معرفی مدل هوش مصنوعی «لارا مینی» با تمرکز بر تنوع زبانی

مدل جدید هوش مصنوعی «لارا مینی» (Lara Mini) که توسط شرکت «ترجمه‌شده» (Translated) معرفی شده، بر مبنای تنوع زبانی و فرهنگی به‌عنوان منبعی برای تقویت هوش مصنوعی طراحی شده است. این مدل، که به‌طور خاص برای ۴۵ زبان و فرهنگ مختلف، از جمله ۲۴ زبان رسمی اتحادیه اروپا، آموزش دیده، به‌عنوان برترین مدل در کلاس خود در سطح جهانی شناخته شده است. این دستاورد به چالش باور رایج در صنعت هوش مصنوعی می‌پردازد که آموزش بر روی زبان‌های بیشتر ممکن است به کاهش کیفیت هوش منجر شود.

«لارا مینی» با استفاده از ۶ تریلیون توکن داده، به‌طور خاص بر روی تنوع زبانی تمرکز کرده و نشان داده که جایگزینی داده‌های چندزبانه با داده‌های اضافی به زبان انگلیسی، بهبود قابل توجهی در عملکرد انگلیسی ایجاد نمی‌کند، بلکه قابلیت‌های چندزبانه را به‌طور چشمگیری کاهش می‌دهد. این مدل با ۰.۶ میلیارد پارامتر فعال، بالاترین نمره را در ارزیابی‌های ترکیبی شامل درک چندزبانه، ریاضیات و برنامه‌نویسی به‌دست آورده و از مدل‌هایی که بر روی داده‌های بیشتری آموزش دیده‌اند، عملکرد بهتری دارد.

مدیرعامل «ترجمه‌شده»، مارکو ترومبتی، اشاره کرده است که به‌مدت طولانی، هوش مصنوعی تنوع زبان‌های انسانی را به‌عنوان یک مشکل در نظر گرفته است. اما این شرکت بر این باور است که زبان‌ها و فرهنگ‌های مختلف، دیدگاه‌های متفاوتی به واقعیت ارائه می‌دهند و این تنوع می‌تواند هوش را غنی‌تر کند. «لرا مینی» نخستین گام در راستای توسعه مدل‌های هوش مصنوعی کارآمد است که از تنوع زبانی و فرهنگی بشر بهره می‌برند.

این مدل بخشی از خانواده جدید مدل‌های بنیادی «لرا ۴» (Lara 4) است که به نسل بعدی خدمات ترجمه هوش مصنوعی «ترجمه‌شده» قدرت می‌بخشد. این شرکت امیدوار است با یادگیری از زبان‌ها و فرهنگ‌های مختلف از ابتدا، مدل‌های خود را قادر به درک دقیق‌تر معانی، زمینه‌ها و ظرافت‌های فرهنگی کند. این رویکرد می‌تواند به ترجمه‌های سریع‌تر و با کیفیت بالاتر منجر شود.

این برای مخاطبِ حرفه‌ای یعنی چه؟ مدل «لرا مینی» می‌تواند به مترجمان و زبان‌شناسان کمک کند تا با استفاده از هوش مصنوعی، ترجمه‌هایی با دقت و کیفیت بالاتر ارائه دهند. این رویکرد جدید به‌ویژه در پروژه‌های بزرگ و چندزبانه می‌تواند کارایی و سرعت کار را بهبود بخشد و به درک بهتر از متون در زمینه‌های فرهنگی و زبانی مختلف منجر شود.