Data og oplæring

Løbende læring i oversættelse med AI: Adaptiv intelligens

I forbindelse med virksomhedslokalisering bliver statiske oversættelsesmodeller hurtigt forældede. Disse generiske systemer har svært ved at følge med sprogets konstante udvikling, hvilket fører til kvalitetsforringelse, øget efterredigering og i sidste ende et dårligt afkast af investering. Manglende evne til at tilpasse sig virksomhedsspecifik terminologi, stil og kontekst er en væsentlig hindring for at opnå oversættelser af høj kvalitet i stor…

Datacentreret AI inden for oversættelse: Kvalitet frem for kvantitet

I årevis var kapløbet om kunstig intelligens domineret af en modelcentreret filosofi: Byg større, mere komplekse algoritmer. Den fremherskende opfattelse var, at en bedre model var den eneste vej til bedre resultater. Inden for oversættelse førte dette til fokus på massive, generiske datasæt, der er designet til at fodre stadig større modeller. Alligevel var resultaterne ofte utilstrækkelige og producerede oversættelser,…