一、Nimdzi Insights

新聞動態(tài)闡釋人工智能語言系統(tǒng)

人工智能語言系統(tǒng)：Transformer語言模型+大型語言模型+生成式人工智能+ChatGPT

（圖片來源：https://www.nimdzi.com/ ）

像許多其他組織一樣，自2022年11月ChatGPT公開發(fā)布以來，，Nimdzi Insights就一直在嘗試這項新鮮事物---人工智能語言系統(tǒng)，這一點不足為奇。雖然大型語言模型（LLM）已經(jīng)存在很多年，但它并不受重視，直到Chatgpt突出重圍。

毫無疑問，語言技術(shù)突然成為熱門話題，令Nimdizi感到十分感激、興奮不已，該公司正在密切關(guān)注大型語言模型在翻譯及本地化等領(lǐng)域的普及。

（一）語言模型：

從N-gram模型到大型語言模型（LLM）

語言模型歷史悠久：與機器翻譯引擎類似，語言模型始于20世紀50年代的統(tǒng)計模型（n-gram），并取得了初步成功。神經(jīng)網(wǎng)絡(luò)（NN）問世（其原理基于大腦的工作方式）為人工智能和語言建模帶來了新一輪革命。

雖然其底層機制仍然是概率性的，但相比以前的模型，神經(jīng)網(wǎng)絡(luò)允許機器更有效地學習——特別是在深度神經(jīng)網(wǎng)絡(luò)（DNN）的新時代，其模型是由多層人工神經(jīng)元（“節(jié)點” ）構(gòu)成的。

深度神經(jīng)網(wǎng)絡(luò)已被證明可用于各種任務(wù)，例如分類和圖像處理，但在語言處理方面并不是很有效。“等等，深度神經(jīng)網(wǎng)絡(luò)不是有效的語言模型嗎？”你可能會驚訝地問。

為了優(yōu)化其有效性，亟需一個新的架構(gòu)。于是Transformer語言模型和大量文本數(shù)據(jù)“閃亮登場”，它們進一步升級了計算能力。

（二）Transformer語言模型

2017年，谷歌發(fā)表論文“只需注意力”，Transformer語言模型應運而生?；谶@種特定深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的模型，其問世標志著人工智能實現(xiàn)了巨大飛躍。

此類模型具有多種用途，其中包括語言建模。通過引入注意力和自我注意力概念，并且允許計算的有效并行，Transformer語言模型極大地開辟了神經(jīng)語言模型市場。

為了進一步彰顯其重要性，2021年，斯坦福大學的研究人員將Transformer語言模型視為 “基礎(chǔ)模型”，引發(fā)了人工智能領(lǐng)域的標志性轉(zhuǎn)變。

Transformer語言模型的主要特點：

·基于“自我注意力”的概念，語言模型學會預測遠程數(shù)據(jù)元素之間的依賴關(guān)系強度——例如文本中單詞（“標記” ）之間的遠程依賴關(guān)系。

· 語言模型可以用大量具有巨大擴展?jié)摿Φ模ǘ嗾Z言）文本數(shù)據(jù)進行預訓練，并通過自定義數(shù)據(jù)集進行微調(diào)。

· 基于將文本表示為矢量或張量中的數(shù)字（“嵌入” ），Transformer語言模型利用諸如圖形處理器或張量處理器（GPU或TPU ）之類的專用硬件來實現(xiàn)并行化，提高計算效率。此類計算技術(shù)的最新發(fā)展極大地促進了語言建模的進步。

· 其最知名的應用程序是大語言模型（LLM）：如若涉及執(zhí)行內(nèi)容生成、摘要、標簽等任務(wù)時，可以達到人工水平。

（三）生成式人工智能

到目前為止，我們已經(jīng)了解到：GPT-1是一個生成式語言模型，而GPT-4是一個生成式大語言模型。自然語言處理模型BERT則是一個非生成式大語言模型，但它們都是Transformer語言模型。

這些與生成式人工智能有什么關(guān)系？所有生成式大語言模型都是生成式人工智能，但生成的輸出可能不僅僅局限于文本。

擴散模型（也是利用類似Transformer語言模型功能的深度神經(jīng)網(wǎng)絡(luò)）便是如此。例如人工智能繪圖Midjourney，人工智能文本轉(zhuǎn)圖像Stable Diffusion，人工智能繪圖工具DALL-E和必應圖像生成Bing Image Creator——通過輸入文本或者圖像，甚至創(chuàng)建圖像。此外還有嘗試使用人工智能進行語音、音樂、視頻甚至游戲創(chuàng)建，其架構(gòu)與Transfomer語言模型有很大不同。

（圖片來源：https://www.nimdzi.com/ ）

與大語言模型不同，我們無法預測人工智能世界中的下一個“風口”，但我們至少可以希望通過這種解釋性說明，讓人工智能語言的現(xiàn)代術(shù)語變得更加清晰易懂。

