Un nuovo modello AI in grado di tradurre in diversi modi, si chiama Seamless M4T e a svilupparlo è Meta: tutti i dettagli
Accesso senza sforzi a tantissimi contenuti multilingue permettendo la traduzione multimodale e multilingue, questa la promessa legata al nuovo modello AI in grado di Meta, Seamless M4T, in grado di tradurre voce-testo, voce-voce, testo-voce, testo-testo per ben cento lingue.
Quello in quesitone rappresenta un grosso step in avanti nella volontà di Meta di creare un traduttore linguistico universale.
Rispetto ai classici sistemi speech to text e text to text coi relativi limiti nella copertura della lingua, tale modello è creato per la comprensione e la traduzione delle interazioni da voce a testo e da testo a testo per quasi cento lingue.
Il modello in questione accresce l’efficacia e aumenta la qualità del processo di traduzione in virtù dell’approccio all-in-one che porta al minimo l’errore ed i ritardi. Inoltre, consente a chi proviene da contesti linguistici differenti di poter dar seguito tranquillamente a conversazioni multilingue
Per aziende quali ad esempio Meta, la rilevanza e l’utilità della traduzione linguistica è ancor maggiore, visto che sono in tanti a lavorare per la gestione degli svariati contenuti dei social in diverse lingue.
Talvolta, la gestione di lingue meno diffuse vengono gestite da gruppi più piccoli, i quali fanno affidamento a sistemi di moderazione automatizzati e magari carenti rispetto all’applicazione.
Con l’accesso dell’IA ai dati che comprendono le lingue meno parlate, Meta pensa ad uno strumento tale da rendere più forte la moderazione.
Seamless M4T, il traduttore multilingue di Meta: argine contro le parole tossiche ed i pregiudizi
Seamless M4T dunque presenta una rilevante capacità di traduzione, ma è anche frutto dell’impegno di Meta rispetto al voler creare un ambiente digitale dove vi sia inclusione e sicurezza.
Nel dettaglio, via via che il modello veniva ideato, Meta ha dato vita ad un sistema che riesca ad identificare parole tossiche.
Come chiarisce l’azienda, sono compresi i casi dove il contenuto tradotto potrebbe fomentare odio, violenza, volgarità e così via.
All’interno dei dati d’addestramento, al fine di contro-bilanciare la tossicità, l’azienda ha eliminato le sequenza dove input oppure output avevano diversi gradi di tossicità.
Altro elemento innovativo riguarda l’abilità del modello di riuscire a quantificare e notare i pregiudizi di genere nelle lingue.
Lo scopo di Seamless M4T, attraverso il filtro del linguaggio tossico e mediante l’impiego verso i costrutti linguistici di genere, è far si che i contenuti tradotti restino rispettosi ed imparziali.
Questi, in generale e in modo sintetico, alcuni dettagli sul tema.
