@didleth to tłumaczenie opiera się na modelu LLM… to nie soft w którym zmienisz po prostu ze ma inaczej działać… muszą przygotować datasset, lub go zmienić… potem wrzucić w trenowanie na pewnie tygodnie i dopiero przetestować… po testach dopiero wrzucić. Raczej miesiące :/ @tomek
O tym @InfZakladowy pisał niedawno na FB. Inna sprawa, że muszą mieć mechanizm jakieś ręcznej interwencji w momencie gdy jakieś tłumaczenie będzie rażąco niepoprawne (formalnie czy politycznie).
@rdrozd@piotrsikora@tomek@InfZakladowy u nich notorycznie jest. Pielęgniarza tłumaczą jako siostrę-pielęgniarkę, bo wiadomo, że facet nie nadaje się do opieki nad chorymi, a polityczkę czy programistkę jako polityka czy programistę, bo wiadomo, że baby nie powinny się pchać do polityki czy programowania…tak czy inaczej zgłosiłam i mam nadzieję, że to dopracują - lepiej późno niż wcale…
@didleth ogólnie na szybko to dosłownie robi się przez jakiś middleware, albo modyfikując prompt-a… ale tam za dużo nie można pakować, bo raz że context window ma ograniczenia, a dwa że w pewnym momencie można wpaść w generowanie jakiś halucynacji i będą się pojawiały słowa których w ogóle nie powinno być :)
rozmawiałam (tzn. w komentarzach na masto ;)) na ten temat z jedną z dziennikarek, która zajmuje się LLM - zwróciła uwagę, że to może być kwestia korzystania z pośrednictwa j. angielskiego - tj. najpierw tłumaczy z polskiego na angielski - który jest "neutralny", a dopiero z ang. na niemiecki. Jeśli by tak było - to chyba łatwo można by to naprawić nie traktując angielskiego jak świętej krowy i nie pakując go tam, gdzie zupełnie nie pasuje...
@didleth@piotrsikora@rdrozd@tomek@InfZakladowy myślę że tak jest, bo problem z zachowaniem rodzaju jest nawet przy tłumaczeniu pomiędzy np. polskim a czeskim
od razu mówię że tak nie jest. LLM się szkoli przez labeling i używa się jego kawałka. Zawsze tłumaczy 1:1 i pełnymi tekstami (nawet nie zdaniami) aby „rozumiał” cały kontekst.
@marta_szczecin nie wiem czego do tlumazenia uzywasz, ale np. taki deepl.com (z tego co wiemy) byl tlumaczony w kazdej konfiguracji dostepnych jezykow w UE (byl szkolony na dokumentach unijnych).
@piotrsikora@didleth@rdrozd@tomek@InfZakladowy używałam DeepLa właśnie, (bezpłatnej wersji) do tłumaczenia swojej korespondencji z czeskim sklepem internetowym. Onże DeepL z uporem godnym lepszej sprawy zmieniał mi wszystkie końcówki na rodzaj męski. Skoro tłumaczenie nie idzie przez angielski, to jak myślisz gdzie się ten rodzaj gubi? Dokumentacja unijna używa tylko r.m. i dlatego model nie zna r.ż.?
@piotrsikora@didleth@rdrozd@tomek@InfZakladowy Trzymając się tej pary językowej chętnie poznałabym opinię osoby ze znajomością czeskiego na temat jakości tego tłumaczenia w innych aspektach. Zaskoczyło mnie, że trudność dotyczy tak prostego zdawałoby się zadania jak zachowanie rodzaju.
@marta_szczecin dla Ciebie tak bo jestes czlowiekiem, ale pamiętaj że to co teraz nazywamy "sztuczna inteligencja" nie ma z nia nic wspolnego ;)
Tak naprawdę technicznie to LLM-y to są systemy predykcyjne (+ swietny kompresor).
Wiec on dostaje jakis zbior slow (ktore wewnatrz sa tokenami w formie tokenow) i na podstawie tego co jest juz podane i generowane generuje dalej nowe tokeny ;)
Cala magia tej "sztucznej intelegencji" ;)
Choc fakt faktem... jest to na tyle dobre ze sprawia zalaczki tego ze potrafi to jakos "myslec" ;)
Add comment