Ein Forscherteam von Meta hat das SEAMLESSM4T-System (Massively Multilingual and Multimodal Machine Translation) vorgestellt, das eine vielseitige Palette an Übersetzungen bietet. Das System kann Sprache in 101 Sprachen nahezu augenblicklich übersetzen und die Ausgabe über einen Sprachsynthesizer in 36 Zielsprachen wiedergeben. Zu den Anwendungsfällen der künstlichen Intelligenz gehören Sprach-zu-Sprache-, Sprach-zu-Text-, Text-zu-Sprache- und Text-zu-Text-Übersetzungen.
Der Babel-Fisch aus Per Anhalter durch die Galaxis – ein Fisch, der effizient verschiedene für Übersetzungen verwendete Sprachen sprechen kann – könnte nun endlich Realität werden.
Das Problem der Datenknappheit bei maschineller Übersetzung
Die Entwicklung von SEAMLESSM4T baut auf Metas früheren Arbeiten zur Sprach-zu-Sprache-Übersetzung und dem Projekt No Language Left Behind auf, das Text-zu-Text-Übersetzungen für ungefähr 200 Sprachen ermöglichen sollte. Ein wiederkehrendes Problem bei der maschinellen Übersetzung ist jedoch der Mangel an Trainingsdaten für Sprachen, die nicht besonders weit verbreitet sind. Während Trainingsdaten für wichtige Sprachen wie Englisch reichlich vorhanden sind, sind sie für viele andere Sprachen weiterhin knapp – insbesondere für solche mit geringer Präsenz im Internet.
Laut Allison Koenecke, Computer Scientist an der Cornell University, hat diese Datenungleichheit die Ausweitung der Fähigkeiten maschineller Übersetzung auf weniger verbreitete Sprachen behindert. Obwohl die genauen Ursachen dieser Verbesserung noch unbekannt sind, haben Forschende festgestellt, dass die Mehrsprachigkeit die Leistungsfähigkeit von Übersetzungssystemen sogar bei Sprachen mit wenigen Trainingsdaten verbessert.
Ein umfassendes Übersetzungssystem
Für die Entwicklung von SEAMLESSM4T sammelte Metas Team Millionen Stunden an Audioaufnahmen aus seriösen Quellen wie den Archiven der Vereinten Nationen und dem Internet. Diese Audioaufnahmen dienten ebenso wie Transkripte und von Menschen erstellte Übersetzungen als umfangreicher Trainingsdatensatz. Der Algorithmus verknüpfte erfolgreich fast eine halbe Million Stunden an Audi fragmenten mit den entsprechenden Texten in mehreren Sprachen.
„Meta hat großartige Arbeit dabei geleistet, eine große Bandbreite verschiedener Funktionen zu unterstützen, etwa Text-zu-Sprache, Sprache-zu-Text und sogar automatische Spracherkennung“, sagte Chetan Jaiswal, Professor of Computer Science an der Quinnipiac University, der nicht an der Forschung beteiligt war. „Allein die Anzahl der unterstützten Sprachen ist eine enorme Leistung.“
Meta mit Hauptsitz in Menlo Park, Kalifornien, bietet SEAMLESSM4T als Open-Source-Tool an, sodass Forschende weltweit auf seinem Framework aufbauen können. Dies folgt auf die erfolgreiche Veröffentlichung seines Large Language Model, das von Entwicklern weltweit umfassend eingesetzt wird. Das SEAMLESSM4T-System stellt einen bedeutenden Fortschritt in der mehrsprachigen Kommunikation dar und könnte möglicherweise die Art und Weise verändern, wie Menschen über Sprachbarrieren hinweg miteinander interagieren.
Erfahren Sie mehr über weitere faszinierende Anwendungsfälle für künstliche Intelligenz in verschiedenen Branchen.