamente accurate, ma anche culturalmente appropriate e ricche di contesto.

Sfruttando gli LLM nella nostra estensione di traduzione automatica AI per Polylang, miriamo a fornire agli utenti di WordPress traduzioni che non solo trasmettono il significato letterale del testo, ma catturano anche le sue sfumature, stile e contesto culturale. Con il rapido avanzare della tecnologia degli LLM, siamo entusiasti delle possibilità future e rimaniamo impegnati a sfruttare questi progressi per fornire le migliori soluzioni di traduzione possibili per gli utenti di Polylang.

In un mondo sempre più interconnesso, dove la comunicazione efficace oltre le barriere linguistiche è più cruciale che mai, crediamo che gli strumenti di traduzione potenziati da LLM giocheranno un ruolo fondamentale nel favorire la comprensione e la collaborazione su scala globale. Scegliendo gli LLM rispetto ai servizi di traduzione tradizionali, non stiamo solo tenendo il passo con i progressi tecnologici – stiamo attivamente plasmando il futuro dei contenuti multilingue sul web.

Robbert Vermeulen

Robbert Vermeulen

Founder of EPIC WP Solutions

Vedi tutti gli articoli →