Компания Logrus IT опирается на многолетний опыт экспертов-лингвистов, непрерывно интегрируя в свою работу передовые технологии. Сегодня искусственный интеллект все активнее используется во многих отраслях, и локализация — не исключение. (Узнайте, что мы думаем об ИИ и сфере услуг, чтобы получить полное представление о нашем глобальном видении.)
Однако мы понимаем, что использование ИИ вызывает опасения у некоторых клиентов. В основном они связаны с безопасностью данных (риск утечки конфиденциальной информации в общедоступные домены ИИ) и качеством результатов (непредсказуемые «галлюцинации» или сбои, которые часто возникают, когда необработанные тексты, созданные ИИ, не проходят надлежащую проверку экспертами-людьми).
Чтобы снизить эти риски и гарантировать, что наши клиенты получат максимальную отдачу от своих инвестиций, мы разработали новую систему перевода PRISM, основанную на мультиагентном рабочем процессе. Хотя для строго конфиденциальных данных или высококреативного контента, такого как маркетинговые тексты и контент для видеоигр, все еще может потребоваться более ориентированный на участие человека подход, PRISM предоставляет безопасную, гибкую и высокоэффективную альтернативу для широкого спектра сценариев перевода. Эта многоэтапная система ориентирована на максимальную прозрачность, строгий многоуровневый контроль, оптимальную эффективность и максимальное использование человеческого опыта в эпоху ИИ.
1. Retrieval-Augmented Generation (RAG) — генерация с дополнением извлеченными данными
Наш подход RAG задействует возможности ИИ и извлеченные векторизованные контекстные данные. Мы добавляем клиентские Translation Memories (TM) непосредственно в базу данных эмбеддингов LLM. Помимо этого, вместе с каждым пакетом для перевода мы отправляем в LLM соответствующие записи глоссария и краткое руководство по стилю для конкретного проекта со всеми доступными метаданными. Это позволяет учитывать как непосредственный контекст, так и предметную область, обеспечивая более высокий уровень согласованности и адаптированный стиль изложения по сравнению со стандартным нейронным машинным переводом (NMT).
2. Повышение качества перевода благодаря ИИ
Неотъемлемой частью нашего рабочего процесса является контекстно ориентированная оптимизация с помощью ИИ. Прежде чем эксперт-человек увидит текст, специализированные инструменты ИИ дорабатывают первичный вариант перевода (независимо от того, был ли он создан с помощью RAG, МП или с использованием устаревших TM). На этом этапе применяется другая модель LLM (вместо RAG). Поскольку каждая версия движка LLM работает по-своему, этот процесс можно описать как «вторую пару роботизированных глаз, просматривающих материалы». При этом инструменты ИИ автоматически согласовывают терминологию, унифицируют стиль и исправляют типичные расхождения, позволяя нашим редакторам полностью сосредоточиться на нюансах, культурном соответствии и финальной доработке.
Все изменения, предложенные ИИ, сохраняются и позже проверяются/одобряются человеком.
3. Контроль качества перевода (LQA) с использованием ИИ
Иногда люди пропускают ошибки. Мы используем инструменты LQA с поддержкой ИИ для оценки адекватности, ясности изложения и стиля перевода во всем документе. В сочетании с традиционным программным обеспечением для контроля качества на основе правил, которое выявляет другие типы ошибок, такие как форматирование или пробелы, этот гибридный подход обеспечивает комплексную и высоконадежную оценку качества всего созданного контента.
Редакторы сами просматривают все потенциальные проблемы, выявленные на этапе контроля качества с использованием инструментов на основе ИИ или правил, и устраняют их во время рецензирования. (Подтвержденные ошибки исправляются; ложные срабатывания помечаются и игнорируются.)
