Prečo veríme v LLM namiesto DeepL pre náš prekladačský plugin pre WordPress

Robbert Vermeulen

Robbert Vermeulen

· 13 min read

V hitro spreminjajočem se področju strojnega prevajanja so veliki jezikovni modeli (LLM) postali močna orodja, ki pogosto prekašajo tradicionalne prevajalske storitve. V EPIC WP smo se odločili izkoristiti LLM za naš vtičnik za razširitev AI samodejnega prevajanja za Polylang, ker verjamemo, da ponujajo boljše rezultate v primerjavi s storitvami, kot je DeepL. Ta članek raziskuje razloge za našo odločitev in prednosti, ki jih LLM prinašajo v prevajalski proces.

Kratek pregled LLM in tradicionalnih prevajalskih storitev

Veliki jezikovni modeli so sistemi umetne inteligence, usposobljeni na ogromnih količinah besedilnih podatkov v več jezikih in področjih. Uporabljajo tehnike globokega učenja, zlasti transformatorske arhitekture, za razumevanje in generiranje besedila podobnega človeškemu. Po drugi strani pa tradicionalne prevajalske storitve, kot je DeepL, običajno uporabljajo bolj specializirane modele nevronskega strojnega prevajanja (NMT), osredotočene posebej na prevajalsko nalogo.

Ključne prednosti LLM pri prevajanju

  1. Razumevanje konteksta: LLM-ji imajo globlje razumevanje konteksta in nians v jeziku. Bolje razumejo idiomatske izraze, kulturne reference in subtilne pomene, ki bi se lahko izgubili v dobesednih prevodih.
  2. Večjezične zmogljivosti: Številni LLM-ji so usposobljeni na podatkov iz številnih jezikov hkrati, kar jim omogoča dobro delo pri širokem spektru jezikovnih parov, ne da bi potrebovali ločene modele za vsak par.
  3. Prilagodljivost na področje: LLM-ji se lahko lažje prilagodijo različnim področjem in slogom besedila kot specializirani prevajalski modeli, kar jih naredi vsestranske za različne vrste vsebine.
  4. Reševanje dvoumnosti: Z njihovim širšim razumevanjem jezika so LLM-ji pogosto boljši pri reševanju dvoumnosti v izvirnem besedilu, kar vodi do natančnejših prevodov.
  5. Doslednost v dolgotrajnih vsebinah: LLM-ji lahko ohranjajo doslednost v terminologiji in slogu preko daljših delov besedila, kar je bistveno za dokumente, kot so raziskovalni članki ali literarna dela.
  6. Kreativnost v prevajanju: Pri obravnavanju kreativnih ali literarnih besedil lahko LLM-ji pogosto zagotovijo bolj naravne in tekoče prevode, ki zajamejo bistvo izvirnega besedila.

Moč pogovornega spodbujanja in sistemskih pozivov

Eden od najbolj prepričljivih razlogov, zakaj verjamemo v LLM-je nad tradicionalnimi prevajalskimi storitvami, kot je DeepL, je zmožnost uporabe pogovornega spodbujanja in sistemskih pozivov. Ta funkcija je prelomna na področju prevajanja, zlasti za spletne strani z industrijsko specifično vsebino.

Prilagajanje prevodov specifičnim industrijam

Z LLM-ji lahko učinkovito ‚programiramo‘ prevajalca, da postane strokovnjak na področju spletnih strani naših strank. To se doseže skozi skrbno oblikovane sistemske pozive in pogovorni kontekst. Tukaj je, zakaj je to pomembno:

