تحقیق اپل: ارزیابان انسانی هنوز برتر از هوش مصنوعی‌اند

شرکت اپل به بررسی قابلیت اعتماد ارزیابان ترجمه، چه انسان و چه هوش مصنوعی، پرداخته است. این تحقیق نشان می‌دهد که مدل‌های زبانی بزرگ (LLMs) نمی‌توانند به‌طور کامل جایگزین ارزیابان انسانی شوند و در هر دو گروه، نقاط ضعف قابل توجهی وجود دارد. این نگرانی‌ها به‌ویژه در زمینه دقت و کیفیت ارزیابی‌ها مطرح می‌شود و می‌تواند تأثیرات جدی بر روی فرآیندهای ترجمه و محتوای تولیدشده داشته باشد.

تحقیقات اخیر اپل نشان می‌دهد که در حالی که مدل‌های زبانی بزرگ به‌طور فزاینده‌ای در حال پیشرفت هستند، هنوز هم نمی‌توانند به‌طور کامل به عنوان ارزیابان مستقل و قابل اعتماد عمل کنند. این مسأله به‌ویژه در مواردی که نیاز به درک عمیق‌تر از متن و زمینه فرهنگی وجود دارد، بیشتر نمایان می‌شود. به عبارت دیگر، ارزیابی‌های انسانی به دلیل توانایی درک نوانس‌های زبانی و فرهنگی، هنوز هم از دقت بیشتری برخوردارند.

در این راستا، اپل به بررسی چگونگی بهبود عملکرد مدل‌های زبانی بزرگ و کاهش شکاف‌های موجود در قابلیت اعتماد آنها پرداخته است. این تحقیق می‌تواند به توسعه ابزارهای بهتری برای ارزیابی ترجمه‌ها منجر شود که هم به ارزیابان انسانی و هم به سیستم‌های هوش مصنوعی کمک کند.

این برای مخاطبِ حرفه‌ای یعنی چه؟ برای مترجمان و زبان‌شناسان، این تحقیق اهمیت زیادی دارد زیرا نشان می‌دهد که هنوز هم نیاز به ارزیابی‌های انسانی در فرآیند ترجمه وجود دارد. همچنین، این یافته‌ها می‌توانند به توسعه و بهبود ابزارهای هوش مصنوعی در صنعت ترجمه کمک کنند و بر لزوم همکاری بین انسان و ماشین در این حوزه تأکید کنند.