4. Создание глоссария и актуализация памяти переводов при помощи ИИ
Для согласованности терминологии во всем проекте необходимы тщательно подготовленные глоссарии. Традиционный подход к извлечению терминов требует значительных затрат времени и бюджета. Мы используем ИИ для быстрого извлечения терминов из существующих одноязычных или двуязычных файлов, автоматически отфильтровывая общую лексику и выбирая отраслевые и контекстно зависимые определения. Затем специалисты проверяют созданные ИИ глоссарии, что позволяет значительно ускорить весь процесс подготовки и оптимизировать затраты.
Этап предварительного перевода / подготовки может также включать быструю проверку памяти переводов (TM) с помощью ИИ. Такая проверка фокусируется исключительно на критических ошибках, которые могли сохраниться в ранее внесенных в TM записях. Эти ошибки необходимо выявить и исправить до начала процесса перевода.
Наши контекстно ориентированные инструменты позволяют выделять ошибочные переводы, а также игнорировать или удалять устаревшие переводы (старше определенного срока), переводы, выполненные конкретным человеком, и т. д.
Независимо от подхода к переводу (человеком или на основе ИИ), мы не хотим включать известные серьезные ошибки в TM, применяемую переводчиками, или добавлять их в базу данных векторизованных эмбеддингов LLM, используемую в процессе RAG.
Этот этап проверки TM также помогает выявить проблемы на ранней стадии в тех случаях, когда существующие или предоставленные TM имеют низкое качество.
PRISM не исключает человеческий перевод; он либо дополняет его за счет автоматизированных этапов контроля качества, либо предоставляет высоконадежную альтернативу на основе ИИ. Вот как это выглядит:
Полная прозрачность и безопасность. Никаких догадок: клиент точно знает, что именно он получает. Для процесса PRISM используются только безопасные, профессиональные и закрытые среды ИИ, что исключает риск передачи конфиденциальных материалов переводчиками в общедоступные ИИ-системы.
Гарантированная целостность процесса. В стандартных рабочих процессах такие важные этапы, как редактирование, иногда пропускаются. В PRISM все автоматизированные подготовительные этапы строго соблюдаются и выполняются через наши внутренние конвейеры. Это означает, что текст попадает к рецензенту уже идеально отформатированным и выверенным с точки зрения терминологии. Благодаря этому критически важный этап проверки специалистом становится целенаправленным, высокоэффективным и приносит видимый результат.
Доказанная эффективность и адаптивность. Наша RAG-структура генерирует гораздо более качественные и контекстно зависимые черновики, чем обычные модели машинного перевода. Процесс легко адаптировать: пользовательские метрики контроля качества, глоссарии и инструкции по стилю изложения без проблем интегрируются в конвейер для каждого клиента или линейки проектов.
Низкий уровень риска и масштабируемость. Эффективность PRISM легко оценить на небольшом пробном пакете (например, 3–5 тыс. слов). Если определенные материалы невозможно обработать с применением метода RAG, мы без промедления адаптируем процесс под традиционный перевод силами лингвистов.
Для масштабных проектов с невероятно сжатыми сроками и ограниченным бюджетом клиенты традиционно запрашивали «Lite MTPE» (машинный перевод + поверхностное постредактирование). При этом такая беглая проверка часто бывала непоследовательной, хотя на нее все равно уходило немало времени.
Чтобы решить эту проблему, мы предлагаем вариацию PRIMe нашего процесса PRISM. Намеренно пропуская этап проверки специалистом (Specialist Review — S), мы проводим материалы через структурированные автоматизированные этапы P-R-I-Me. Такой подход позволяет нам устанавливать более низкие расценки за слово, обеспечивая при этом структурированный контролируемый рабочий процесс. Благодаря точно настроенным промптам и многократным автоматическим проверкам качество на выходе значительно выше, чем при обычном нейронном машинном переводе.
(PRISM — краеугольный камень нашей технологии локализации, однако мы не останавливаемся на достигнутом. Узнайте, как мы внедряем ИИ во все услуги Logrus IT: от мультимедиа до создания контента.)
