在过去的一年里，关注我们的语言人工智能系列的读者可能很熟悉GTP-3 语言模型。就自然语言生成 (NLG) 而言，GTP-3 代表了高级语言人工智能的新时代。但它并不是 GTP-3 唯一的功能。当给出抽象提示时，GTP-3 展示了其反映人类素质、产生智能交互甚至创作诗歌的能力。简单来说，这个模型体现了我们在谈到人工智能时应该考虑到技术的两面性。
来自微软和 Nvidia 的开发者以迄今为止最复杂的 NLG 模型提高了难度：MT-NLG。从外部来看，这项技术与之前的型号没有太大不同。然而，在语言服务行业的背景下，这种模式给人的印象要深刻得多，而且规模也是全新的。首先，据说这种人工智能具有无可比拟的语言准确性，并且比 GTP-3 多包含 3550 亿个参数。同样，机器翻译-NLG 在包括推理、语言推理和阅读理解在内的功能上也优于任何以前的模型。因此，就目前情况而言，我们现在拥有迄今为止最有能力的模型，而且总的来说，这个模型的训练成本更低，也更容易。
随着人工智能对语言掌握的进步，给通信带来了哪些影响，我们应该如何看待 AI 在语言服务中扮演的角色呢？需要注意的是，像 MT-NLG 这样的 NLG 模型实际上是一种不同类型的语言人工智能，例如谷歌翻译，它依靠自然语言处理（NLP）来确定并找到与之对应的内容，而不是自己设计内容。然而，依赖机器的挑战在任何一种情况下都是相同的。 对于之前的 GTP-3 模型，这种人工智能系统需要大量数据集才能建立参数，而数据集往往很容易出现的问题，比如，人工智能会无差别录入来自网络的偏见或不当发言。就 MT-NLG 而言，即使它在语言的生成变得更加自主，但对依赖语言生成技术的行业挑战依然存在甚至有进一步升级的迹象。
尽管存在这些障碍，人工智能领域的发展前景依然广阔。 在翻译行业，人工智能目前还不能替代人类译员，只能作为人工翻译的辅助。虽然相反的现实可能并不遥远，但一个由对人工智能的依赖程度增加所定义的时代也应该与更加复杂的 NLG 和 NLP 技术相关联。正如需要将技术与高度熟练的语言学家一起使用，以弥合人工智能无法感知或说明的文化障碍一样，人类的专业知识是把控技术实验性进展的重要基础。
CSOFT 华也国际的全球母语译员和主题专家网络可以帮助向市场提供一些前沿技术驱动和创新产品的本地化解决方案。了解更多关于我们的翻译和通信解决方案，请访问我们的网站 csoftintl.com!
[dqr_code size="120" bgcolor="#fff"]