به نظر می‌رسد کار ترجمه و آموزش زبان هم به زودی کساد شود چراکه متا از هوش مصنوعی SeamlessM4T به منظور ارتباط و گفتگوی افرادی با زبان‌های مختلف رونمایی کرد.
هوش مصنوعی SeamlessM4T با امکان صحبت کردن با دیگر افراد در سراسر جهان معرفی شد. متا به‌عنوان غول تکنولوژی جهان از زمان قدرت گرفتن تکنولوژی هوش منصوعی، تاکنون چند مدل فناوری جدید بر پایه این تکنولوژی پیشرفته معرفی کرده است که هرکدام در نوع خود بهترین هستند. مالک اینستاگرام، فیسبوک و واتس‌اپ حالا دیگر افراد را از یادگیری زبان بی‌نیاز کرده است.
بیشتر بخوانید: شخصیت‌های دیجیتالی هوش مصنوعی متا از ماه آینده به متا و فیسبوک اضافه می‌شوند
هوش مصنوعی SeamlessM4T معرفی شد
متا هوش مصنوعی جالبی توسعه داده است که می‌تواند طیف وسیعی از لهجه‌های مختلف سرتاسر جهان را درک کند. این مدل SeamlessM4T نام دارد و می‌تواند متن و گفتار را به ۱۰۰ زبان مختلف ترجمه و رونویسی کند.
متا ادعا می‌کند SeamlessM4T که به‌طور متن‌باز همراه با SeamlessAlign ارائه می‌شود، پیشرفت درخورتوجهی درزمینه ترجمه گفتار به گفتار و گفتار به نوشتار مبتنی‌بر هوش مصنوعی است.
غول رسانه‌های اجتماعی با انتشار پستی وبلاگی اعلام کرد:
مدل واحد ما ترجمه‌های درخواستی را ارائه می‌دهد و بدین‌ترتیب، افرادی که به زبان‌های مختلف صحبت می‌کنند، به‌طور مؤثرتر می‌توانند با یکدیگر ارتباط برقرار کنند. SeamlessM4T به‌طور ضمنی زبان‌های مبدأ و مقصد را بدون نیاز به مدل شناسایی زبان جداگانه تشخیص می‌دهد.
SeamlessM4T چیزی شبیه جانشین No Language Left Behind متا است؛ مدل ترجمه ماشینی متن‌به‌متن و مترجم گفتار که یکی از معدود سیستم‌های ترجمه مستقیم گفتار‌به‌گفتار با پشتیبانی از زبان هوکین است. همچنین، این مدل برپایه گفتار انبوه چندزبانه کار می‌کند که درواقع چهارچوب متا برای ارائه فناوری تشخیص گفتار و شناسایی زبان و ترکیب گفتار به بیش از ۱۱۰۰ زبان است.
متا، تنها منبعی نیست که در توسعه ابزارهای پیشرفته ترجمه و رونویسی هوش مصنوعی سرمایه‌گذاری می‌کند. فراتر از انبوه خدمات تجاری و مدل‌های منبع‌باز که آمازون، مایکروسافت، OpenAI و تعدادی استارتاپ دیگر منتشر کرده‌اند، گوگل نیز در حال ساخت چیزی است که آن را مدل «گفتار جهانی» می‌نامد و بخشی از تلاش‌های بزرگ‌تر غول جست‌وجوی اینترنت برای ساخت مدلی درک‌پذیر است.
موزیلا نیز رهبری Common Voice را برعهده داشت که یکی از مجموعه‌های بزرگ چندزبانه صوتی برای آموزش الگوریتم‌های تشخیص خودکار گفتار محسوب می‌شود. بههرحال، SeamlessM4T یکی از تلاش‌های بلندپروازانه بزرگی به‌حساب می‌آید که تا امروز برای ترکیب قابلیت‌های ترجمه و رونویسی در مدلی واحد انجام شده است.
متا در توسعه SeamlessM4T از ده‌ها‌میلیارد جمله عمومی و چهار‌میلیون ساعت گفتار صوتی در محیط وب استفاده کرده است. خوان پینو، دانشمند واحد تحقیقاتی هوش مصنوعی متا و یکی از مشارکت‌کنندگان در پروژه SeamlessM4T، منابع دقیق داده‌ها را فاش نکرد و گفت تنوع زیادی در این منابع وجود دارد.