  1. Industrijsko specifična terminologija: LLM lahko usmerimo, da uporablja besednjak in žargon, specifičen za določeno industrijo, kar zagotavlja, da so prevodi ne samo jezikovno pravilni, temveč tudi strokovno natančni.
  2. Kontekstualne nianse: Z zagotavljanjem konteksta o industriji ali področju v sistemskem pozivu lahko LLM bolje razume in prenese subtilne nianse, ki bi se v splošnem prevodu izgubile.
  3. Prilagoditev tona in sloga: LLM lahko usmerimo k sprejetju ustreznega tona in sloga za določeno industrijo, bodisi formalno za pravne vsebine, tehnično za inženirske spletne strani ali sproščeno za življenjske bloge.
  4. Dosleden glas blagovne znamke: Pri poslovnih spletnih straneh lahko LLM usmerimo, da ohranja dosleden glas blagovne znamke preko vseh prevedenih vsebin, s čimer se ohrani edinstven komunikacijski slog podjetja.
  5. Obravnavanje specializirane vsebine: Ne glede na to ali je to medicinska terminologija, tehnične specifikacije ali kreativna marketinška kopija, lahko LLM spodbudimo, da ustrezno obravnava te specializirane vrste vsebine.

Fleksibilnost in prilagoditev

Tovrstnih prilagoditev preprosto ni mogoče doseči s tradicionalnimi prevajalskimi storitvami, kot je DeepL. S našo AI razširitvijo za samodejno prevajanje za Polylang lahko lastniki spletnih strani izkoristijo prevode, ki so ne samo jezikovno natančni, temveč tudi:

  • Kontekstualno primerni za njihovo specifično industrijo
  • Usmerjeni v skladu z glasom blagovne znamke in komunikacijskim slogom
  • Sposobni obravnavati specializirano ali tehnično vsebino
  • Prilagodljivi različnim delom spletne strani (npr. formalno za pravne strani, zanimivo za blog objave)

Z uporabo moči pogovornega spodbujanja in sistemskih pozivov smo sposobni zagotoviti prevajalsko rešitev, ki presega zgolj dobesedno prevajanje. Namesto tega ponuja prefinjeno, na kontekst zavedajočo se prevajalsko storitev, ki lahko resnično zajame namenjen pomen in ton izvirne vsebine, ne glede na industrijo ali področje.

Primerjalni primeri: DeepL proti OpenAI LLM

Za ponazoritev prednosti LLM v prevajanju si oglejmo tri primere, kjer LLM na osnovi OpenAI (kot se uporablja v naši razširitvi za samodejno prevajanje AI za Polylang) prekaša DeepL zaradi boljšega razumevanja konteksta in obvladanja niansiranega jezika.

Primer 1: Razumevanje konteksta in kolokvialnega jezika

Ta primer prihaja z nizozemske spletne strani, ki prodaja festivalske izdelke. Opis izdelka uporablja kolokvialni jezik in kulturne reference, ki zahtevajo niansirano razumevanje za učinkovito prevajanje.

Izvirnik (Nizozemščina): „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.“

DeepL prevod: „Prekaljeni obiskovalec festivala bo to prepoznal. Jamranje pri baru, da dobiš zamašek za svojo stekleničko. Tudi tihotapljenje celotnega arzenala zamaškov je zdaj preteklost z PartyDopom! Ta modri univerzalni zamašek ustreza vsem stekleničkam vode, prodanim na festivalih.“

Prevod OpenAI LLM: „Prekaljeni obiskovalec festivala to dobro pozna: težave z miljenjem zamaška za steklenico pri baru. Tihotapljenje celotnega arzenala zamaškov je stvar preteklosti s PartyDopom! Ta modri univerzalni zamašek ustreza vsem stekleničkam vode, prodanim na festivalih.“

Analiza: Medtem ko sta oba prevoda na splošno točna, prevod OpenAI LLM prikazuje boljše razumevanje konteksta in kolokvialnega jezika:

  1. „Obiskovalec festivala“ proti „festival visitor“: LLM izbere bolj naraven izraz v angleščini.
  2. „To dobro pozna“ bolje zajame implicirano poznavanje kot „prepoznal“.
  3. „Težava z miljenjem“ učinkoviteje prenaša frustracijo implicirano v „Lekker zeuren“ kot „Jamranje“.

Ta primer kaže, kako LLM bolje zajame ton in implicirane pomene v izvirnem besedilu, kar proizvaja prevod, ki je bolj naraven in privlačen za ciljno občinstvo.

