مترجمان مجرب ترکیه به عنوان مربیان مدلهای هوش مصنوعی فعالیت میکنند، حتی با وجود اینکه حرفهشان با ظهور ترجمههای ماشینی کوچک میشود. با بهبود مدلها، این مشاغل آموزشی نیز ممکن است ناپدید شوند.
محمد شاهین، رئیس بخش ترجمه در دانشگاه بغازیچی در استانبول، به
پِلین ترکمن در نوجوانی آرزو داشت که یک مترجم شفاهی شود، انگلیسی را به ترکی و بالعکس، در زمان واقعی ترجمه کند. او تصور می کرد که با دیپلمات ها و محققان به سراسر جهان سفر می کند و در رویدادهای تاریخ ساز شرکت می کند.
وظایف او در یک صبح ژانویه اخیر در رویاهایش جایی نداشت. کامپیوتر این مترجم 28 ساله داشبوردی را برای آموزش هوش مصنوعی نشان میداد که توسط Outlier، شرکتی مستقر در سانفرانسیسکو که پیمانکارانی را برای آموزش مدلهای زبانی بزرگ استخدام میکند، ارائه شده بود. مشتریان Outlier شامل OpenAI، Microsoft و Meta و غیره هستند.
داشبورد یک اعلان برای آموزش یک LLM نشان می داد که ChatGPT، Gemini یا Preplexity AI را پشتیبانی می کند.
ربات چت هوش مصنوعی سه منو ارائه داد. ترکمن آنها را از نظر دقت، اخلاق و ارتباط رتبه بندی کرد. او گرامر، روان بودن، لحن و ساختار را بررسی کرد. او به دنبال زبانی بود که نویسنده هوش مصنوعی را آشکار کند - عباراتی مانند "به عنوان یک دستیار هوش مصنوعی ..." یا "مطمئنا!" او استدلال خود را توضیح داد تا دستگاه بتواند یاد بگیرد.
ترکمن در 9 ماه گذشته چندین هزار دلار از آموزش هوش مصنوعی به دست آورده است. در صنعت فناوری، این نوع کار به عنوان یادگیری تقویتی از بازخورد انسان شناخته می شود و به LLM ها کمک می کند تا با شهود و زمینه پاسخ دهند.
زینب کریسی، مترجم دیگری که برای Outlier قرارداد می بندد، به
او گفت که این شغل در زمانی که مسیر شغلی او در حال ناپدید شدن به نظر می رسد، درآمد مطمئنی را به ترکمن ارائه می دهد.
مترجمان و محققان در ترکیه به
امروزه، آنها گفتند، بیشتر موقعیتهای سطح پایه شامل ویرایش محتوای تولید شده توسط هوش مصنوعی به عنوان "ویراستار پس از ترجمه" ماشینی است. برخی دیگر شامل آموزش هوش مصنوعی می شود.
این
به معنای وسیع تر استقرار هوش مصنوعی است، به این معنی که مهارت های زبانی برای بسیاری از کارگران کم ارزش می شود.
شاهین گفت: «همه انگلیسی می دانند، بنابراین من از خودم می پرسم که چگونه می توانم چیزی را به دانش آموزانم یاد دهم که ماشین ها نمی توانند انجام دهند.»
به موازات تغییر مسیر ترجمه، تقاضا برای مترجمان مسلط به زبان های با منابع کمتر در حال افزایش است. الکساندر فراس، دانشمند کامپیوتر در دانشگاه لایپزیگ در آلمان، گفت: «مدل های زبانی به منابع متنی زیادی نیاز دارند. او اضافه کرد، وقتی محتوا کم است، ترجمه ها اغلب بد هستند.
در میان زبان هایی که مدل های زبانی تمایل به تولید ترجمه های افتضاح به آن ها دارند، زبان های منطقه ای مانند کردی و ارمنی قرار دارند. با توجه به اینکه ترکیه میزبان میلیون ها کرد و ارمنی است، مدل های زبانی با کیفیت خوب برای اقلیت های کشور در دسترس نیستند.
فراس در حال برنامه ریزی برای جمع آوری داده ها در مورد زبان های منطقه ای ترکیه برای توسعه مجموعه داده های با منبع کم است که می تواند در ترجمه به و از زبان هایی که اغلب نادیده گرفته می شوند کمک کند.
فراتر از این، فراس از هوش مصنوعی به عنوان ابزاری برای درک تفاوت بین زبان های منطقه ای ترکیه و ترکی رایج استفاده می کند. او اضافه کرد که چنین اطلاعاتی می تواند به حفظ و ترویج زبان های رو به مرگ کمک کند.
شاهین گفت که در حالی که او به دانشجویانش در مورد ویرایش پس از ترجمه و آموزش هوش مصنوعی آموزش می دهد، به آنها یاد می دهد که فراتر از ابزارهای هوش مصنوعی فکر کنند. او گفت که آموزش زبان های کمتر رایج در ترکیه بهترین راه برای بیمه کردن شغل است.
شاهین گفت: «این نوع کار توسط ماشین انجام نمی شود. آنها [ماشین ها] از ما تقلید می کنند و ما به آن می رسیم. ما کاری می کنیم که ماشین ها نتوانند انجام دهند.»