De race naar de grootste dataset in AI-vertaling heeft een punt van afnemend rendement bereikt. De initiële ontwikkeling van ‘machine learning’ was gericht op het verzamelen van zoveel mogelijk tweetalige tekst van het open web. De verschuiving naar ‘Large Language Models’ (LLM’s) zoals Lara heeft echter een cruciale realiteit aan het licht gebracht. Volume is niet langer de primaire onderscheidende…

Jarenlang werd de race in kunstmatige intelligentie gedomineerd door een modelgerichte filosofie: bouw grotere, complexere algoritmen. De heersende overtuiging was dat een beter model de enige weg was naar betere resultaten. Op het gebied van vertaling leidde dit tot een focus op enorme, generieke datasets die zijn ontworpen om steeds grotere modellen te voeden. Toch vielen de resultaten vaak tegen…

Bij bedrijfslokalisatie raken statische vertaalmodellen snel verouderd. Deze algemene systemen hebben moeite om de steeds veranderende aard van taal bij te houden, wat leidt tot kwaliteitsvermindering, meer post-editing en uiteindelijk een slecht rendement op investering. Het onvermogen om zich aan te passen aan bedrijfsspecifieke terminologie, stijl en context is een belangrijke belemmering voor het bereiken van hoogwaardige vertalingen op schaal.…