همه تولیدکنندگان محتوا با استفاده از داده‌های عمومی برای آموزش مدل‌هایی که می‌توانند به‌صورت تجاری عرضه شوند، موافق نیستند.
بههرحال، متا ادعا می‌کند داده‌هایی که از وب برای آموزش SeamlessM4T استخراج کرده است، می‌تواند حاوی اطلاعات شخصی باشد؛ البته این شرکت اعلام کرده است که داده‌های مذکور حق کپی‌رایت ندارند و از منابع منبع‌باز یا با کسب مجوز به‌دست آمده‌اند.
روی‌هم‌رفته، متا از متن و گفتار استخراج‌شده از وب موسوم به SeamlessAlign برای ایجاد مجموعه داده‌های موردنیاز آموزش مدل SeamlessM4T استفاده کرده است. محققان ۴۴۳,۰۰۰ ساعت گفتار هماهنگ‌شده با متن و ۲۹,۰۰۰ ساعت داده گفتار‌به‌گفتار ایجاد کردند تا به SeamlessM4T یاد دهند چگونه گفتار را به متن رونویسی و متن را ترجمه یا گفتار را براساس متن تولید کند. این مدل حتی می‌تواند کلماتی که بهزبان خاصی گفته می‌شوند، به کلمات یا عبارت‌های مشابه در زبان‌های دیگر ترجمه کند.
متا ادعا می‌کند که براساس معیار داخلی این شرکت، SeamlessM4T دربرابر نویزهای پس‌زمینه و تغییر صدای اسپیکر، هیچ ضعف عملکردی از خود نشان نداد. ازنظر این شرکت، دلیل عملکرد دقیق مدل مذکور ترکیب غنی داده‌های گفتار و متن در مجموعه داده‌های آموزشی اعلام شده و همین ویژگی دلیل برتری مدل جدید بر مدل‌های فقط گفتاری و فقط متنی است.
متا در پست وبلاگی خود نوشت:
براساس نتایجی که SeamlessM4T ارائه داده است، اعتقاد داریم این مدل در تلاش‌های جامعه هوش مصنوعی به‌سمت ایجاد سیستم‌های چندوظیفه‌ای جهانی، پیشرفت مهمی است.
ناگفته نماند که متا نمی‌داند مدل هوش مصنوعی SeamlessM4T چه سوگیری‌هایی می‌تواند داشته باشد. مقاله‌ای که اخیراً در The Conversation منتشر شده است، به ایرادهای بسیار زیاد در ترجمه مبتنی‌بر هوش مصنوعی ازجمله اشکال سوگیری جنسیتی اشاره دارد.
به‌عنوان مثال، سرویس ترجمه گوگل زمانی فرض می‌کرد پزشکان مَرد هستند؛ درحالی‌که پرستارهای زن فقط به زبان‌های خاصی صحبت می‌کنند. همچنین، مترجم بینگ مایکروسافت عبارت‌هایی مثل «میز نرم است» را در زبان آلمانی به‌عنوان die Tabelle ترجمه کرده است که درواقع به جدولی از ارقام اشاره می‌کند.
الگوریتم‌های تشخیص گفتار نیز اغلب سوگیری دارند. مطالعه‌ای منتشر‌شده در مجموعه مقالات آکادمی ملی علوم نشان داد که سیستم‌های تشخیص گفتار شرکت‌های بزرگ فناوری در رونویسی صدای افراد سیاه‌پوست دوبرابر ضعیف‌تر از رونویسی افراد سفید‌پوست عمل می‌کنند.
جای تعجب نیست که SeamlessM4T نیز مثل اکثر مدل‌های هوش مصنوعی دچار مشکل سوگیری است. مقاله منتشر‌شده درکنار پست وبلاگی متا نشان می‌دهد که این مدل هنگام ترجمه از اصطلاحات خنثی به اشکال مذکر تعمیم می‌یابد و هنگام ترجمه از مرجع مذکر (مثل He در انگلیسی) برای اکثر زبان‌ها بهتر عمل می‌کند.
علاوه‌براین، SeamlessM4T در نبود اطلاعات جنسیتی ترجیح می‌دهد که فرم مردانه را درحدود ۱۰ درصد از مواقع ترجمه کند و این مسئله احتمالاً به‌دلیل بازنمایی بیش‌از‌حد واژه‌های مردانه در داده‌های آمزوشی متا رخ داده است.