Primer 2: Literarni prevod in kulturne nianse

Ta primer je odstavek iz znane kitajske zgodbe, ki zahteva ne le jezikovno natančnost, temveč tudi razumevanje kulturnega konteksta in literarnega sloga.

Izvirnik (Kitajščina): 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。

DeepL prevod (angleščina): „Od dvanajstega leta starosti delam kot natakar v hotelu Xian Heng na vhodu v mesto. Trgovec je rekel, da sem preveč neumen, da bi postregel dolgim srajcem strankam, zato sem moral narediti nekaj dela zunaj. Kratkosrajčaste stranke zunaj so bile lahko pregovorne, vendar so bile tudi številne stranke, ki so se nenehno pritoževale in nerazumljivo govorile. Pogosto so morali gledati, kako se rumeno vino zajema iz altarja, videti, kako to poteka, nato pa vse vrste očitkov: barva vina je pretemna, je staro vino; barva vina je preveč svetla, je voda; popijejo požirek, pekoče grlo, kje je dobro vino? … Že dolgo sem vedel, da besedam takšnih strank ni mogoče popolnoma zaupati, a kdo jih je vprašal, da so stranke? Stranke imajo seveda svobodo govora. Obstaja samo ena vrsta strank, imenovana Kong Yi Ji, ki vedno ostane v kotu pulta, in je vredna le kratkosrajčastih strank zunaj.“

Prevod OpenAI LLM (angleščina): „Odkar sem bil star dvanajst, delam kot služabnik v gostilni Xianheng pri vhodu v mesto. Trgovec je rekel, da sem videti preveč neumen in morda ne bom mogel pravilno postreči dolgoplaščenim strankam, zato me je dal delati zunaj. Čeprav so bile kratkoplaščene stranke zunaj lažje za pogovor, jih je bilo kljub temu kar nekaj, ki so bile nenehno sitne in se niso znali jasno izraziti. Pogosto so vztrajali gledati, kako se rumeno vino zajema iz vrča, skrbno spremljali, kako je to storjeno, nato pa se pritoževali na različne načine: vino je pretemno, je staro vino; vino je preveč svetlo, je razredčeno; po požirku, peče grlo – kako je to lahko dobro vino? … Že zdavnaj sem vedel, da ne bi smel popolnoma zaupati besedam takšnih strank, ampak ker so bile stranke, so seveda lahko govorile svobodno. Obstajala je le ena vrsta strank, imenovana Kong Yiji, ki je vedno skrivala v kotu pulta in je bila resnično vredna kratkoplaščenih strank zunaj.“

Analiza: Prevodi LLM prikazujejo boljše razumevanje kulturnega konteksta in literarnega sloga:

  1. „Gostilna Xianheng“ proti „hotel Xian Heng“: LLM pravilno prepozna, da gre za gostilno, ne moderen hotel, ohranja zgodovinski kontekst.
  2. „Dolgoplaščeni kupci“ proti „dolgoplaščenim strankam“: Izbira LLM bolje nakazuje družbeni status, ki ga oblačilo implicira.
  3. „Zajemajo iz vrča“ proti „skrbno spremljali“: LLM natančneje opisuje dejanje brez zmede, ki jo povzroča napačni prevod „坛子“ (vrč) kot „altar“.
  4. „Razredčeno“ proti „voda“: LLM uporablja bolj naraven angleški izraz za prenos pomena.
  5. Na splošno ima LLM prevod bolj koheziven narativni tok, ki literarni slog izvirnega besedila zajame bolje kot prevod DeepL-ja.

Ta primer prikazuje, kako lahko LLM obvladuje kompleksna literarna besedila, pri čemer ohranja ne samo dobesedni pomen, ampak tudi ton, kulturne nianse in narativni slog izvirnega dela.

Primer 3: Tehnični žargon in idiomatski izrazi

Ta primer prikazuje opis izdelka za izmišljen programski pripomoček, ki združuje tehnično terminologijo z idiomatskimi izrazi in ustvarjalnim jezikom.

