ورشة عمل هندسة الذكاء الاصطناعي من Smartcat
أصبح الآن من الأسهل من أي وقت مضى تحسين Smartcat لتحسين الجودة والإنتاجية باستخدام مجموعة متنوعة من أدوات الذكاء الاصطناعي التوليدية المضمنة مباشرة في المنصة.
في هذه الجلسة التفاعلية العملية، سيقوم فريق منتجات Smartcat بما يلي:
➡️ تعرف على إمكانيات Gen AI الأساسية المتوفرة الآن في منصة Smartcat AI
➡️ تعرف على التفاصيل الدقيقة لتحسين Smartcat في سيناريوهات مختلفة
➡️ قم بإجابة الأسئلة وتقديم إرشادات مفصلة لمساعدتك على استخدام أدوات الذكاء الاصطناعي هذه مع المحتوى الخاص بك
تعرف على كيفية تمكن مؤسستك من تطبيق Smartcat AI
ندوة عبر الإنترنت أسئلة وأجوبة
س: هل هذا متاح فقط مع خطة اشتراك Unite؟
أ: أقترح عليك الاتصال بجهة اتصال نجاح العملاء لديك والاستفسار عن اشتراكك.
س: إذا كنت ترغب في ترجمة ملف XLIFF، فهل يعد استخدام موجه الذكاء الاصطناعي قيمة مضافة؟ أم يجب علينا الالتزام بالنموذج الحالي؟
ج: يمكن أن يكون ذلك بمثابة قيمة مضافة كما أوضح آندي إذا كنت تريد إنشاء بعض المصطلحات أو الأنماط المحددة للغاية. سنعرض لك ما يمكن فعله أيضًا في لحظة.
س: هل هناك قائمة بالمجالات المتاحة؟
أ: تغطي برامج الماجستير في القانون معظم المجالات. يتم تدريبهم باستخدام مليارات الوثائق.
س: هل سيكون من الممكن في مرحلة ما ربط موجه المفردات بقواميس محددة بدلاً من جميع القواميس المتوفرة في مشروع معين؟ هدفي هو تقليل الإيجابيات الخاطئة عن طريق مطالبة النموذج باستخدام مسرد محدد ولكن مع الاحتفاظ بقوائم المصطلحات المرجعية في المحرر ليتمكن الناشرون من التحقق من المصطلحات الأخرى، مثل المصطلحات متعددة المعاني، والمصطلحات العامة، والمرادفات، وما إلى ذلك، والتي لا أريد أن يستخدمها النموذج للترجمة في جميع الحالات.
أ: سؤال جيد. في هذا الوقت، نستخدم قواميس المصطلحات المرتبطة بالمشروع. قد يكون أحد الخيارات في حالتك هو ضبط المحرك باستخدام بياناتك. ولكن يمكننا استكشاف اقتراحك.
س: هل هناك أي قيود على مدة المطالبة في حالة أردت أن أكون محددًا للغاية من حيث الأسلوب والمصطلحات والعبارات القياسية وما إلى ذلك؟
ج: من الناحية الفنية لا، ولكن هذا قد يؤدي إلى إبطاء عملية الترجمة. إذا كنت تريد التأثير على الناتج العام، فقد يكون ضبط المحرك بشكل دقيق هو الحل الأفضل.
س: هل يمكننا إضافة نصوص موازية كمراجع، حتى يختار الذكاء الاصطناعي الأسلوب منها؟
ج: يمكنك ضبط المحرك بحيث يمكنك توفير أزواج الجمل كمرجع وسيحاول المحرك مطابقة أسلوبك.
س: عندما نقوم بتشغيل الترجمة باستخدام موجه/LLM، هل يتم استخدام عدد الكلمات الموجودة في اشتراكنا؟ أو كيف يعمل ذلك؟
ج: نعم، الكلمات التي تم إنشاؤها باستخدام موجه LLM سوف تستهلك الكلمات الذكية.
س: هل يمكنك توضيح أهمية استخدام الأقواس المتعرجة؟ هل هذه مصطلحات النظام التي ستعمل فقط إذا قمت بكتابة الكلمة بالضبط كما هو موضح؟
ج: كما شارك جان لوك، لدينا مكتبة صغيرة من المطالبات التي تم تكوينها مسبقًا، والتي يمكنك العثور عليها على الجانب الأيمن من واجهة مستخدم إنشاء المطالبات.
س: في الوقت الحالي، في مشاريعنا، لا يعمل الإعداد المسبق لـ GPT مع المطالبات بالنسبة للسلاسل التي تحتوي على علامات (علامات صفراء للعلامات، كلما كان هناك تنسيق في المصدر). في هذه الحالات، يتم إرجاع الإعداد المسبق تلقائيًا إلى جهاز ترجمة آخر. هل تعرف حلاً بديلاً وكيف يعمل الإعداد المسبق لـ GPT على السلاسل التي تحتوي على علامات أيضًا؟
ج: كما شارك جان لوك، دعنا نلقي نظرة على بعض الأمثلة المحددة للعلامات، ونرى ما إذا كان بإمكاننا تحسين المطالبة بتجاهل العلامات في السلاسل
س: هل يعمل الأمر بشكل جيد إذا كنا نعمل مع اللغات ذات الحالات؟
أ: نعم. هناك ما يسمى باللغات ذات الموارد المنخفضة. لذا فإن النماذج، عادةً النماذج عندما يحاولون أخذ البيانات، ومن الواضح أن معظمها. الغالبية العظمى من البيانات هي بيانات باللغة الإنجليزية. ولهذا السبب تظهر نماذج اللغة أفضل النتائج باللغة الإنجليزية. ولكن كما تحاول لغات أخرى مختلفة. ستلاحظ تدهور الجودة وتزايد ندرة اللغة التي تحاول ترجمتها. ربما تكون النتائج الأسوأ هي تلك التي تستخدم اللغات ذات الحالة، ولكن اللغات التي تستخدم الحالة ليست بالضرورة هي اللغات ذات الموارد المنخفضة. لذا نعم، إنه يعمل بشكل جيد. ولكن عندما نتحدث عن إحدى اللغات ذات الموارد المنخفضة، فإن اللغة الأرمنية هي واحدة من اللغات المعقدة الموجودة. انت سوف تفعل. ربما قد ترى بعض النتائج غير المتوقعة. ولكنك عادة ما تفعل ذلك. سوف ترى نتائج جيدة للحالات.