براساس اعلام متا، SeamlessM4T متن ناخواسته و اشتباه زیادی به ترجمه‌های خود اضافه نمی‌کند؛ مشکل رایجی که در ترجمه و مدل‌های متنی مولد هوش مصنوعی به‌شدت احساس می‌شود. البته مدل متا نیز کامل نیست و گاهی در ترجمه متون برخی زبان‌ها مثل بنگالی و قرقیزی، محتوای ناخواسته و نامرتبط و حتی ترجمه‌های نفرت‌آمیز یا توهین‌آمیز مرتبط با فرهنگ این جوامع تولید می‌کند. به‌طور‌کلی، باید گفت SeamlessM4T در ترجمه‌های مرتبط با گرایش‌های جنسی و مذهبی، عملکرد ضعیف‌تر و سوگیری‌های بیشتری دارد.
متا اشاره می‌کند که نسخه‌های نمایشی عمومی SeamlessM4T حاوی فیلتری برای جلوگیری از ورودی‌های غیرمجاز و فیلتری برای گفتار خروجی نامتعارف است. بههرحال، این فیلتر به‌طور پیش‌فرض در نسخه منبع‌باز مدل وجود ندارد.
مشکل بزرگ دیگر در ترجمه مبتنی‌بر هوش مصنوعی، از‌دست‌دادن غنای واژگانی است که می‌تواند ناشی از استفاده بیش‌از‌حد از آن‌ها باشد. مترجمان انسانی برخلاف هوش مصنوعی، هنگام ترجمه از زبانی به زبان دیگر انتخاب‌های منحصربه‌فرد خود را انجام می‌دهند.
مترجمان انسانی می‌توانند متن را توضیح و عادی جلوه دهند یا آن را فشرده و خلاصه‌سازی کنند. اگرچه سیستم‌های هوش مصنوعی نیز می‌توانند ترجمه‌های دقیقی ارائه دهند، احتمال دارد در چنین شرایطی تنوع در متن تولیدشده آن‌ها به‌شدت کاهش یابد.
متا توصیه می‌کند که از SeamlessM4T برای ترجمه‌های طولانی و تأیید‌شده مثل مواردی که سازمان‌های دولتی و مقا‌م‌ها به‌رسمیت می‌شناسند، استفاده نکنید. این شرکت از استقرار SeamlessM4T نیز برای مقاصد پزشکی یا قانونی جلوگیری می‌کند تا بدین‌ترتیب مانع ترجمه‌های اشتباه در این حوزه‌های کاری حساس شود.
اقدام متا کاملاً عاقلانه است؛ زیرا حداقل چندین مورد وجود دارد که ترجمه اشتباه هوش مصنوعی به اشتباهاتی در اجرای قانون منجر شده است. سپتامبر ۲۰۱۲، پلیس به‌اشتباه به‌دلیل ترجمه نادرست پیامک یک مرد، او را به‌عنوان تروریست در نظر گرفت.
سال ۲۰۱۷ نیز، پلیسی در کانزاس از سرویس مترجم گوگل استفاده کرد تا از فردی اسپانیایی‌زبان بپرسد آیا امکان جست‌وجوی خودرو او برای کشف مواد مخدر وجود دارد یا خیر؟ بااین‌حال، از‌آن‌جا‌که ترجمه نادرست بود، راننده دقیقاً متوجه منظور پلیس نشد که با چه چیزی موافقت کرده است.
بههرحال، امیدواریم انسان‌ها در آینده به‌طور کامل از چرخه ترجمه و انتقال معانی درست متن‌ها از زبانی بهزبان دیگر خارج نشوند.
بیشتر بخوانید:
- همکاری رقبا در ساخت هوش مصنوعی جدید ؛ محصول مشترک متا و مایکروسافت چیست؟
- بیکاری 40 درصد از نیروی کار انسانی تا سه سال آینده؛ مقصر اصلی، هوش مصنوعی!
- شبکه اجتماعی BeFake به عنوان نقطه‌مقابل BeRael معرفی شد؛ با هوش مصنوعی غیرواقعی باشید!
نظر شما درباره هوش مصنوعی SeamlessM4T با پشتیبانی از زبان فارسی چیست؟ دیدگاه خود را در بخش کامنت‌ها با تکراتو در میان بگذارید و اخبار تکنولوژی را با ما دنبال کنید.
.
منبع: زومیت