Izvirnik (angleščina): „TechWizPro ni običajni pomočnik za kodiranje. Je prelomna sprememba, ki ubije dve muhi na en mah – poveča produktivnost, medtem ko zatira napake kot nihče drug. Naš napovedovalec sintakse, ki ga poganja AI, je tako pameten, da te bo naredil, da se boš počutil, kot da ti bere misli! Reci zbogom sitnim sej poslušanja in pozdravljen brezhibnemu izvajanju kode. S svojimi algoritmi, ki jih navdihuje kvantna fizika, TechWizPro ne razmišlja samo zunaj škatle – popolnoma jo razbije. Ne glede na to, ali si novinec pri kodiranju ali prekaljeni profesionalec, bo to orodje tvoje skrivno orožje v digitalni oboroževalni tekmi. Ne pusti, da tvoji projekti postanejo bik v trgovini s porcelanom – pusti, da ti TechWizPro kot rodeo klovn za kodiranje, drži te divje napake v zalivu!“

DeepL prevod (španščina): „TechWizPro ni tipični programerski asistent. Je sprememba igre, ki ubije dve ptici z enim kamnom – povečanje produktivnosti, hkrati pa zdrobi napake kot nihče. Naš AI-pogon napovedovalec sintakse je tako pameten, da te bo naredil, da se boš počutil, kot da ti bere misli. Reci zbogom sešam odpravljanja napak, zaradi katerih si trgal lase, in dobrodošel mehkim kot svila razporedom kode. S svojimi algoritmi, ki jih navdihuje kvantna fizika, TechWizPro ne samo da razmišlja zunaj škatle, ampak jo popolnoma uniči. Ne glede na to, ali si začetnik kodiranja ali izkušen profesionalec, bo to orodje tvoje skrivno orožje v digitalni oboroževalni dirki. Ne dovoli, da tvoji projekti postanejo bik v trgovini s porcelanom: pusti, da ti TechWizPro kot rodeo klovn za kodiranje zadrži te divje bolečine v zalivu!“

Prevod OpenAI LLM (španščina): „TechWizPro ni tvoj običajni pomočnik za kodiranje. Je prelomna sprememba, ki ubije dve ptici z enim kamnom: poveča produktivnost medtem ko odpravi napake kot nihče. Naš napovedovalec sintakse, ki ga poganja AI, je tako pameten, da te bo prepričal, da ti bere misli. Reci zbogom frustrirajočim sešnim odpravljanja napak in pozdravljen brezhibnim izvajanjem kode! S svojimi algoritmi, navdihnjenimi z kvantno računalništvom, TechWizPro ne razmišlja le izven škatle, temveč jo popolnoma razbije! Ne glede na to, ali si začetnik v programiranju ali izkušen profesionalec, bo to orodje tvoje skrivno orožje v digitalni dirki. Ne pusti, da tvoji projekti postanejo bik v trgovini s porcelanom: pusti, da ti TechWizPro kot rodeo klovn za kodiranje, drži te divje napake v zalivu.“

Analiza: Oba prevoda sta na splošno točna, vendar prevod LLM prikazuje nekaj subtilnih izboljšav pri obravnavi idiomatskih izrazov in ohranjanju celotnega tona:

  1. „Nietypisch“: LLM-jeva „común y corriente“ bolje zajame idiom kot bolj dobesedni DeepL-ov „típico.“
  2. „Odpravi napake“: LLM-jeva „elimina errores“ je bolj naravna kot dobesedna DeepL-ova „aplasta errores.“
  3. „Frustrirajoče seje odpravljanja napak“: LLM izraža frustracijo z „sesiones de depuración frustrantes,“ medtem ko je DeepL-ova „sesiones de depuración que te tiran de los pelos“ bolj dobesedna.
  4. „Brezhibna izvajanja kode“: LLM-jeva „implementaciones de código sin problemas“ izraža pomen bolj naravno kot dobesedni DeepL-ov „despliegues de código suaves como la seda.“
  5. „Algoritmi navdihnjeni s kvantno računalništvom“: LLM-jeva „algoritmos inspirados en la computación cuántica“ je bolj natančna kot DeepL-ova „algoritmos de inspiración cuántica.“
  6. Doslednost v neformalnem tonu: LLM ohranja dosleden neformalen ton (uporaba „tu“ oblike), medtem ko DeepL preklaplja med formalnim in neformalnim („tu“ in „usted“).
  7. „Bik v trgovini s porcelanom“: Oba prevoda dobro prilagodita ta idiom, toda LLM-jeva „trgovini s porcelanom“ je bolj pogosto uporabljana kot DeepL-ova „cacharrería.“