二、語言服務(wù)咨詢公司BIG 新聞動態(tài)

BIG成為西班牙美國商會的

官方翻譯合作伙伴

2023年4月，全球領(lǐng)先的語言服務(wù)提供公司BIG很高興地宣布：BIG公司已被任命為西班牙美國商會官方翻譯合作伙伴。

通過建立新的合作伙伴關(guān)系，西班牙美國商會成員將受益于廣泛的翻譯以及本地化服務(wù)，并獲得語言提供商的支持：由該語言提供商為他們提供專職客戶經(jīng)理、經(jīng)驗豐富的項目經(jīng)理和全方位服務(wù)翻譯團隊，促進雙方團隊密切合作。

“BIG很高興與西班牙美國商會建立新的合作關(guān)系，著實令人興奮?！痹摴練W洲銷售高級副總裁Tim Moorcroft如是說?！斑@一合作使西班牙美國商會會員能夠獲得世界級翻譯服務(wù)，涵蓋數(shù)百種語言，滿足其語言需求。

BIG期待為商會及其在西班牙和美國的所有重要成員提供幫助。Moorcroft長駐西班牙，定期參加西班牙美國商會活動，一來可結(jié)識有趣之人，二來可參與其創(chuàng)建的精彩商業(yè)社區(qū)，所有成員均可參加。

西班牙美國商會會員現(xiàn)在可以獲得BIG全套語言解決方案資源和專業(yè)知識，確保能夠充分滿足所有語言服務(wù)需求。

西班牙美國商會會員還可以享受第一個項目前1000字的免費翻譯。“通過我們的產(chǎn)品組合，BIG一定能夠提供個性化語言服務(wù)，覆蓋三百多種語言及方言，涉及知識產(chǎn)權(quán)和法律、生命科學、醫(yī)療保健和許多其他領(lǐng)域?！?Moorcroft如是說。

三、ULG 新聞動態(tài)

ULG連續(xù)第四年獲得約翰迪爾公司（John Deere）合作伙伴獎

ULG連續(xù)第四年憑借其創(chuàng)新型本地化及創(chuàng)譯解決方案而榮獲約翰迪爾公司（John Deere）最佳合作伙伴獎。ULG很榮幸能夠為John Deere的培訓和營銷提供全球語言服務(wù)。

“ULG確保滿足其各種溝通交流需求，與顧客與員工的需求達成一致。”ULG EMEA本地化服務(wù)副總裁Orla Creaven如是說?！懊磕晡覀兌紩M足John Deere的獨特要求，實現(xiàn)其高期許高要求，同時也將我們的專業(yè)知識和創(chuàng)新方案應用其中。

這個獎項恰逢其時，具有成本效益，認可了ULG的聰明才智和成功經(jīng)驗?！盝ohn Deere是全球最知名的智能工業(yè)品牌，其成功源于始終將客戶放在第一位。憑借180多年的經(jīng)驗，John Deere提供一流的解決方案，專注于可持續(xù)作物和土地管理。

自2018年以來，ULG的團隊一直與John Deere合作，將服務(wù)內(nèi)容從營銷翻譯擴展到融合了策劃型機器翻譯、與語言學家合作、電子化學習（eLearning）本地化和翻譯質(zhì)量保證等多方面的獨特組合。

ULG有效地滿足了John Deere的全球通信需求，同時深化了雙方的長期合作伙伴關(guān)系，以提供更多服務(wù)，組建更多團隊?！癑ohn Deere正在引領(lǐng)工業(yè)市場邁入技術(shù)增強的未來，有利于其進一步主導全球市場。

ULG很高興見證這種強大的合作伙伴關(guān)系繼續(xù)發(fā)展，因為雙方從共同的創(chuàng)新和責任中獲得了協(xié)同效應。我們十分重視貴公司，承蒙抬愛獲得貴公司頒發(fā)的第四屆卓越獎，獲此殊榮是對ULG人員的努力和辛勤工作的重要驗證，證明他們已經(jīng)達到了一定水平并始終獲得認可?！?ULG首席執(zhí)行官Nic McMahon表示。

原文鏈接網(wǎng)址：

https://www.nimdzi.com/zh-cn/the-language-ai-alphabet-transformers-llms-generative-ai-and-chatgpt/

https://biglanguage.com/blog/big-language-solutions-becomes-the-official-translation-partner-of-the-american-chamber-of-commerce-spain/

https://multilingual.com/ulg-receives-john-deere-partnership/

特別說明：本文內(nèi)容選自 Nimdzi Insights，BIG ，官網(wǎng) ULG，僅供學習交流使用 ，如有侵權(quán)請后臺聯(lián)系小編刪除。

摘譯編輯：常俏