Ta primer prikazuje, kako LLM prevod zagotavlja bolj niansirano obravnavo idiomatskih izrazov in ohranjevanje bolj konzistentnega tona, medtem ko prikazuje rahlo prednost v prevajanju tehnične terminologije. Razlike so subtilne, vendar polegajo bolj naravno slišati in privlačnejši prevod, ki bolje zajame duh izvirnega besedila.

Izzivi in razmisleki

Medtem ko LLM-ji ponujajo pomembne prednosti, obstajajo nekateri izzivi, ki jih je treba upoštevati:

  1. Računalniški viri: LLM-ji zahtevajo znatno računalniško moč, kar jih lahko naredi manj praktične za naloge prevajanja v realnem času v primerjavi z lažjimi modeli.
  2. Omejitve žetonov: LLM-ji imajo pogosto najvišje število žetonov, ki jih lahko obdelajo naenkrat, kar je lahko omejitev pri prevajanju zelo dolgih dokumentov.
  3. Hitra: Prevajanja s pomočjo LLM običajno trajajo dlje v primerjavi s storitvami za specializirano prevajanje. Kljub temu verjamemo, da je ta kompromis vreden za izboljšano kakovost in kontekstualno natančnost prevodov.

Zaključek

Čeprav so tradicionalne prevajalske storitve, kot je DeepL, naredile pomembne korake v strojnem prevajanju, verjamemo, da veliki jezikovni modeli ponujajo superioren pristop zaradi njihovega razumevanja konteksta, večjezične zmogljivosti in prilagodljivosti. Kljub izzivom, kot so računalniške zahteve in hitrost obdelave, kakovost prevodov, ki jih proizvajajo LLM, pogosto upravičuje te kompromise.

Zmožnost uporabe pogovornega spodbujanja in sistemskih pozivov postavlja LLM na drugo raven na področju prevajanja. Z omogočanjem prilagajanja postopka prevajanja določenim industrijam in kontekstom LLM-ji ponujajo raven prilagoditve in natančnosti, ki je tradicionalne storitve preprosto ne morejo doseči.

Naši primerjalni primeri prikazujejo, kako LLM-ji prenašajo kolokvialni jezik, ohranjajo kulturne nianse v literarnih besedilih in se spopadajo s kompleksnostmi tehničnega žargona, pomešanega z idiomatskimi izrazi. Te zmožnosti privedejo do prevodov, ki niso zgolj jezikovno natančni, temveč tudi kulturno primerni in kontekstualno bogati.

Z uporabo LLM-jev v našem AI vtičniku za samodejno prevajanje za Polylang, želi zagotoviti uporabnikom WordPress-a prevode, ki ne le prenesejo dobesedni pomen besedila, temveč zajamejo njegove nianse, stil in kulturni kontekst. Ker se tehnologija LLM hitro napreduje, smo navdušeni nad prihodnjimi možnostmi in ostajamo zavezani izkoriščanju teh napredkov za zagotavljanje najboljših prevajalskih rešitev za uporabnike Polylang.

V vse bolj povezano svet, kjer je učinkovita komunikacija preko jezikovnih ovir bolj ključna kot kdajkoli prej, verjamemo, da bodo orodja za prevajanje, pogonjena z jezikovnimi modeli (LLM), igrala ključno vlogo pri spodbujanju razumevanja in sodelovanja na globalni ravni. Z izbiro LLM-jev namesto tradicionalnih prevajalskih storitev ne sledimo le tehnološkemu napredku – aktivno oblikujemo prihodnost večjezične vsebine na spletu.

Robbert Vermeulen

Robbert Vermeulen

Founder of EPIC WP Solutions

View all posts →